Gaurav Bubna, Co-Fondatore di NextBillion.ai – Serie di Interviste

Gaurav Bubna, è il Co-Fondatore di NextBillion.ai una piattaforma di mapping costruita per le imprese. In precedenza ha lavorato con aziende come Grab, Ola e ZLemma (acquisita da Hired.com)

Cosa ti ha inizialmente attirato verso l’informatica e il machine learning?

Fin da quando ero a scuola, ero sempre stato attratto dalla matematica e da tutto ciò che potevo fare con la programmazione. Quindi, quando sono andato al college, studiare informatica sembrava una naturale estensione. Il machine learning è stato più un “gusto acquisito” nel corso degli anni. Mi piaceva la combinazione di aspetti pratici e reali, come i big data e la capacità di applicarli a una varietà di applicazioni reali, nonché gli aspetti teorici come la teoria della probabilità, che ho sempre trovato affascinante.

Prima di fondare nextbillion.ai eri un membro fondatore del team di prodotto Maps di Grab, dove hai aiutato a scalare il team da un team cross-funzionale di 10 membri a 300+ in un arco di tempo di ~2,5 anni. Quali sono stati alcuni dei principali insegnamenti che hai tratto da questa esperienza?

Una lezione chiave che ho imparato è che, mentre ogni paese in cui Grab operava faceva parte del “Sud-Est asiatico”, in pratica erano tutti così diversi. Le soluzioni che funzionavano veramente erano costruite in modo da poter essere personalizzate per ogni azienda, ogni paese e, a volte, persino per diverse città all’interno dello stesso paese. La maggior parte dei prodotti non è costruita in questo modo e è molto difficile bilanciare la capacità di scalare rapidamente, ma costruire prodotti personalizzati per ogni caso d’uso. Credo che questo equilibrio sia una lezione chiave che ho imparato dal mio tempo lì.

Puoi condividere la storia di come è nata NextBillion.ai?

Avevamo investito in soluzioni di mapping che erano specificamente necessarie per Grab, ma non erano qualcosa che le mappe centriche sui consumatori come Google (GOOGL ) fossero state costruite per supportare. Nel corso del tempo, siamo stati in grado di avere un impatto massiccio per Grab, sia in termini di unità economiche per Grab, che di forte differenziazione competitiva. E mentre Grab era in una posizione fortunata per poter investire così tanto nelle sue mappe, la maggior parte delle altre aziende non sarà in grado di farlo (perché non hanno raccolto così tanto capitale). Quindi, abbiamo visto un’opportunità per prendere alcune delle nostre conoscenze e costruire una piattaforma per le imprese a livello globale.

NextBillion.ai è la prima piattaforma di mapping decentralizzata e personalizzabile per le imprese. Quali sono alcuni dei vantaggi per le imprese di utilizzare una piattaforma decentralizzata rispetto a opzioni popolari come Google Maps?

Per le aziende di trasporto, logistica e e-commerce, abilitiamo una migliore economia di unità, un costo per consegna più basso e una migliore utilizzazione degli asset. Date le caratteristiche “una misura per tutti” di opzioni come Google Maps, questi guadagni aziendali semplicemente non sono possibili. Per altre aziende di software B2B, spesso non sono in grado di servire molte esigenze dei clienti a causa di queste limitazioni “una misura per tutti”. Noi sblocciamo più casi d’uso, abilitando più opportunità di entrate e crescita.

Google Maps ha limiti sul numero di API che possono essere utilizzate, quali sono i limiti con NextBillion.ai in confronto?

Questo è un ottimo esempio di uno dei nostri punti di forza. Offriamo modelli commerciali estremamente flessibili ai nostri clienti, inclusi pacchetti di chiamate API illimitate, supporto per fino a 20 volte più alto throughput e 5 volte minore latenza rispetto alle migliori alternative disponibili.

Come funziona il sistema per monitorare la previsione della domanda di offerta a livello di località?

I nostri API vengono utilizzati per abilitare una migliore e più efficiente gestione della flotta, cambi di prezzo più precisi, compresa la tariffazione di picco, che a sua volta ha un impatto diretto sullo squilibrio tra domanda e offerta a livelli molto micro, come le località.

Per i servizi di noleggio con conducente, potresti discutere come l’AI possa prevedere il traffico per fornire una migliore coerenza di tariffe e guadagni?

I conducenti su queste piattaforme considerano il tempo come denaro. Ogni ora che trascorrono guidando, vogliono alcune garanzie che guadagneranno $X alla fine di essa. In pratica, a causa di previsioni di tempo e distanza inaccurate da parte delle API di mapping, c’è una fluttuazione massiccia nella quantità di denaro che un conducente guadagna per unità di tempo trascorsa, attraverso diverse rotte, ore del giorno e giorni della settimana. La nostra AI tiene conto del comportamento di guida passato, dei modelli di traffico nella città e suggerisce rotte e traffico estremamente precisi. Ciò consente una tariffazione estremamente precisa per i nostri clienti e, a sua volta, guadagni molto più prevedibili per i loro conducenti.

Quali sono alcuni altri casi d’uso quotidiani che NextBillion.ai consente alle imprese?

Abilitiamo una vasta gamma di scenari di consegna e e-commerce, come la consegna di cibo, generi alimentari e consegne di e-commerce. Abilitiamo anche servizi di risposta di emergenza, come ambulanze per avere tempi di arrivo più rapidi, forze di polizia per abilitare pattugliamenti efficienti per ridurre i tassi di criminalità e raccolta di rifiuti efficiente. Abilitiamo anche altri casi d’uso dietro le quinte che rendono possibili alcuni di questi casi d’uso quotidiani – ad esempio, percorsi di camion che portano i vostri ordini di e-commerce al vostro hub di consegna più vicino.

C’è qualcos’altro che vorresti condividere su NextBillion.ai?

Crediamo che la maggior parte delle imprese non riconosca ancora che le mappe non sono solo una cosa tecnica cool, ma possono avere un impatto di centinaia di milioni di dollari sul business, partendo dalla stessa base di asset. Parte di ciò che speriamo di realizzare come azienda è avanzare lo stato dell’industria stessa. Se, nei prossimi anni, possiamo aiutare molte più imprese a riconoscere il valore dei dati spaziali, anche se non lavorano direttamente con noi, considereremmo la nostra missione in parte compiuta.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare NextBillion.ai.