Adi Bathla, CEO og grundlægger af Revv – Interviewserie

Adi Bathla, CEO og grundlægger af Revv, er en produkt-dreven operatør og innovationsleder baseret i New York, der har bygget sin karriere ved skæringen af teknologi, systemtænkning og skala. Før han grundlagde Revv, ledede han produkt- og digital kundeoplevelsesinitiativer i high-growth handelsvirksomheder, hjalp med at lancere nye forretningsområder inden for store enterprise-platforme, gennemførte forskning i kunstig intelligens og kollektiv intelligens på MIT Sloan og tidligere i sin karriere ledede han prisvindende rumsystemdesignhold forbundet med NASA-forskningsprogrammer.

Revv er en AI-dreven bilreparationsplatform, der fokuserer på at simplificere ADAS-kalibrering og diagnostik for kollision- og mekanisk reparationsværksteder. Ved at kombinere OEM-kvalitetsdokumentation, intelligente arbejdsgange og dybe integrationer med eksisterende værksted- og estimeringssystemer, hjælper Revv reparationssentre med at reducere manuel research, forbedre overholdelse og sikkerhed og omdanne stadig mere komplekse kalibreringskrav til skalerbare, data-drevne operationer. Da køretøjer bliver mere software-defineret, positionerer Revv sig selv som kerneinfrastruktur for moderne reparationssystemer på tværs af Nordamerika.

Dit tidlige udsyn til bilreparationsindustrien formede tydeligt din vej. Kan du dele et specifikt øjeblik fra den tid, der gjorde dig klar over, at dette område havde brug for en AI-dreven løsning?

Der var dette ene telefonopkald, der ændrede min syn på industrien helt. En værkstedsejer ringede til mig i panik: han havde repareret en bil, men lane-change-systemet fejlede herefter, og han var bange for at blive sagsøgt. Det øjeblik gjorde, at jeg tog en dybere kig på ADAS-systemer, og jeg indså, at denne usynlige kompleksitet var et massivt problem, som værkstederne ikke kunne løse på egen hånd. Da ADAS-reparationer ikke var åbenlyse som en bule eller ridse, var det let for dem at gå ubemærket hen. Teknikerne brugte 3-4 timer på bare at dokumentere arbejdet og finde reparationsskemaer, som om de ledte efter en nål i en høstak. Det var da, jeg vidste, at AI kunne skære igennem al den støj og give teknikerne præcis, hvad de havde brug for i sekunder i stedet for timer.

Din tid med at arbejde på AI- og kollektiv intelligensforskning på MIT og tidligere systemniveauarbejde på NASA udsatte dig for komplekse, sikkerheds-kritiske miljøer tidligt. Hvordan påvirkede disse oplevelser direkte din beslutning om at grundlægge Revv og fokusere på køretøjskalibrering som et softwareproblem?

Mine oplevelser på NASA og MIT lærte mig, at for at bygge og være en succesfuld iværksætter, skal man bare lære hurtigt og omgive sig med de rette eksperter. Denne mentalitet gav mig den tillid til at gå ind i en branche, jeg vidste meget lidt om, og udfordre den måde, ting havde været gjort traditionelt.

Da jeg begyndte at tilbringe tid i bilværksteder, så jeg teknikerne drukne i manualer, forsøge at kalibrere sensorer, der kontrollerer, om en bil kan bremse korrekt eller holde sig på sin vej. Det mindede mig om de sikkerheds-kritiske miljøer, jeg havde været udsat for på NASA, hvor præcision er nøgle. Dette er livsreddende teknologi, men værkstederne håndterede det med papirprocedurer og forældede systemer. Jeg indså hurtigt, at dette var et softwareproblem forkleet som et mekanisk problem. Biler var blevet computere på hjul, men infrastrukturen til at servicere dem havde ikke holdt trit. Det førte mig tilbage til den iværksættermentalitet, jeg havde udviklet på MIT og NASA, og det er, hvordan vi byggede Revv: ved at parre en outsiders frisk synsvinkel med dyb ekspertise fra teknikerne, der faktisk udfører arbejdet.

Før Revv ledede du produkt- og innovationsinitiativer på Jet og Walmart (WMT ) i massestørrelse. Hvad var de vigtigste lærdomme fra opbygning af 0→1-produkter i handel, der bar over på design af software til det bilreparationsmæssige økosystem?

Den største lærdom, jeg lærte fra min tid på Walmart, var at møde brugerne, hvor de er, ikke hvor du ønsker, de skal være. Jeg byggede for leverandører og producenter, der ikke var teknologisk avancerede og havde gjort tingene på samme måde i årtier. Du kan ikke bede dem om at erstatte deres hele system. I stedet integrerer du din ekspertise i deres eksisterende arbejdsgange, så de ikke behøver at løfte en finger ud over, hvad de allerede gør.

