Vaidy Raghavan, Chief Product & Technology Officer, Xometry – Intervista

Vaidy Raghavan, Chief Product & Technology Officer, Xometry, è un affermato dirigente tecnologico globale e ingegnere che guida la strategia di prodotto e tecnologia dell’azienda, con un focus sulla scalabilità delle capacità di marketplace guidate dall’AI che collegano acquirenti aziendali con fornitori di produzione. Porta con sé una profonda esperienza in AI, gestione della catena di approvvigionamento, SaaS e analisi dei dati, avendo ricoperto in precedenza ruoli di leadership senior in aziende come Wayfair, Microsoft (MSFT ) 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 e basati sui dati che migliorano l’efficienza, la resilienza e la connettività della catena di approvvigionamento globale.

Xometry è un marketplace digitale guidato dall’AI che consente alle aziende di approvvigionare parti personalizzate su richiesta collegando acquirenti con una rete globale di fornitori verificati attraverso più metodi 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 istantanei, stime di tempo di consegna e abbinamento dei fornitori in base ai file di progetto 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 digitando le catene di approvvigionamento e abilitando una produzione più agile e distribuita su larga scala.

Hai avuto un percorso incredibile attraverso Microsoft, Groupon e Wayfair. Quali esperienze precoci – personali o professionali – hanno plasmato il tuo interesse per la tecnologia, e come ti hanno portato a Xometry e al mondo della produzione guidata dall’AI?

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

Nelle industrie in rapida evoluzione in cui ho trascorso la mia carriera, è necessario trovare un equilibrio tra la velocità di realizzazione di un’idea e la costruzione di sistemi durevoli ed efficaci. La produzione esemplifica bene questo concetto. È un’industria profondamente fisica e profondamente analogica, ma alimenta anche alcuni dei nostri sistemi più innovativi.

Xometry si trova all’incrocio di tutto ciò, dove stiamo trasformando un’industria tradizionalmente analogica in qualcosa di moderno con una disciplina e una chiarezza reali su dove stiamo andando dopo. Per me, è una rara convergenza di tempistica e scopo, ed è esattamente il tipo di sfida verso cui ho lavorato per tutta la mia carriera.

Hai descritto la produzione come l’ultimo “baluardo analogico”. Quali sono alcune delle sfide più grandi che l’AI sta risolvendo nella produzione in questo momento?

Descrivo la produzione come l’ultimo “baluardo analogico” a causa della sua complessità strutturale, data la lunghezza e la complessità del ciclo di vita della produzione. Ad esempio, durante la produzione, l’ingegneria di progettazione e produzione lavora a fianco dell’approvvigionamento, della gestione della qualità, della logistica, dell’assemblaggio post-consegna e del riconoscimento finanziario lungo la catena di approvvigionamento, ogni fase introduce nuovi rischi e potenziali ritardi.

La sfida principale è l’attrito. In ogni punto della catena di produzione, ci sono formati diversi, sistemi e talvolta persino unità di misura diverse. Le idee passano attraverso consegne successive, con ogni consegna che diventa un potenziale punto di fallimento. Storicamente, l’unico modo per gestire quel rischio era la revisione manuale umana.

L’AI sta creando il maggior valore in questo momento combattendo quell’attrito. Agisce come un coordinatore in quel sistema frammentato: rileva le discordanze, abbina le parti ai fornitori giusti e modella persino dinamicamente i costi e i tempi di consegna. Utilizza i dati storici di produzione per prevedere dove potrebbero sorgere problemi e li segnala rapidamente prima che vengano sprecati tempo e materiali.

I fornitori ricevono un’intenzione più chiara e meno sorprese, il che significa che possiamo costruire fiducia con la nostra rete e aiutare i produttori a produrre gli articoli di cui abbiamo bisogno.

In che modo Xometry ha costruito la fiducia con i fornitori e gli acquirenti per adottare flussi di lavoro guidati dall’AI?

Nella produzione, la fiducia è difficile da guadagnare, dato che le poste in gioco sono alte e gli esiti sono irreversibili, e gli scarti di materiali, i ritardi o le insufficienze di qualità possono contribuire a perdite economiche per un’azienda. È per questo che in Xometry, guadagniamo fiducia continuando a offrire affidabilità e chiarezza.

I fornitori e gli acquirenti si affidano a Xometry per velocità e trasparenza. Sanno che quando caricano un file CAD, il nostro AI analizzerà rapidamente le parti e genererà stime sui prezzi e sui potenziali rischi. Le previsioni si basano su dati di produzione reali, il che costruisce ulteriore affidabilità e visibilità. I prezzi riflettono le condizioni di mercato reali e i fornitori ricevono continue informazioni su come migliorare le prestazioni e far crescere il loro business sulla piattaforma. Il sistema esegue anche controlli indipendenti per rilevare le discordanze. Quando qualcosa non corrisponde, lo segnaliamo presto e manteniamo costantemente informati i team.

