Vaidy Raghavan, Chief Product & Technology Officer, Xometry – Intervieuserie

Vaidy Raghavan, Chief Product & Technology Officer, Xometry, er en erfaren global teknologiuddannet og ingeniør, der leder virksomhedens produkt- og teknologistrategi med fokus på at skabe AI-drevne markedskapaciteter, der forbinder virksomhedsforbrugere med leverandører af fremstillingsvarer. Han har dyb ekspertise inden for AI, supply chain management, SaaS og dataanalyse, og har tidligere haft ledende stillinger i virksomheder som Wayfair, Microsoft (MSFT ) og Groupon, hvor han udviklede store digitale platforme og markedsteknologier. Hos Xometry er han ansvarlig for at omdanne komplekse fremstillingsprocesser til intelligente, data-drevne systemer, der forbedrer effektiviteten, robustheden og den globale forsyningskædes tilknytning.

Xometry er et AI-drevet digitalt marked, der muliggør, at virksomheder kan bestille tilpassede fremstillingsdele på krav ved at forbinde forbrugere med et globalt netværk af godkendte leverandører over flere produktionsmetoder, herunder CNC-bearbejdning, 3D-printning og sprøjtestøbning. Grundlagt i 2013 og med hovedsæde i North Bethesda, Maryland, udnytter virksomheden maskinlæring til at give øjeblikkelige priser, leveringstidsestimeringer og leverandørmatchning baseret på uploadede designfiler, hvilket strømliner den traditionelt komplekse indkøbsproces. Med tusindvis af leverandører og titusindvis af forbrugere verden over spiller Xometry en central rol i at modernisere fremstillingen ved at digitalisere forsyningskæder og muliggøre mere agile, distribueret produktion i stor målestok.

Du har haft en utrolig rejse gennem Microsoft, Groupon og Wayfair. Hvad var tidlige erfaringer – personlige eller professionelle – der formede din interesse for teknologi, og hvordan førte det dig til Xometry og verden af AI-drevet fremstilling?

Min interesse for teknologi startede tidligt i min karriere. Jeg har altid været motiveret af svære udfordringer og muligheden for at bygge løsninger, der faktisk flytter noget i den virkelige verden.

I de hurtigt udviklende brancher, hvor jeg har tilbragt min karriere, skal man finde en balance mellem at bevæge sig hurtigt for at bringe en idé til live og samtidig bygge holdbare og effektive systemer. Fremstilling udgør et godt eksempel på dette. Det er en dybt fysisk og dybt analog branche, men det driver også nogle af vores mest innovative systemer. Xometry befinder sig på skæringen af alt dette, hvor vi omdanner en traditionelt analog branche til noget moderne med rigtig disciplin og klarhed om, hvor vi er på vej hen. For mig er det en sjælden sammenligning af tid og formål, og det er præcis den type udfordring, jeg har bygget hen imod hele min karriere.

Du har beskrevet fremstilling som den sidste “analoge fæstning”. Hvad er nogle af de største udfordringer, AI løser i fremstilling lige nu?

Jeg beskriver fremstilling som den sidste “analoge fæstning” på grund af dens strukturelle kompleksitet, da fremstillingslivscyklussen er lang og fuld af mange overdragelser. For eksempel arbejder design- og produktionsingeniører sammen med indkøb, sourcing, kvalitet, logistik, efterfølgende samling og finansielle afregninger over forsyningskæden, hvor hvert trin introducerer nye risici og potentielle forsinkelser.

Hovedudfordringen er friktion. På hvert punkt i fremstillingskæden er der forskellige formater, systemer og undertiden endda forskellige måleenheder. Idéer passerer gennem overdragelse efter overdragelse, hvor hver enkelt kan blive et potentiel fejlpunkt. Historisk set har den eneste måde at håndtere denne risiko på været manuel menneskelig gennemgang.

AI skaber mest værdi lige nu ved at bekæmpe denne friktion. Det fungerer som en koordinator i det fragmenterede system: det opdager afvigelser, matcher dele med de rette leverandører og dynamisk modellerer omkostninger og leveringstider. Det bruger historiske produktionsdata til at forudsige, hvor problemer kan opstå, og markerer dem hurtigt, før tid og materialer bliver spildt.