Det blev Revvs hele teses. Vi integrerer med værkstedernes eksisterende værktøjer og software, kører i baggrunden og leverer indsigt uden at forstyrre, hvad der allerede er muskelhukommelse for dem. Men jeg bar også over, hvad jeg lærte på Jet om talent: A-spillere tiltrækker A-spillere, og du skal være besat af at bygge det rette hold fra dag én. Jeg indlejrede dette som vores rekrutteringspraksis på Revv, fordi ingen af det arbejde, vi gør, ville være muligt uden holdet af superstjerner, vi har bygget.

Bilreparation er en af de største, men mindst moderniserede industrier i USA. Da du først startede med at bygge Revv, hvilken modstand eller skepsis mødte du, og hvordan overvandt du det?

Modstanden i starten var en kæmpe udfordring, fordi værksteder havde gjort tingene på samme måde i over 40 år, og forandring er ubehageligt. Men her er, hvad der virkede: Jeg præsenterede dem ikke bare for software, jeg forpligtede mig til at forstå hvert enkelt smertepunkt. Jeg uddelte visitkort med mit telefonnummer og sagde: “Hvis du har et problem, ring til mig.” Og de gjorde. Jeg tilbragte år med at bygge den database af tillid og viden.

Gennembruddet var at vise dem, at vi ikke bad dem om at erstatte deres systemer eller ændre, hvordan de arbejdede. Vi byggede Revv til at integrere direkte i deres eksisterende software og arbejdsgange, køre i baggrunden og levere, hvad de havde brug for, uden at forstyrre deres nuværende processer. Når værksteder så, at vi faktisk forstod deres verden og gjorde deres job lettere, ikke sværere, begyndte skepsissen at forsvinde.

Revv positionerer sig selv som et operativsystem for software-definerede køretøjer snarere end en enkelt løsning. Hvad betyder det i praktisk forstand for kalibreringsværksteder og reparationssnetværk?

Det betyder, at vi ikke bare løser ét problem, vi bliver infrastrukturen, der driver deres hele ADAS-arbejdsgang. En bil kommer ind i bås, Revv forbinder til deres eksisterende værktøjer, henter data direkte fra fabrikanten og leverer en komplet pakke til teknikerne på få sekunder. Det giver dem trin-for-trin reparationsskemaer, hver påkrævet kalibrering, original fabrikantdokumentation og forsikringsklar rapport klar til indsendelse til forsikringsselskaber.

Vi udvikler os fra et system af registrering til et af handling, ikke kun fortæller dem, hvad der skal gøres, men også håndterer den administrative arbejde for dem. Inden 2025 er over 74% af vores brugere ved at antage vores nye produkter, fordi de ser os som den eneste platform, der håndterer deres hele ADAS-drift fra ende til anden. Dette stemmer overens med, hvad vi ser industrien i bredere forstand. Vores seneste ADAS Benchmark-undersøgelse af 300 autobody-professionelle fandt, at interne kalibreringer forventes at stige fra 57% til 64% over de næste to år.

Biler er nu rullende computere pakket med sensorer, kameralinser og softwareafhængigheder. Hvor kæmper menneskelige teknikerne mest i dag, og hvordan støtter AI meningsfuldt deres beslutningstagning uden at tage kontrolen fra dem?

Teknikerne kæmper mest med den administrative byrde, der nu følger med moderne reparationer. Fra kalibrering af sensorer til at spore fabrikantmanualer og samle forsikringsklare rapporter, skal hver enkelt skridt forskes, dokumenteres og godkendes, hvilket omdanner en hånd-til-hånd-jobs til en job fyldt med papirarbejde. Hver estimat har 100-200 linjeemner, og hver enkelt har en rippleffekt. Tilbage i 2023 krævede den gennemsnitlige reparation to til tre kalibreringer. Nu er det over fem. Teknikerne bruger tre til fire timer på bare at dokumentere arbejdet og jagte procedurer, men med Revv og AI, falder processen til tre til fem minutter.

Revv’s AI-behandling af al denne kompleksitet i baggrunden forbinder direkte til fabrikantdata, identificerer hver påkrævet kalibrering og leverer trin-for-trin-instruktioner. Vi har behandlet over 300.000 reparationer, og over 5.000 kunder bruger nu platformen. For dokumentation kan teknikerne indsende fotos, og Revv genererer hele den forsikringsklare rapport automatisk. Vores platform markerer potentielle oversete skridt og automatiserer det repetitive arbejde, men teknikerne forbliver i fuld kontrol og træffer beslutningen uden den administrative byrde.

