Vaidy Raghavan, Chief Product & Technology Officer, Xometry – Interview Series

Vaidy Raghavan, Chief Product & Technology Officer, Xometry, adalah seorang eksekutif teknologi global dan insinyur yang mumpuni yang memimpin strategi produk dan teknologi perusahaan, dengan fokus pada penskalaan kemampuan pasar yang digerakkan AI yang menghubungkan pembeli perusahaan dengan pemasok manufaktur. Ia membawa keahlian mendalam di bidang AI, manajemen rantai pasok, SaaS, dan analitik data, setelah sebelumnya memegang peran kepemimpinan senior di perusahaan seperti Wayfair, Microsoft, dan Groupon, di mana ia mengembangkan platform digital dan teknologi pasar berskala besar. Di Xometry, ia bertanggung jawab untuk mengubah alur kerja manufaktur yang kompleks menjadi sistem cerdas yang digerakkan data yang meningkatkan efisiensi, ketahanan, dan konektivitas rantai pasok global.

Xometry adalah pasar digital bertenaga AI yang memungkinkan bisnis untuk mencari suku cadang yang diproduksi secara kustom sesuai permintaan dengan menghubungkan pembeli dengan jaringan global pemasok yang telah diverifikasi di berbagai metode produksi, termasuk pemesinan CNC, pencetakan 3D, dan cetak injeksi. Didirikan pada 2013 dan berkantor pusat di North Bethesda, Maryland, perusahaan ini memanfaatkan pembelajaran mesin untuk memberikan harga instan, perkiraan waktu tunggu, dan pencocokan pemasok berdasarkan file desain yang diunggah, merampingkan proses pengadaan yang secara tradisional kompleks. Dengan ribuan pemasok dan puluhan ribu pembeli di seluruh dunia, Xometry memainkan peran sentral dalam memodernisasi manufaktur dengan mendigitalkan rantai pasok dan memungkinkan produksi terdistribusi yang lebih tangkas dalam skala besar.

Anda telah menjalani perjalanan luar biasa di Microsoft, Groupon, dan Wayfair. Pengalaman awal apa—pribadi atau profesional—yang membentuk ketertarikan Anda pada teknologi, dan bagaimana hal itu akhirnya membawa Anda ke Xometry dan dunia manufaktur bertenaga AI?

Ketertarikan saya pada teknologi dimulai sejak awal karier. Saya selalu termotivasi oleh tantangan yang sulit dan kesempatan untuk membangun solusi yang benar-benar membuat perubahan di dunia nyata.

Di industri yang bergerak cepat tempat saya menghabiskan karier, Anda harus menyeimbangkan antara bergerak cepat untuk mewujudkan suatu ide sambil juga membangun sistem yang tahan lama dan efektif. Manufaktur adalah contoh yang baik. Ini adalah industri yang sangat fisik dan sangat analog, tetapi juga menggerakkan beberapa sistem paling inovatif kita.
Xometry berada di persimpangan semua itu di mana kami mengubah industri yang secara tradisional analog menjadi sesuatu yang modern dengan disiplin dan kejelasan yang nyata tentang ke mana kami akan melangkah selanjutnya. Bagi saya, ini adalah konvergensi langka antara waktu dan tujuan, dan ini persis jenis tantangan yang telah saya bangun menuju sepanjang karier saya.

Anda menggambarkan manufaktur sebagai “benteng analog” terakhir. Apa saja tantangan terbesar yang sedang dipecahkan oleh AI dalam manufaktur saat ini?

Saya menggambarkan manufaktur sebagai “benteng analog” terakhir karena kompleksitas strukturalnya mengingat siklus hidup manufaktur yang panjang dan penuh dengan banyak serah terima. Misalnya, selama manufaktur, pekerjaan desain dan rekayasa produksi berjalan berdampingan dengan pengadaan, pencarian sumber, kualitas, logistik, perakitan pasca-pengiriman, dan rekonsiliasi keuangan di seluruh rantai pasok, setiap tahap memperkenalkan risiko baru dan potensi penundaan.

Tantangan intinya adalah gesekan. Di setiap titik dalam rantai manufaktur, ada format, sistem, dan terkadang bahkan satuan pengukuran yang berbeda. Ide melewati serah terima demi serah terima, dengan masing-masing menjadi titik kegagalan potensial. Secara historis, satu-satunya cara untuk mengelola risiko itu adalah tinjauan manual oleh manusia.

AI sedang menciptakan nilai paling besar saat ini dalam melawan gesekan itu. Ia bertindak sebagai koordinator dalam sistem yang terfragmentasi itu: mendeteksi perbedaan, mencocokkan bagian dengan pemasok yang tepat, dan bahkan memodelkan biaya dan waktu tunggu secara dinamis. Ia menggunakan data produksi historis untuk memprediksi di mana masalah mungkin muncul, dan menandainya dengan cepat sebelum waktu dan bahan terbuang.

