Vaidy Raghavan, Responsabile Prodotto e Tecnologia, Xometry – Serie di interviste

Vaidy RaghavanIl Chief Product & Technology Officer di Xometry è un affermato dirigente e ingegnere tecnologico di livello globale che guida la strategia di prodotto e tecnologica dell'azienda, con particolare attenzione allo sviluppo di funzionalità di marketplace basate sull'intelligenza artificiale che collegano gli acquirenti aziendali con i fornitori di produzione. Vanta una profonda esperienza in intelligenza artificiale, gestione della supply chain, SaaS e analisi dei dati, avendo ricoperto ruoli di leadership senior in aziende come Wayfair, Microsoft e Groupon, dove ha sviluppato piattaforme digitali e tecnologie di marketplace su larga scala. In Xometry, è responsabile della trasformazione di flussi di lavoro di produzione complessi in sistemi intelligenti basati sui dati che migliorano l'efficienza, la resilienza e la connettività della supply chain globale.

Xometria Xometry è un marketplace digitale basato sull'intelligenza artificiale che consente alle aziende di reperire componenti personalizzati su richiesta, mettendo in contatto gli acquirenti con una rete globale di fornitori qualificati che utilizzano diverse metodologie di produzione, tra cui lavorazione CNC, stampa 3D e stampaggio a iniezione. Fondata nel 2013 e con sede a North Bethesda, nel Maryland, l'azienda sfrutta l'apprendimento automatico per fornire prezzi immediati, stime dei tempi di consegna e abbinamento dei fornitori in base ai file di progettazione caricati, semplificando il processo di approvvigionamento, tradizionalmente complesso. Con migliaia di fornitori e decine di migliaia di acquirenti in tutto il mondo, Xometry svolge un ruolo centrale nella modernizzazione della produzione, digitalizzando le catene di approvvigionamento e consentendo una produzione più agile, distribuita e su larga scala.

Hai fatto un percorso incredibile tra Microsoft, Groupon e Wayfair. Quali esperienze iniziali, personali o professionali, hanno plasmato il tuo interesse per la tecnologia e come ti ha portato infine a Xometry e al mondo della produzione basata sull'intelligenza artificiale?

Il mio interesse per la tecnologia è nato presto nella mia carriera. Sono sempre stato motivato dalle sfide impegnative e dalla possibilità di creare soluzioni che abbiano un impatto concreto nel mondo reale.

Nei settori in rapida evoluzione in cui ho trascorso la mia carriera, è fondamentale trovare il giusto equilibrio tra la necessità di agire velocemente per dare vita a un'idea e la costruzione di sistemi durevoli ed efficienti. Il settore manifatturiero ne è un ottimo esempio. Si tratta di un settore profondamente fisico e analogico, ma che al contempo alimenta alcuni dei nostri sistemi più innovativi.
Xometry si colloca all'incrocio di tutto questo, dove stiamo trasformando un settore tradizionalmente analogico in qualcosa di moderno, con vera disciplina e chiarezza sulla direzione da intraprendere. Per me, è una rara convergenza di tempismo e scopo, ed è esattamente il tipo di sfida per cui mi sono preparato durante tutta la mia carriera.

Hai descritto il settore manifatturiero come l'ultima "roccaforte analogica". Quali sono alcune delle maggiori sfide che l'intelligenza artificiale sta risolvendo attualmente nel settore manifatturiero?

Descrivo la produzione come l'ultima "roccaforte analogica" a causa della sua complessità strutturale, dato che il ciclo di vita della produzione è lungo e ricco di passaggi di consegne. Ad esempio, durante la produzione, la progettazione e l'ingegneria di produzione lavorano a stretto contatto con gli acquisti, l'approvvigionamento, il controllo qualità, la logistica, l'assemblaggio post-consegna e la riconciliazione finanziaria lungo tutta la catena di fornitura, e ogni fase introduce nuovi rischi e potenziali ritardi.

La sfida principale è rappresentata dall'attrito. In ogni fase della catena produttiva, esistono formati, sistemi e talvolta persino unità di misura diversi. Le idee passano di mano in mano, e ognuna di esse diventa un potenziale punto di fallimento. Storicamente, l'unico modo per gestire questo rischio era la revisione manuale da parte di un essere umano.

L'intelligenza artificiale sta generando il maggior valore proprio nella lotta contro queste frizioni. Agisce come un coordinatore in un sistema frammentato: individua le discrepanze, abbina i componenti ai fornitori giusti e modella dinamicamente costi e tempi di consegna. Utilizza i dati storici di produzione per prevedere dove potrebbero sorgere problemi e li segnala tempestivamente prima che si verifichino sprechi di tempo e materiali.

