Gaurav Bubna, Co-Fundador de NextBillion.ai – Serie de Entrevistas

Gaurav Bubna, es el Co-Fundador de NextBillion.ai una plataforma de mapas construida para empresas. Ha trabajado anteriormente con empresas como Grab, Ola y ZLemma (adquirida por Hired.com)

¿Qué te atrajo inicialmente a la informática y el aprendizaje automático?

Incluso cuando estaba en la escuela, siempre me sentí atraído por las matemáticas y los pequeños fragmentos de programación que podía hacer en ese momento. Así que cuando fui a la universidad, estudiar ciencias de la computación parecía una extensión natural. El aprendizaje automático ha sido más de un “gusto adquirido” a lo largo de los años. Me encantó la combinación de aspectos prácticos y del mundo real, como los grandes datos y la capacidad de aplicarlos a una variedad de aplicaciones del mundo real, así como los aspectos teóricos, como la teoría de la probabilidad, que siempre me ha parecido fascinante.

Antes de fundar nextbillion.ai, eras miembro fundador del equipo de productos de mapas de Grab, donde ayudaste a escalar el equipo de 10 miembros a 300+ en un período de ~2,5 años. ¿Cuáles fueron algunas de las lecciones clave que sacaste de esta experiencia?

Una lección clave que aprendí fue que, aunque cada país en el que operaba Grab era parte de “Sudeste Asiático”, en la práctica, eran todos muy diferentes. Las soluciones que realmente funcionaban se construyeron de una manera que podían adaptarse a cada negocio, cada país y, a veces, incluso a diferentes ciudades dentro del mismo país. La mayoría de los productos no se construyen de esta manera, y es muy difícil equilibrar la capacidad de escalar rápidamente, pero aún así construir productos que se adapten a cada caso de uso. Creo que este equilibrio es una lección clave que aprendí durante mi tiempo allí.

¿Puedes compartir la historia de la génesis detrás de NextBillion.ai?

Invertimos en soluciones de mapas que eran específicamente necesarias para Grab, pero no algo que los mapas centrados en el consumidor como Google estuvieran diseñados para respaldar. Con el tiempo, pudimos tener un impacto masivo para Grab, tanto en términos de economía de unidades para Grab, como en la conducción de una fuerte diferenciación competitiva. Y, mientras que Grab estaba en una posición afortunada para poder invertir tanto en sus mapas, la mayoría de las otras empresas no podrán hacerlo (porque no han recaudado tanto capital). Así que vimos una oportunidad de tomar algunos de nuestros conocimientos y construir una plataforma para empresas a nivel mundial.

NextBillion.ai es la primera plataforma de mapas descentralizada y personalizable para empresas del mundo. ¿Cuáles son algunos de los beneficios para las empresas al utilizar una plataforma descentralizada en comparación con opciones populares como Google Maps?

Para las empresas de transporte, logística y comercio electrónico, permitimos una mejor economía de unidades, un costo por entrega más bajo y una mejor utilización de activos. Dada la naturaleza de “talla única” de opciones como Google Maps, estos beneficios comerciales simplemente no son posibles. Para otras empresas de software B2B, a menudo no pueden atender a muchas necesidades de los clientes debido a estas limitaciones de “talla única”. Desbloqueamos más casos de uso, lo que permite más ingresos y oportunidades de crecimiento.

Google Maps tiene límites en la cantidad de API que se pueden utilizar, ¿cuáles son los límites con NextBillion.ai en comparación?

Este es un gran ejemplo de uno de nuestros diferenciadores. Ofrecemos modelos comerciales extremadamente flexibles a nuestros clientes, incluyendo paquetes de llamadas de API ILIMITADAS, soporte para hasta 20 veces más rendimiento y 5 veces menos latencia que las mejores alternativas disponibles.

¿Cómo utiliza el sistema el aprendizaje automático para monitorear la predicción de oferta y demanda a nivel de localidad?

Nuestras API se utilizan para habilitar un despacho mejor y más eficiente, cambios de precios más precisos, incluyendo precios de aumento, lo que a su vez tiene un impacto directo en el desequilibrio de oferta y demanda a niveles muy micro, como localidades.

Para los servicios de transporte compartido, ¿puedes discutir cómo el aprendizaje automático puede predecir el tráfico para proporcionar una mejor consistencia de tarifa y ganancias?

Los conductores en estas plataformas consideran el tiempo como dinero. Cada hora que pasan conduciendo, quieren alguna garantía de que ganarán $X al final de ella. En la práctica, debido a las predicciones de distancia y tiempo inexactas de las API de mapas, hay una fluctuación masiva en la cantidad de dinero que un conductor gana por unidad de tiempo invertido, en diferentes rutas, horas del día y días de la semana. Nuestro aprendizaje automático tiene en cuenta el comportamiento de conducción pasado, los patrones de tráfico en la ciudad y sugiere rutas y tráfico extremadamente precisos. Esto permite un precio muy preciso para nuestros clientes y, a su vez, ganancias mucho más predecibles para sus conductores.

¿Cuáles son algunos otros casos de uso cotidianos que NextBillion.ai habilita para las empresas?

Habilitamos una amplia gama de escenarios de entrega y comercio electrónico, como la entrega de comida, productos básicos y entregas de comercio electrónico. También habilitamos servicios de respuesta de emergencia, como ambulancias, para tener tiempos de llegada más rápidos, fuerzas policiales para habilitar patrullas eficientes para reducir las tasas de delincuencia y recogida de residuos eficiente. También alimentamos otros casos de uso detrás de escena que hacen posibles algunos de estos casos de uso cotidianos, por ejemplo, rutas de camiones que llevan sus pedidos de comercio electrónico al centro de cumplimiento más cercano.

¿Hay algo más que te gustaría compartir sobre NextBillion.ai?

Creemos que la mayoría de las empresas aún no reconocen que los mapas no son solo una cosa de tecnología genial, sino que también pueden impulsar cientos de millones de dólares en impacto comercial desde la misma base de suministro o activos. Parte de lo que esperamos lograr como empresa es avanzar en el estado de la industria en sí. Si en los próximos años podemos ayudar a muchas más empresas a reconocer el valor de los datos espaciales, incluso si no trabajan directamente con nosotros, consideraríamos que nuestra misión está parcialmente cumplida.

Gracias por la gran entrevista, los lectores que deseen obtener más información deben visitar NextBillion.ai.