Leverandører får en klarere hensigt og færre overraskelser, hvilket betyder, at vi kan bygge tillid med vores netværk og hjælpe fremstillingsvirksomheder med at producere de varer, vi har brug for.

På hvilke måder har Xometry bygget tillid med leverandører og forbrugere til at adoptere AI-drevne arbejdsprocesser?

I fremstilling er tillid svær at opnå, da indsatsen er høj, resultaterne er uafvendelige, og forkert materiale, missede deadlines eller kvalitetsfejl kan bidrage til økonomiske tab for en virksomhed. Derfor tjener Xometry tillid ved at levere pålidelighed og klarhed.

Leverandører og forbrugere forlader sig på Xometry til hastighed og gennemsigtighed. De ved, at når de uploader en CAD-fil, vil vores AI hurtigt analysere dele og generere estimeringer om priser og potentielle risici. Forudsigelser er baseret på reelle produktionsdata, hvilket yderligere bygger pålidelighed og gennemsigtighed. Priser afspejler reelle markedsvilkår, og leverandører modtager løbende indsigt i, hvordan de kan forbedre deres ydelse og udvikle deres forretning på platformen. Systemet udfører også uafhængige kontroller for at fange afvigelser. Når noget ikke stemmer overens, bringer vi det frem tidligt og holder holdene konstant informeret.

Hvordan oversætter generativ AI produktidéer til byggbare dele – og hvilken indvirkning har det på udviklingstider?

Fremstilling har altid kæmpet med afstanden mellem hensigt og bygbarhed. Tidlige produktidéer er ofte ufuldstændige, og oversættelsen af dem til fremstillingsdesign kræver mange overdragelser. Denne proces er langsom og ofte udsat for omgørelser, hvilket skaber forsinkelser eller mangel.

Generativ AI komprimerer denne løkke. I praksis oversætter det delvist strukturerede input til fremstillingsfunktioner. Det kan bringe frem potentielle risici, foreslå materialer og processer og markere begrænsninger tidligt. AI reducerer den friktion, der typisk langsommeliggør produktionen, og reducerer udviklingstiderne med færre iterationer og færre forkert materiale eller komponenter.

Hvordan sikrer du, at kvalitet og kontrol forbliver høje, når processer bliver mere autonome?

En nøgleprincip er at flytte kvalitetskontroller til den tidligste del af produktionsprocessen. AI kan analysere millioner af geometriske data for at hjælpe med at bestemme fremstillingsmulighed, omkostninger og den bedste leverandørmatch. Dette giver præcision og konsistens uden at skulle afhænge af menneskelig omhu alene, som længe har været den eneste forsvar for risici under kvalitetskontrolprocessen.

Det er dog stadig nødvendigt at have et menneske i løkken for disse forstærkede processer. Vi udruller AI for at identificere problemer og alternativer, når det er nødvendigt, men den endelige afgørelse for indgriben ligger hos menneskelige operatører, der har den erfaring, der kræves for at træffe disse beslutninger.

Vi ser dette især i mission-kritiske sektorer som luftfart og forsvar, hvor det at have et menneske i løkken er den eneste måde at tillade automation i stor målestok uden at ofre kvalitetskontrol.

Hvordan fungerer AI-drevet dynamisk prissætning hos Xometry, når der er variable fremstillingsomkostninger og komplekse forsyningskæder?

Fremstillingspriser er af natur variabel, da hver del er forskellig, og omkostningerne skifter konstant baseret på materialer, kapacitet, eksterne faktorer som told og andre begrænsninger. Statisk prissætningsmodeller holder ikke i denne omgang.

Hos Xometry er dynamisk prissætning et lærende system. Vores modeller er trænet på millioner af historiske tilbud og opdateres løbende med reelle produktionsresultater. Denne feedback-løkke holder priserne grundet i virkeligheden.

Når ingeniører uploader en CAD-fil, analyserer vores Instant Quoting Engine filen og kontrollerer den mod eksterne faktorer og begrænsninger, der påvirker priser for at identificere den bedste leverandør fra vores netværk af tusindvis af partnere.