Adi Bathla, CEO dan Pendiri Revv – Seri Wawancara

Adi Bathla, CEO dan pendiri Revv, adalah operator yang berfokus pada produk dan pemimpin inovasi yang berbasis di New York yang telah membangun karirnya di persimpangan teknologi, pemikiran sistem, dan skala. Sebelum mendirikan Revv, ia memimpin inisiatif produk dan pengalaman pelanggan digital di perusahaan perdagangan dengan pertumbuhan tinggi, membantu meluncurkan jalur bisnis baru dalam platform perusahaan besar, melakukan penelitian tentang kecerdasan buatan dan kecerdasan kolektif di MIT Sloan, dan lebih awal dalam karirnya memimpin tim desain sistem ruang angkasa yang memenangkan penghargaan yang terhubung dengan program penelitian NASA.

Revv adalah platform perbaikan otomotif yang ditenagai AI yang berfokus pada menyederhanakan kalibrasi dan diagnostik ADAS untuk bengkel perbaikan tabrakan dan mesin. Dengan menggabungkan dokumentasi kelas OEM, alur kerja cerdas, dan integrasi dalam dengan sistem toko dan estimasi yang ada, Revv membantu pusat perbaikan mengurangi penelitian manual, meningkatkan kepatuhan dan keselamatan, dan mengubah persyaratan kalibrasi yang semakin kompleks menjadi operasi yang skalabel dan didorong oleh data. Ketika kendaraan menjadi lebih didefinisikan oleh perangkat lunak, Revv memposisikan diri sebagai infrastruktur inti untuk alur kerja perbaikan modern di seluruh Amerika Utara.

Paparan awal Anda terhadap industri perbaikan otomotif jelas membentuk jalur Anda. Bisakah Anda berbagi momen spesifik dari waktu itu yang membuat Anda menyadari ruang ini membutuhkan solusi yang didorong oleh AI?

Ada satu panggilan telepon yang benar-benar mengubah pandangan saya tentang industri ini. Seorang pemilik bengkel menelepon saya dalam kepanikan: dia telah memperbaiki mobil, tetapi sistem perubahan lajur gagal setelah itu, dan dia takut dituntut. Momen itu membuat saya melihat lebih dalam ke sistem ADAS, dan saya menyadari bahwa kompleksitas yang tidak terlihat ini adalah masalah besar yang toko tidak bisa selesaikan sendiri. Karena perbaikan ADAS tidak jelas seperti lekukan atau goresan, mudah bagi mereka untuk tidak terdeteksi. Teknisi menghabiskan 3-4 jam hanya untuk mendokumentasikan pekerjaan dan mencari prosedur perbaikan, seperti mereka mencari jarum di tumpukan jerami. Itulah saat saya tahu AI bisa memotong semua kebisingan itu dan memberi teknisi tepat apa yang mereka butuhkan dalam hitungan detik, bukan jam.

Waktu Anda bekerja pada penelitian kecerdasan buatan dan kecerdasan kolektif di MIT dan pekerjaan sistem-level sebelumnya di NASA memaparkan Anda pada lingkungan yang kompleks dan kritis. Bagaimana pengalaman tersebut secara langsung mempengaruhi keputusan Anda untuk mendirikan Revv dan fokus pada kalibrasi kendaraan sebagai masalah perangkat lunak?

Pengalaman saya di NASA dan MIT mengajarkan saya bahwa untuk membangun dan menjadi seorang wirausaha yang sukses, Anda hanya perlu belajar dengan cepat dan dikelilingi oleh ahli yang tepat. Mentalitas ini memberi saya kepercayaan diri untuk memasuki industri yang saya ketahui sangat sedikit dan menantang cara tradisional melakukan hal-hal.

