Vaidy Raghavan, Chief Product & Technology Officer, Xometry – Seri Wawancara

Vaidy Raghavan, Chief Product & Technology Officer, Xometry, adalah eksekutif teknologi global yang berpengalaman dan insinyur yang memimpin strategi produk dan teknologi perusahaan, dengan fokus pada pengembangan kemampuan marketplace yang didorong oleh AI yang menghubungkan pembeli perusahaan dengan pemasok manufaktur. Ia membawa keahlian yang mendalam di bidang AI, manajemen rantai pasokan, SaaS, dan analitik data, setelah sebelumnya menjabat sebagai pemimpin senior di perusahaan seperti Wayfair, Microsoft (MSFT ), dan Groupon, di mana ia mengembangkan platform digital dan teknologi marketplace skala besar. Di Xometry, ia bertanggung jawab untuk mengubah alur kerja manufaktur yang kompleks menjadi sistem yang cerdas dan didorong oleh data yang meningkatkan efisiensi, ketahanan, dan koneksi rantai pasokan global.

Xometry adalah marketplace digital yang didorong oleh AI yang memungkinkan bisnis untuk memasok bagian manufaktur kustom secara on-demand dengan menghubungkan pembeli dengan jaringan pemasok yang diverifikasi di seluruh metode produksi, termasuk CNC machining, 3D printing, dan injection molding. Didirikan pada tahun 2013 dan berkantor pusat di North Bethesda, Maryland, perusahaan ini menggunakan machine learning untuk menyediakan harga instan, perkiraan waktu pengiriman, dan pencocokan pemasok berdasarkan file desain yang diunggah, sehingga mempermudah proses pengadaan yang kompleks secara tradisional. Dengan ribuan pemasok dan puluhan ribu pembeli di seluruh dunia, Xometry memainkan peran penting dalam memodernisasi manufaktur dengan mendigitalkan rantai pasokan dan memungkinkan produksi yang lebih agile dan terdistribusi pada skala besar.

Anda telah memiliki perjalanan yang luar biasa di Microsoft, Groupon, dan Wayfair. Apa pengalaman awal—pribadi atau profesional—yang membentuk minat Anda dalam teknologi, dan bagaimana itu akhirnya membawa Anda ke Xometry dan dunia manufaktur yang didorong oleh AI?

Minat saya dalam teknologi dimulai awal di karir saya. Saya selalu termotivasi oleh tantangan yang sulit dan kesempatan untuk membangun solusi yang benar-benar berdampak pada dunia nyata.

Di industri yang cepat bergerak di mana saya telah menghabiskan karir saya, Anda harus menemukan keseimbangan antara bergerak cepat untuk mewujudkan ide dan membangun sistem yang tahan lama dan efektif. Manufaktur menggambarkan hal ini dengan baik. Ini adalah industri yang sangat fisik dan sangat analog, tetapi juga memungkinkan sistem inovatif kita. Xometry berada di persimpangan semua itu di mana kita mengubah industri analog tradisional menjadi sesuatu yang modern dengan disiplin yang sebenarnya dan kejelasan tentang ke mana kita akan pergi selanjutnya. Bagi saya, ini adalah konvergensi waktu dan tujuan yang langka, dan ini adalah tantangan yang saya telah bangun selama karir saya.

Anda telah menjelaskan manufaktur sebagai “benteng analog terakhir”. Apa beberapa tantangan terbesar yang AI pecahkan di manufaktur saat ini?

Saya menjelaskan manufaktur sebagai “benteng analog terakhir” karena kompleksitas strukturalnya yang diberikan oleh siklus hidup manufaktur yang panjang dan penuh dengan banyak pengalihan. Misalnya, selama manufaktur, desain dan rekayasa produksi bekerja bersama dengan pengadaan, sumber, kualitas, logistik, perakitan pasca-pengiriman, dan rekonsiliasi keuangan di seluruh rantai pasokan, setiap tahap memperkenalkan risiko dan potensi keterlambatan baru.

Tantangan utama adalah gesekan. Di setiap titik dalam rantai manufaktur, ada format yang berbeda, sistem, dan kadang-kadang bahkan satuan pengukuran yang berbeda. Ide-ide melewati pengalihan setelah pengalihan, dengan setiap satu menjadi titik kegagalan potensial. Secara historis, satu-satunya cara untuk mengelola risiko itu adalah dengan tinjauan manual manusia.

AI menciptakan nilai paling besar saat ini dalam melawan gesekan itu. Ini bertindak sebagai koordinator dalam sistem yang terfragmentasi: mendeteksi ketidaksesuaian, mencocokkan bagian dengan pemasok yang tepat, dan bahkan memodelkan dinamis biaya dan waktu pengiriman. Ini menggunakan data produksi historis untuk memprediksi di mana masalah mungkin timbul, dan memperingatkan dengan cepat sebelum waktu dan bahan terbuang.