Esattamente come l’AI generativa traduce le idee di prodotto in parti costruibili — e quale impatto ha ciò sui tempi di sviluppo?

La produzione ha sempre lottato con il divario tra intenti e costruibilità. Le idee di prodotto iniziali sono spesso incomplete e tradurle in progetti costruibili richiede molteplici consegne. Quel processo è lento e spesso soggetto a ritocchi, il che crea ritardi o carenze.

L’AI generativa comprime quel ciclo. Nella pratica, traduce input parzialmente strutturati in caratteristiche costruibili. Può rilevare potenziali rischi, suggerire materiali e processi e segnalare limiti precocemente. L’AI sta riducendo l’attrito che solitamente rallenta la produzione, riducendo i tempi di sviluppo con meno iterazioni e meno parti o materiali scartati.

Come assicuri che la qualità e il controllo rimangano alti quando i processi diventano più autonomi?

Un principio chiave è spostare i controlli di qualità nella parte iniziale del processo di produzione. L’AI può analizzare milioni di punti di dati geometrici per aiutarlo a determinare la fattibilità della produzione, il costo e l’abbinamento del fornitore migliore. Ciò fornisce precisione e coerenza senza dover fare affidamento solo sulla diligenza umana, che è stata a lungo l’unica difesa contro i rischi durante il processo di controllo della qualità.

Detto questo, mantenere un essere umano nel ciclo è ancora necessario per questi processi aumentati. Schieriamo l’AI per identificare problemi e alternative quando necessario, ma l’ultima parola per l’intervento spetta agli operatori umani che hanno l’esperienza per prendere quelle decisioni.

Lo vediamo in particolare in settori critici come l’aerospaziale e la difesa, dove avere un essere umano nel ciclo è l’unico modo per consentire l’automazione su larga scala senza sacrificare il controllo della qualità.

Come funziona il prezzo dinamico guidato dall’AI in Xometry, considerando i costi di produzione variabili e le complessità della catena di approvvigionamento?

I prezzi di produzione sono intrinsecamente variabili perché ogni parte è diversa e i costi cambiano costantemente in base ai materiali, alla capacità, a fattori esterni come i dazi e ad altre limitazioni. I modelli di prezzo statici non funzionano in quell’ambiente.

In Xometry, il prezzo dinamico è un sistema di apprendimento. I nostri modelli sono addestrati su milioni di preventivi storici e aggiornati continuamente con risultati di produzione reali. Quel ciclo di feedback mantiene i prezzi radicati nella realtà.

Quando gli ingegneri caricano un file CAD, il nostro Instant Quoting Engine analizza immediatamente il file e lo controlla rispetto ai fattori esterni e alle limitazioni che influenzano il prezzo per identificare il miglior fornitore della nostra rete di migliaia di partner.

Con clienti che vanno dagli ingegneri ai responsabili della catena di approvvigionamento, come Xometry personalizza l’esperienza utilizzando l’AI e l’analisi dei dati?

In Xometry, l’AI crea un’esperienza molto più personalizzata per i nostri utenti, semplificando il processo di produzione in base alle esigenze individuali. Per un ingegnere, potrebbe significare un feedback rapido sui materiali e sui rischi di progettazione, o per un responsabile della catena di approvvigionamento, potrebbe significare una rapida segnalazione dei ritardi logistici per ridurre gli errori costosi e costruire la fiducia.

Guardando avanti, quale innovazione AI ritieni possa ridefinire l’ecosistema della produzione nei prossimi 3-5 anni?

Credo che l’innovazione AI più probabile che ridefinirà la produzione sarà il ragionamento continuo su tutto il ciclo di produzione.

Come ho menzionato in precedenza, le decisioni di produzione sono spesso ancora frammentate. I produttori valutano separatamente la progettazione, il costo, l’approvvigionamento e la costruibilità, il che significa che i problemi vengono spesso scoperti tardi e diventano più costosi. Il passaggio che prevedo è verso sistemi AI che ragionano su quelle dimensioni in parallelo, convergendo in programmi integrati che apprendono dai risultati storici di produzione e si adattano in tempo reale.

Versioni preliminari di ciò esistono già in aree come l’analisi DFM, l’approvvigionamento e persino il prezzo. Ma nei prossimi anni, vediamo che quei confini si dissolveranno ulteriormente, creando un ecosistema di produzione più veloce, più prevedibile e più adattabile.

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