Ketika saya mulai menghabiskan waktu di bengkel, saya melihat teknisi tenggelam dalam manual, mencoba mengkalibrasi sensor yang mengontrol apakah mobil dapat pengereman dengan benar atau tetap di jalurnya. Itu mengingatkan saya pada lingkungan kritis yang saya hadapi di NASA, di mana presisi adalah kunci. Ini adalah teknologi penyelamat hidup, tetapi toko mengelolanya dengan prosedur kertas dan sistem kuno. Saya dengan cepat menyadari bahwa ini adalah masalah perangkat lunak yang menyamar sebagai masalah mekanis. Mobil telah menjadi komputer di roda, tetapi infrastruktur untuk melayaninya belum menyusul. Itu membawa saya kembali ke mentalitas wirausaha yang saya kembangkan di MIT dan NASA, dan itulah bagaimana kami membangun Revv: menggabungkan perspektif orang luar yang segar dengan keahlian mendalam dari teknisi yang sebenarnya melakukan pekerjaan.

Sebelum Revv, Anda memimpin inisiatif produk dan inovasi di Jet dan Walmart dengan skala besar. Apa pelajaran dari membangun produk 0→1 di perdagangan yang paling jelas membawa ketika merancang perangkat lunak untuk ekosistem perbaikan otomotif?

Pelajaran terbesar yang saya pelajari dari waktu saya di Walmart adalah tentang memenuhi pengguna di mana mereka berada, bukan di mana Anda ingin mereka berada. Saya membangun untuk pemasok dan produsen yang tidak terampil teknologi dan telah melakukan hal-hal dengan cara yang sama selama dekade. Anda tidak bisa meminta mereka untuk menggantikan seluruh sistem mereka. Sebaliknya, Anda membenamkan keahlian Anda ke dalam alur kerja yang ada sehingga mereka tidak perlu mengangkat jari di luar apa yang sudah mereka lakukan.

Itu menjadi tesis Revv seluruhnya. Kami mengintegrasikan dengan alat dan perangkat lunak toko yang ada, berjalan di latar belakang, dan memberikan wawasan tanpa mengganggu apa yang sudah menjadi ingatan otot bagi mereka. Tetapi saya juga membawa apa yang saya pelajari di Jet tentang bakat: pemain A+ membawa pemain A+, dan Anda perlu obsesif membangun tim yang tepat dari hari pertama. Saya melekatkan ini sebagai praktik perekrutan kami di Revv, karena tidak satu pun dari pekerjaan yang kami lakukan akan mungkin tanpa tim all-star yang kami bangun.

Perbaikan otomotif adalah salah satu industri terbesar namun paling tidak dimodernisasi di AS. Ketika Anda pertama kali membangun Revv, apa resistensi atau skeptisisme yang Anda temui, dan bagaimana Anda mengatasi hal itu?

Resistensi pada awalnya adalah tantangan besar karena toko telah melakukan hal-hal dengan cara yang sama selama lebih dari 40 tahun, dan perubahan tidak nyaman. Tetapi inilah yang berhasil: Saya tidak hanya mempromosikan perangkat lunak kepada mereka, saya berkomitmen untuk memahami setiap titik nyeri. Saya membagikan kartu dengan nomor telepon saya dan mengatakan, “jika Anda memiliki masalah, hubungi saya.” Dan mereka melakukannya. Saya menghabiskan tahun-tahun membangun basis data kepercayaan dan pengetahuan itu.

Pemecahan masalahnya adalah menunjukkan kepada mereka bahwa kami tidak meminta mereka untuk menggantikan sistem mereka atau mengubah cara mereka bekerja. Kami membangun Revv untuk mengintegrasikan langsung ke dalam perangkat lunak dan alur kerja yang ada, berjalan di latar belakang dan memberikan apa yang mereka butuhkan tanpa mengganggu proses mereka saat ini. Sekali toko melihat bahwa kami benar-benar memahami dunia mereka dan membuat pekerjaan mereka lebih mudah, bukan lebih sulit, skeptisisme mulai memudar.

Revv memposisikan diri sebagai sistem operasi untuk kendaraan yang didefinisikan oleh perangkat lunak daripada solusi titik tunggal. Apa artinya menjadi sistem operasi dalam istilah praktis untuk toko kalibrasi dan jaringan perbaikan?