Pemasok mendapatkan niat yang lebih jelas dan lebih sedikit kejutan, yang berarti kita dapat membangun kepercayaan dengan jaringan kita dan membantu produsen memproduksi barang yang kita butuhkan.

Bagaimana Xometry membangun kepercayaan dengan pemasok dan pembeli untuk mengadopsi alur kerja yang didorong oleh AI?

Di manufaktur, kepercayaan sulit untuk diperoleh karena taruhannya tinggi, hasilnya tidak dapat diubah, dan bahan yang terbuang, keterlambatan, atau kegagalan kualitas dapat menyebabkan kerugian ekonomi bagi perusahaan. Itulah mengapa di Xometry, kita memperoleh kepercayaan dengan terus-menerus menyediakan keandalan dan kejelasan.

Pemasok dan pembeli mengandalkan Xometry untuk kecepatan dan transparansi. Mereka tahu bahwa ketika mereka mengunggah file CAD, AI kita akan segera menganalisis bagian dan menghasilkan perkiraan tentang harga dan risiko potensial. Prediksi didasarkan pada data produksi yang sebenarnya, yang lebih lanjut membangun keandalan dan visibilitas itu. Harga mencerminkan kondisi pasar yang sebenarnya, dan pemasok menerima wawasan yang berkelanjutan tentang cara meningkatkan kinerja dan meningkatkan bisnis mereka di platform. Sistem juga melakukan pemeriksaan independen untuk menangkap ketidaksesuaian. Ketika sesuatu tidak sesuai, kita memperlihatkannya lebih awal dan terus-menerus memberi tahu tim.

Bagaimana AI generatif menerjemahkan ide produk menjadi bagian yang dapat dibangun — dan apa dampaknya terhadap timeline pengembangan?

Manufaktur selalu bergelut dengan kesenjangan antara niat dan kelayakan pembuatan. Ide produk awal sering tidak lengkap, dan menerjemahkannya menjadi desain yang dapat diproduksi memerlukan banyak pengalihan. Proses itu lambat dan sering rentan terhadap perubahan, yang menciptakan keterlambatan atau kekurangan.

AI generatif mengompresi loop itu. Dalam prakteknya, ini menerjemahkan input yang sebagian terstruktur menjadi fitur yang dapat diproduksi. Ini dapat memperlihatkan risiko potensial, menyarankan bahan dan proses, dan memperingatkan keterbatasan lebih awal. AI mengurangi gesekan yang biasanya memperlambat produksi, mengurangi timeline pengembangan dengan iterasi yang lebih sedikit dan 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 awal proses produksi. AI dapat menganalisis jutaan titik data geometris untuk membantu menentukan kelayakan manufaktur, biaya, dan pencocokan pemasok yang terbaik. Ini menyediakan presisi dan konsistensi tanpa harus bergantung pada ketekunan manusia saja, yang telah lama menjadi satu-satunya pertahanan terhadap risiko selama proses pengendalian kualitas.

Yang dikatakan, menjaga manusia dalam loop masih diperlukan untuk proses yang ditingkatkan ini. Kita menerapkan AI untuk mengidentifikasi masalah dan alternatif ketika diperlukan, tetapi keputusan akhir untuk intervensi berada di tangan operator manusia yang memiliki pengalaman untuk membuat keputusan itu.

Kita melihat ini terutama di sektor kritis seperti aerospace dan pertahanan di mana memiliki manusia dalam loop adalah satu-satunya cara untuk memungkinkan otomatisasi pada skala besar tanpa mengorbankan pengendalian kualitas.

Bagaimana harga dinamis yang didorong oleh AI bekerja di Xometry, mengingat biaya manufaktur yang bervariasi dan kompleksitas rantai pasokan?

Harga manufaktur secara inheren bervariasi karena setiap bagian berbeda, dan biaya berubah terus-menerus berdasarkan bahan, kapasitas, faktor eksternal seperti tarif, dan keterbatasan lainnya. Model harga statis tidak berlaku dalam lingkungan itu.

Di Xometry, harga dinamis adalah sistem pembelajaran. Model kita dilatih pada jutaan kutipan historis dan terus-menerus diperbarui dengan hasil produksi yang sebenarnya. Loop umpan balik itu menjaga harga tetap berdasarkan kenyataan.

Ketika insinyur mengunggah file CAD, Mesin Kutipan Instan kami segera menganalisis file dan memeriksainya terhadap faktor eksternal dan keterbatasan yang mempengaruhi harga untuk mengidentifikasi pemasok terbaik dari jaringan ribuan mitra kami.