Gaurav Bubna, cofundador de NextBillion.ai – Sèrie d'entrevistes

Gaurav Bubna, és el cofundador de NextBillion.ai una plataforma de mapes creada per a empreses. Anteriorment ha treballat amb empreses com Grab, Ola i ZLemma (adquirida per Hired.com)

Què et va atraure inicialment de la informàtica i l'aprenentatge automàtic?

Fins i tot quan estava a l'escola, sempre em van atraure les matemàtiques i qualsevol petita programació que pogués fer aleshores. Així, quan vaig anar a la universitat, estudiar informàtica em va semblar una extensió natural. L'aprenentatge automàtic ha estat més un "gust adquirit" al llarg dels anys. Em va encantar la combinació d'aspectes pràctics i del món real, com ara el big data i la capacitat d'aplicar-les a una varietat d'aplicacions del món real, així com els aspectes teòrics com la teoria de la probabilitat, que sempre he trobat fascinant.

Abans de la fundació nextbillion.ai vas ser membre fundador de l'equip de productes de Maps a Grab, on vas ajudar a escalar l'equip d'un equip multifuncional de 10 membres a més de 300 en un període d'aproximadament 2.5 anys. Quines van ser algunes de les lliçons clau que vas treure d'aquesta experiència?

Una lliçó clau que vaig aprendre va ser que, tot i que cada país on operava Grab formava part del "sud-est asiàtic", però a la pràctica, tots eren molt diferents. Les solucions que realment funcionaven bé es van crear de manera que es podien adaptar a cada negoci, cada país i, de vegades, fins i tot a diferents ciutats del mateix país. La majoria de productes no es construeixen d'aquesta manera, i és molt difícil equilibrar la capacitat d'escalar ràpidament, però encara es creen adaptats a cada cas d'ús. Crec que aquest equilibri és una lliçó clau que vaig aprendre del meu temps allà.

Podries compartir la història de la gènesi darrere de NextBillion.ai?

Hem invertit en solucions de mapes que Grab necessitava específicament, però no una cosa per a la qual es van crear mapes centrats en el consumidor com Google. Amb el pas del temps, vam poder generar un impacte massiu per a Grab, tant pel que fa a l'economia de les unitats de Grab, com per generar una forta diferenciació competitiva. I tot i que Grab va estar en una posició afortunada per poder invertir tant en els seus mapes, la majoria de les altres empreses no ho podran fer (perquè no han recaptat tant capital). Així que vam veure una oportunitat per aprofitar part del nostre aprenentatge i construir una plataforma per a empreses a nivell mundial.

NextBillion.ai és la primera plataforma de mapes descentralitzada i personalitzable per a empreses del món. Quins són alguns dels avantatges per a les empreses d'utilitzar una plataforma de descentralització en comparació amb les opcions populars com Google Maps?

Per a les empreses de transport, logística i comerç electrònic, permetem una millor economia de les unitats, un menor cost per lliurament i una millor utilització dels actius. Donada la naturalesa "única" d'opcions com Google Maps, aquests guanys empresarials simplement no són possibles. Per a altres empreses de programari B2B, sovint no són capaços de satisfer moltes necessitats dels clients a causa d'aquestes limitacions que s'ajusten a totes. Desbloquegem més casos d'ús que permeten més ingressos i oportunitats de creixement.

Google Maps té límits en el nombre d'API que es poden utilitzar, quins són els límits amb NextBillion.ai en comparació?

Aquest és un gran exemple d'un dels nostres diferenciadors. Oferim models comercials extremadament flexibles als nostres clients, inclosos paquets de trucades API ILLIMITATS, suport per a un rendiment fins a 20 vegades més gran i una latència 5 vegades més baixa que les millors alternatives disponibles.

Com utilitza el sistema la IA per supervisar la predicció de la demanda de l'oferta a nivell de localitat?

Les nostres API s'utilitzen per permetre un enviament millor i més eficient, canvis de preus més precisos, inclòs l'augment de preus, que al seu torn té un impacte directe en el desequilibri de la demanda de l'oferta a nivells molt micro com les localitats.

Per als serveis de transport de cotxes, podríeu parlar de com l'IA pot predir el trànsit per oferir una millor coherència de tarifes i guanys?

Els conductors d'aquestes plataformes veuen el temps com diners. Cada hora que passen conduint, volen una mica de seguretat que guanyaran X $ al final. A la pràctica, a causa de les prediccions de temps de distància inexactes de les API de mapes, hi ha una fluctuació massiva en la quantitat de diners que guanya un conductor per unitat de temps invertit, en diferents rutes, hores del dia i dies de la setmana. La nostra IA té en compte el comportament de conducció anterior, els patrons de trànsit a la ciutat i suggereix rutes i trànsit extremadament precisos. Això permet uns preus extremadament precisos per als nostres clients i, al seu torn, guanys molt més previsibles per als seus conductors.

Quins són alguns altres casos d'ús quotidià que NextBillion.ai permet per a les empreses?

Habilitam una àmplia gamma d'escenaris de lliurament i comerç electrònic, com ara el lliurament de menjar, queviures i lliuraments de comerç electrònic. També permetem que els serveis de resposta d'emergència, com ara les ambulàncies, tinguin temps d'arribada més ràpids, les forces policials permetin un patrullatge eficient per reduir les taxes de criminalitat i la recollida eficient de residus. També oferim altres casos d'ús entre bastidors que fan possibles alguns d'aquests casos d'ús quotidià, per exemple, rutes de camions que porten les vostres comandes de comerç electrònic al vostre centre de compliment més proper.

Hi ha alguna cosa més que t'agradaria compartir sobre NextBillion.ai?

Creiem que la majoria de les empreses encara no reconeixen que els mapes no són només una tecnologia fantàstica, sinó que poden generar un impacte empresarial de 100 milions de dòlars des del mateix subministrament o base d'actius. Part del que esperem aconseguir com a empresa és avançar en l'estat de la pròpia indústria. Si en els propers anys podem ajudar a moltes més empreses a reconèixer el valor de les dades espacials, encara que no treballin directament amb nosaltres, considerem que la nostra missió s'ha complert en part.

Gràcies per la gran entrevista, els lectors que vulguin aprendre més haurien de visitar NextBillion.ai.