Itu berarti kami tidak hanya memecahkan satu masalah, kami menjadi infrastruktur yang memungkinkan seluruh alur kerja ADAS mereka. Mobil datang ke bengkel, Revv terhubung ke alat yang ada, menarik data langsung dari produsen, dan memberikan paket lengkap kepada teknisi dalam hitungan detik. Ini memberi mereka instruksi perbaikan langkah demi langkah, setiap kalibrasi yang diperlukan, dokumentasi asli produsen, dan paket klaim siap untuk dikirim ke asuransi.

Kami berkembang dari sistem catatan menjadi sistem tindakan, tidak hanya mengatakan kepada mereka apa yang perlu dilakukan, tetapi menangani pekerjaan administratif untuk mereka. Dengan 2025, lebih dari 74% pengguna kami mengadopsi produk baru kami karena mereka melihat kami sebagai platform tunggal yang menangani seluruh operasi ADAS mereka dari ujung ke ujung. Ini sejalan dengan apa yang kami lihat secara industri. Survei ADAS Benchmark kami dari 300 profesional autobody menemukan bahwa kalibrasi dalam rumah diperkirakan tumbuh dari 57% menjadi 64% dalam dua tahun ke depan.

Mobil sekarang adalah komputer yang bergulir yang dipenuhi dengan sensor, kamera, dan ketergantungan perangkat lunak. Di mana teknisi manusia bergelut paling sulit hari ini, dan bagaimana AI mendukung keputusan mereka dengan cara yang bermakna tanpa mengambil kendali dari mereka?

Teknisi bergelut paling sulit dengan beban administratif yang sekarang datang dengan perbaikan modern. Dari mengkalibrasi sensor hingga melacak manual produsen dan mengumpulkan laporan yang siap untuk asuransi, setiap langkah harus diteliti, didokumentasikan, dan disetujui, mengubah pekerjaan tangan menjadi pekerjaan yang dipenuhi dengan kertas kerja. Setiap perkiraan memiliki 100-200 item baris, dan setiap item memiliki efek riak. Kembali pada 2023, perbaikan rata-rata memerlukan dua hingga tiga kalibrasi. Sekarang itu lebih dari lima. Teknisi menghabiskan tiga hingga empat jam hanya untuk mendokumentasikan pekerjaan dan berburu prosedur, tetapi dengan Revv dan AI, proses itu turun menjadi tiga hingga lima menit.

Revv’s AI memproses semua kompleksitas itu di latar belakang, terhubung langsung ke data produsen, mengidentifikasi setiap kalibrasi yang diperlukan, dan memberikan instruksi langkah demi langkah. Kami telah memproses lebih dari 300.000 perbaikan, dengan lebih dari 5.000 pelanggan sekarang menggunakan platform ini. Untuk dokumentasi, teknisi dapat mengirimkan foto dan Revv akan menghasilkan laporan lengkap yang siap untuk asuransi secara otomatis. Platform kami menandai langkah yang terlewat dan mengotomatisasi pekerjaan berulang, tetapi teknisi tetap dalam kontrol penuh membuat keputusan tanpa beban administratif.

Model Revv dilatih pada ratusan ribu peristiwa perbaikan nyata. Bagaimana Anda memastikan kualitas data, akurasi, dan kepatuhan ketika rekomendasi AI terkait langsung dengan hasil yang kritis?

Bagi kami, kualitas data dan akurasi dimulai dengan membangun AI di pengalaman perbaikan dunia nyata, dengan model kami dibangun langsung pada wawasan dari teknisi berpengalaman di seluruh wilayah dan jenis kendaraan.

Kami juga membangun loop umpan balik terus-menerus, sehingga teknisi dapat memvalidasi rekomendasi AI secara waktu nyata. Setiap kalibrasi dan prosedur diperiksa silang dengan manual kelas OEM dan dokumentasi teknis untuk kendaraan tertentu. Dengan basis data lebih dari 300.000 perbaikan dari dua negara, platform kami terus belajar dan meningkatkan, sementara teknisi tetap dalam kontrol sepanjang proses.

Revv bekerja di seluruh kalibrator, jaringan perbaikan, asuransi, dan sistem OEM. Bagaimana Anda merancang platform AI yang menciptakan kepercayaan dan nilai di seluruh pemangku kepentingan dengan insentif yang sangat berbeda?