Revv’s modeller er trænet på hundredtusinder af rigtige reparationsevents. Hvordan sikrer du datakvalitet, nøjagtighed og overholdelse, når AI-anbefalinger er direkte knyttet til sikkerheds-kritiske resultater?

For os begynder datakvalitet og nøjagtighed med at grundlægge AI i virkelige reparationserfaringer, med vores modeller bygget direkte på indsigt fra erfarne teknikerne på tværs af multiple regioner og køretøjsarter.

Vi bygger også ind i kontinuerlige feedback-løkker, så teknikerne kan validere AI-anbefalinger i realtid. Hver kalibrering og procedur er kontrolleret mod de præcise OEM-manualer og tekniske dokumentationer for et bestemt køretøj. Med en database på over 300.000 reparationer fra to lande lærer og forbedrer vores platform kontinuerligt, mens teknikerne forbliver i kontrol hele vejen igennem.

Revv fungerer på tværs af kalibratorer, reparationssnetværk, forsikringsselskaber og OEM-systemer. Hvordan designer du en AI-platform, der skaber tillid og værdi på tværs af interessenter med meget forskellige incitamenter?

Vi ser på Revv som det forbinderende væv mellem teknikerne, forsikringsselskaberne og kunderne, så vi arbejder på at møde alle deres kollektive behov.

For teknikerne sparer vi timer af administrativt arbejde, mens vi hjælper dem med at fange oversete indtægter ved at identificere kalibreringer, der ellers ville være gået ubemærket hen. Forsikringsselskaberne får hurtigere godkendelser, præcis dokumentation og færre uoverensstemmelser. Kunderne får deres biler tilbage sikrere og hurtigere, fordi vi sikrer, at hver påkrævet kalibrering faktisk er udført.

Da køretøjer fortsætter med at udvikle sig til fuldt software-definerede platforme, hvad ser succes ud til for Revv tre år fra nu, og hvilke funktioner skal reparationssinfrastrukturen udvikle for at følge med?

For at følge med skal værkstederne have interne kompetencer, en pipeline af næste generations teknisk talent og et stærkt samarbejdsnetværk for at sikre, at hver reparation er præcis og effektiv. Inden 2029 vil reglerne kræve, at alle nye bilmodeller har nødbremsning, og værksteder begynder at se, hvor meget værdi interne kalibreringer bringer til deres forretninger. I vores seneste undersøgelse, siger 74% af autobody-professionelle nu, at ADAS er en profitgenerator, og 60% betragter vækst i ADAS-indtægter som “meget vigtigt” eller “ekstremt vigtigt”.

Hvad vi allerede ser, er, at ADAS-kalibrering bliver sin egen kategori, med nye specialister, der dukker op hver måned, og reel forretningsmomentum bygges op omkring det. Da vi ser fremad, ser vi Revv som rygmarven for dette hele økosystem. Det betyder, at platformen bliver standarden på tværs af kollisionsværksteder, giver teknikerne, forsikringsselskaberne og kunderne ét samlet system til at håndtere og levere sikre, overholdelsesfulde kalibreringer i stor målestok. Vi bygger infrastrukturen, der definerer, hvordan software-drevne køretøjer reparerer, og ultimativt sætter vi standarden, der vil forme industriens fremtid.

For grundlæggere, der bringer AI ind i dybt rodende, traditionelt analoge industrier, hvilke almindelige fejl ser du, og hvilke antagelser havde du personligt at aflede, mens du skalerede Revv?

Noget, jeg lærte tidligt, var at skære igennem støjen og fokusere på problemet først, ikke løsningen. Det er let at blive fanget i buzzet og begynde at bygge noget imponerende, men det ender ofte med, at løsningen søger et problem.

Hvad der betyder noget, er at finde problemet, som kunderne faktisk oplever hver dag. Antagelsen, jeg havde at aflede, var, at bedre teknologi alene ville vinde. Jeg undervurderede, hvor meget arbejdsgange er rodnet i denne industri. Da vi startede Revv i 2022, tilbragte jeg tid i værksteder med teknikerne for at se deres arbejdsgange tæt på og forstå, hvad der holdt dem tilbage. Dette lærte mig, at rigtig forandring kommer ikke fra at implementere imponerende teknologi eller overbevise værksteder om at antage en ny måde at gøre tingene på. Det kommer fra at indlejre din løsning så uhindret i deres eksisterende arbejdsgang, at de ikke behøver at ændre noget. Du beder dem ikke om at ændre, du gør deres nuværende måde bedre.