Pemasok mendapatkan maksud yang lebih jelas dan lebih sedikit kejutan, artinya kami dapat membangun kepercayaan dengan jaringan kami dan membantu produsen memproduksi barang yang kami butuhkan.

Dengan cara apa Xometry membangun kepercayaan dengan pemasok dan pembeli untuk mengadopsi alur kerja yang digerakkan AI?

Dalam manufaktur, kepercayaan sulit diperoleh mengingat taruhannya tinggi, hasilnya tidak dapat diubah dan material yang dibuang, tenggat waktu yang terlewat atau kegagalan kualitas dapat berkontribusi pada kerugian ekonomi bagi sebuah perusahaan. Itulah sebabnya di Xometry, kami mendapatkan kepercayaan dengan terus-menerus memberikan keandalan dan kejelasan.

Pemasok dan pembeli mengandalkan Xometry untuk kecepatan dan transparansi. Mereka tahu bahwa ketika mereka mengunggah file CAD, AI kami akan cepat menganalisis bagian-bagiannya dan menghasilkan perkiraan tentang harga dan risiko potensial. Prediksi didasarkan pada data produksi nyata, yang semakin membangun keandalan dan visibilitas itu. Harga mencerminkan kondisi pasar nyata, dan pemasok menerima wawasan berkelanjutan tentang cara meningkatkan kinerja dan mengembangkan bisnis mereka di platform. Sistem juga melakukan pemeriksaan independen untuk menangkap perbedaan. Ketika sesuatu tidak selaras, kami munculkannya lebih awal dan menjaga tim terus mendapat informasi.

Bagaimana sebenarnya AI generatif menerjemahkan ide produk menjadi bagian yang dapat dibangun — dan dampak apa yang dimilikinya pada garis waktu pengembangan?

Manufaktur selalu bergumul dengan kesenjangan antara maksud dan kemampuan untuk dibangun. Ide produk awal seringkali tidak lengkap, dan menerjemahkannya menjadi desain yang dapat diproduksi memerlukan banyak serah terima. Proses itu lambat dan sering rentan terhadap pengerjaan ulang, yang menciptakan penundaan atau kekurangan.

AI generatif memampatkan lingkaran itu. Dalam praktiknya, ia menerjemahkan input yang terstruktur sebagian menjadi fitur yang dapat diproduksi. Ia dapat mengungkapkan risiko potensial, menyarankan bahan dan proses, dan menandai kendala lebih awal. AI mengurangi gesekan yang biasanya memperlambat produksi, memotong garis waktu pengembangan dengan lebih sedikit iterasi dan lebih sedikit bagian atau bahan yang terbuang.

Bagaimana Anda memastikan kualitas dan kontrol tetap tinggi ketika proses menjadi lebih otonom?

Satu prinsip kunci adalah menggeser pemeriksaan kualitas ke bagian paling awal dari proses produksi. AI dapat menganalisis jutaan titik data geometris untuk membantunya menentukan kelayakan manufaktur, biaya, dan kecocokan pemasok terbaik. Ini memberikan presisi dan konsistensi tanpa harus mengandalkan ketelitian manusia saja, yang telah lama menjadi satu-satunya pertahanan untuk risiko selama proses kontrol kualitas.

Meski demikian, menjaga manusia dalam lingkaran masih diperlukan untuk proses yang ditingkatkan ini. Kami menggunakan AI untuk mengidentifikasi masalah dan alternatif ketika diperlukan, tetapi keputusan akhir untuk intervensi berada pada operator manusia yang memiliki pengalaman untuk membuat keputusan tersebut.

Kami melihat ini terutama di sektor-sektor penting seperti kedirgantaraan dan pertahanan di mana memiliki manusia-dalam-lingkaran adalah satu-satunya cara untuk memungkinkan otomatisasi dalam skala besar tanpa mengorbankan kontrol kualitas.

Bagaimana cara kerja penetapan harga dinamis yang digerakkan AI di Xometry, mengingat biaya manufaktur yang bervariasi dan kompleksitas rantai pasok?

Harga manufaktur pada dasarnya bervariasi karena setiap bagian berbeda, dan biaya terus berubah berdasarkan bahan, kapasitas, faktor eksternal seperti tarif, dan kendala lainnya. Model harga statis tidak bertahan di lingkungan itu.

Di Xometry, penetapan harga dinamis adalah sistem pembelajaran. Model kami dilatih pada jutaan penawaran historis dan terus diperbarui dengan hasil produksi nyata. Lingkaran umpan balik itu menjaga harga tetap berdasarkan realitas.

Ketika insinyur mengunggah file CAD, Mesin Penawaran Instan kami segera menganalisis file dan memeriksanya terhadap faktor eksternal dan kendala yang memengaruhi harga untuk mengidentifikasi produsen terbaik dari jaringan ribuan mitra kami.