Kami memikirkan Revv sebagai jaringan antara teknisi, asuransi, dan konsumen, sehingga kami bekerja untuk memenuhi kebutuhan mereka secara kolektif.

Bagi teknisi, kami menyelamatkan jam-jam waktu admin sambil membantu mereka menangkap pendapatan yang terlewat dengan mengidentifikasi kalibrasi yang akan terlewat. Asuransi mendapatkan persetujuan yang lebih cepat, dokumentasi yang akurat, dan perselisihan yang lebih sedikit. Konsumen mendapatkan mobil mereka kembali lebih aman dan lebih cepat karena kami memastikan setiap kalibrasi yang diperlukan benar-benar selesai.

Seiring kendaraan terus berkembang menjadi platform yang sepenuhnya didefinisikan oleh perangkat lunak, apa yang terlihat seperti kesuksesan untuk Revv tiga tahun dari sekarang, dan apa kemampuan yang dibutuhkan infrastruktur perbaikan untuk dikembangkan untuk tetap kompetitif?

Untuk tetap kompetitif, toko akan membutuhkan kemampuan dalam rumah, pipa bakat teknis generasi berikutnya, dan jaringan kolaborasi yang kuat untuk memastikan bahwa setiap perbaikan akurat dan efisien. Dengan 2029, regulasi akan mengharuskan semua model mobil baru memiliki pengereman darurat, dan toko mulai melihat seberapa besar nilai melakukan kalibrasi dalam rumah membawa ke bisnis mereka. Dalam survei kami, 74% profesional autobody sekarang melaporkan ADAS sebagai generator keuntungan, dengan 60% menganggap pertumbuhan pendapatan ADAS ‘sangat penting’.

Apa yang kami lihat sekarang adalah kalibrasi ADAS menjadi kategori mereka sendiri, dengan spesialis baru muncul setiap bulan dan momentum bisnis nyata yang dibangun di sekitarnya. Ketika kami melihat ke depan, kami melihat Revv berfungsi sebagai tulang punggung dari seluruh ekosistem ini. Itu berarti platform menjadi standar di seluruh toko tabrakan, memberi teknisi, asuransi, dan pelanggan satu sistem terpadu untuk mengelola dan memberikan kalibrasi yang aman, patuh, dan skalabel. Kami membangun infrastruktur yang menentukan bagaimana kendaraan yang didorong oleh perangkat lunak diperbaiki, dan pada akhirnya, kami menetapkan standar yang akan membentuk masa depan industri.

Bagi pendiri yang membawa AI ke industri yang sangat tertanam, tradisional, dan analog, apa kesalahan umum yang Anda lihat, dan apa asumsi yang Anda sendiri harus hapuskan saat menskala Revv?

Sesuatu yang saya pelajari awal adalah untuk memotong kebisingan dan fokus pada masalahnya terlebih dahulu, bukan solusinya. Ini mudah untuk terjebak dalam kehebohan dan mulai membangun sesuatu yang mengesankan, tetapi itu sering berubah menjadi solusi yang mencari masalah.

Apa yang penting adalah menemukan masalah yang pelanggan sebenarnya alami setiap hari. Asumsi yang saya harus hapuskan adalah berpikir bahwa teknologi yang lebih baik saja akan menang. Saya meremehkan betapa kuatnya alur kerja yang telah tertanam dalam industri ini. Ketika kami memulai Revv pada 2022, saya menghabiskan waktu di toko dengan teknisi untuk melihat alur kerja mereka dari dekat dan memahami apa yang menghambat mereka. Ini mengajarkan saya bahwa perubahan nyata datang tidak dari mengimplementasikan teknologi yang canggih atau meyakinkan toko untuk mengadopsi cara baru melakukan hal-hal. Itu datang dari membenamkan solusi Anda sehingga masuk ke dalam alur kerja yang ada sehingga mereka tidak perlu mengubah apa pun. Anda tidak meminta mereka untuk berubah, Anda membuat cara mereka saat ini lebih baik.