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 aziende. Ha lavorato in precedenza con aziende come Grab, Ola e ZLemma (acquisita da Hired.com)

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

Anche quando ero a scuola, ero sempre stato attratto dalla matematica e da qualsiasi piccolo pezzo di programmazione che potevo fare all’epoca. Quindi, quando sono andato al college, studiare informatica sembrava una naturale estensione. Il machine learning è stato più di un “gusto acquisito” nel corso degli anni. Mi piaceva la combinazione di aspetti pratici e del mondo reale, come i big data e la capacità di applicarli a una varietà di applicazioni del mondo reale, così come 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 state alcune delle lezioni chiave 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 effettivamente erano costruite in modo da poter essere personalizzate per ogni azienda, ogni paese e, a volte, anche 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 della genesi dietro NextBillion.ai?

Abbiamo investito in soluzioni di mapping che erano specificamente necessarie per Grab, ma non erano qualcosa che le mappe centrate sul consumatore come Google fossero state costruite per supportare. Nel corso del tempo, siamo stati in grado di avere un impatto massiccio per Grab, sia in termini di economia unitaria 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 aziende a livello globale.

NextBillion.ai è la prima piattaforma di mapping decentralizzata e personalizzabile al mondo per le aziende. Quali sono alcuni dei vantaggi per le aziende 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 unitaria, un costo per consegna più basso e una migliore utilizzazione degli asset. Data la natura “una taglia 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 taglia per tutti”. Sblocciamo più casi d’uso, abilitando più entrate e opportunità di 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 una delle nostre differenziazioni. Offriamo modelli commerciali estremamente flessibili ai nostri clienti, compresi pacchetti di chiamate API ILLIMITATE, supporto per un throughput fino a 20 volte superiore e una latenza 5 volte inferiore rispetto alle migliori alternative disponibili.

Come il sistema utilizza l’AI per monitorare la previsione della domanda e dell’offerta a livello di località?

Le nostre API vengono utilizzate per abilitare una migliore e più efficiente gestione della domanda, cambi di prezzo più precisi, compresa la tariffazione di picco, che a sua volta ha un impatto diretto sulla disuguaglianza tra domanda e offerta a livelli molto micro, come le località.

Per i servizi di ride hailing, puoi discutere come l’AI può 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 alla guida, vogliono alcune garanzie che guadagneranno $X alla fine di essa. Nella pratica, a causa di previsioni di tempo e distanza inaccurate dalle API di mapping, c’è una fluttuazione massiccia nella quantità di denaro che un conducente guadagna per unità di tempo trascorsa, su diverse rotte, ore del giorno e giorni della settimana. Il nostro 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, di conseguenza, guadagni molto più prevedibili per i loro conducenti.

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

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 pattuglie efficienti per tassi di criminalità ridotti e raccolte di rifiuti efficienti. 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 fulfilllment più vicino.

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

Crediamo che la maggior parte delle aziende non riconosca ancora che le mappe non sono solo una cosa tecnica cool, ma che possono avere un impatto aziendale di centinaia di milioni di dollari sullo stesso base di fornitori o 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 aziende a riconoscere il valore dei dati spaziali, anche se non lavorano direttamente con noi, considereremmo la nostra missione in parte realizzata.

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