I fornitori ricevono informazioni più chiare e meno sorprese, il che significa che possiamo instaurare un rapporto di fiducia con la nostra rete e aiutare i produttori a realizzare gli articoli di cui abbiamo bisogno.

In che modo Xometry ha instaurato un rapporto di fiducia con fornitori e acquirenti per favorire l'adozione di flussi di lavoro basati sull'intelligenza artificiale?

Nel settore manifatturiero, la fiducia è difficile da conquistare, dato che la posta in gioco è alta, i risultati sono irreversibili e lo spreco di materiale, il mancato rispetto delle scadenze o i difetti di qualità possono causare perdite economiche per un'azienda. Ecco perché in Xometry ci guadagniamo la fiducia offrendo costantemente affidabilità e trasparenza.

Fornitori e acquirenti si affidano a Xometry per velocità e trasparenza. Sanno che, caricando un file CAD, la nostra intelligenza artificiale analizzerà rapidamente i componenti e genererà stime sui prezzi e sui potenziali rischi. Le previsioni si basano su dati di produzione reali, il che ne aumenta ulteriormente l'affidabilità e la visibilità. I ​​prezzi riflettono le reali condizioni di mercato e i fornitori ricevono costantemente informazioni utili per migliorare le prestazioni e far crescere la propria attività sulla piattaforma. Il sistema esegue anche verifiche indipendenti per individuare eventuali discrepanze. Quando qualcosa non corrisponde, lo segnaliamo tempestivamente e teniamo i team costantemente informati.

In che modo, esattamente, l'intelligenza artificiale generativa traduce le idee di prodotto in componenti realizzabili e quale impatto ha questo sulle tempistiche di sviluppo?

Il settore manifatturiero ha sempre dovuto affrontare la difficoltà di colmare il divario tra l'intento progettuale e la realizzabilità. Le prime idee di prodotto sono spesso incomplete e la loro trasformazione in progetti producibili richiede molteplici passaggi di consegne. Questo processo è lento e spesso soggetto a rilavorazioni, che causano ritardi o carenze.

L'intelligenza artificiale generativa comprime questo ciclo. In pratica, traduce input parzialmente strutturati in caratteristiche producibili. Può individuare potenziali rischi, suggerire materiali e processi e segnalare tempestivamente i vincoli. L'IA sta riducendo gli attriti che in genere rallentano la produzione, accorciando i tempi di sviluppo con un minor numero di iterazioni e meno scarti di materiali o componenti.

Come si garantisce che la qualità e il controllo rimangano elevati quando i processi diventano più autonomi?

Un principio fondamentale è quello di anticipare i controlli di qualità alle prime fasi del processo produttivo. L'intelligenza artificiale può analizzare milioni di punti dati geometrici per determinare la fattibilità della produzione, i costi e l'individuazione del fornitore più adatto. Ciò garantisce precisione e uniformità senza dover fare affidamento esclusivamente sulla diligenza umana, che per lungo tempo è stata l'unica difesa contro i rischi durante il processo di controllo qualità.

Detto questo, mantenere un coinvolgimento umano è comunque necessario per questi processi potenziati. Utilizziamo l'IA per identificare problemi e alternative quando necessario, ma la decisione finale sull'intervento spetta agli operatori umani che possiedono l'esperienza per prendere tali decisioni.

Questo fenomeno è particolarmente evidente in settori critici come quello aerospaziale e della difesa, dove l'intervento umano è l'unico modo per consentire l'automazione su larga scala senza compromettere il controllo qualità.

Come funziona la determinazione dinamica dei prezzi basata sull'intelligenza artificiale in Xometry, considerando i costi di produzione variabili e la complessità della catena di approvvigionamento?

La determinazione dei prezzi di produzione è intrinsecamente variabile perché ogni componente è diverso e i costi cambiano costantemente in base ai materiali, alla capacità produttiva, a fattori esterni come i dazi doganali e ad altri vincoli. I modelli di prezzo statici non sono adatti a un contesto del genere.

In Xometry, la determinazione dinamica dei prezzi è un sistema di apprendimento. I nostri modelli vengono addestrati su milioni di preventivi storici e costantemente aggiornati con i risultati di produzione reali. Questo ciclo di feedback mantiene i prezzi ancorati alla realtà.

Quando gli ingegneri caricano un file CAD, il nostro motore di preventivazione istantanea analizza immediatamente il file e lo confronta con i fattori e i vincoli esterni che influenzano il prezzo, al fine di individuare il produttore più adatto tra la nostra rete di migliaia di partner.