レブのCEO兼創設者、アディ・バトラ – インタビュー・シリーズ

アディ・バトラは、レブのCEO兼創設者です。彼は、ニューヨークを拠点とするプロダクトドリブンなオペレーターであり、イノベーションリーダーです。彼は、テクノロジー、システム思考、スケールの交差点でキャリアを築いてきました。レブを創設する前に、ハイグロース・コマース企業でのプロダクトおよびデジタルカスタマーエクスペリエンスのイニシアチブを牽引し、大規模企業プラットフォーム内で新しいビジネスラインを立ち上げ、MITスローンで人工知能と集団知能に関する研究を行い、キャリアの初期には、NASAの研究プログラムに関連する賞を受賞した宇宙システム設計チームを率いていました。

レブは、衝突および機械修理工場のADAS（先進運転支援システム）較正および診断を簡素化するために、人工知能を活用した自動車修理プラットフォームです。OEMグレードのドキュメント、インテリジェントなワークフロー、および既存の工場および見積もりシステムとの深い統合を組み合わせて、レブは修理センターが手動での調査を減らし、コンプライアンスと安全性を向上させ、複雑化する較正要件をスケーラブルでデータドリブンの運用に変えるのに役立ちます。車両がよりソフトウェア定義されたものになると、レブは北米の現代的な修理ワークフローにおけるコアインフラストラクチャとして自己を位置付けます。

自動車修理業界への初期の接触は明らかにあなたの道を形作りました。あのときの特定の瞬間について話してください。その瞬間があなたにAI駆動のソリューションが必要であることを実感させたのです。

ある電話が全てを変えたのです。修理工場のオーナーが電話をかけてきて、車を修理したものの、レーンチェンジシステムがその後故障し、訴訟されることを恐れていたのです。その瞬間、私はADASシステムをより深く調べるように促され、修理工場が独自に解決できない巨大な問題である、この見えない複雑さを認識しました。ADASの修理は、デントや傷など目に見えるものではなかったため、見過ごされやすかったのです。テクニシャンは、作業を文書化し、修理手順を見つけるのに3～4時間を費やしていたのです。そうしているうちに、私はAIが全てのノイズを切り抜けて、テクニシャンに必要なものを瞬時に提供できることを知りました。

あなたのMITでのAIおよび集団知能に関する研究、およびNASAでのシステムレベルの仕事は、安全性が重要な複雑な環境に早くから触れる機会を与えました。レブを創設し、車両較正に焦点を当てることを決めた際に、これらの経験がどのように直接影響しましたか。

私のNASAおよびMITでの経験から、私は、起業家として成功するには、ただ学び、適切な専門家と自分を取り巻く必要があることを学びました。この心構えが、私がほとんど知らない業界に足を踏み入れる自信を与え、伝統的なやり方に挑戦する勇気を与えました。

私は修理工場で時間を過ごし、テクニシャンがマニュアルに溺れ、車がブレーキを掛けたりレーンを維持したりするセンサーを較正しようとしているところを見ました。これは、私がNASAで経験した安全性が重要な環境を思い出させました。命を救うテクノロジーですが、工場では紙の手順と古いシステムで管理していました。私はすぐに、この問題が機械的なものではなく、ソフトウェア的なものであることを認識しました。車は車輪の付いたコンピューターに変わりましたが、サービスインフラストラクチャは追いついていませんでした。これが私がMITおよびNASAで培った起業家精神を取り戻すきっかけとなり、レブが誕生しました。外部からの新鮮な視点と、実際の作業を行っているテクニシャンの深い専門知識を組み合わせました。

レブを創設する前に、あなたはジェットおよびウォルマートでのコマースにおける0→1の製品構築を担当しました。コマースにおけるその経験から、自動車修理エコシステムのソフトウェア設計に最もよく転用できた教訓は何ですか。

ウォルマートでの私の最大の教訓は、ユーザーがいる場所に会うこと、そこにいるように強制するのではなく、そこに行くことを学んだことです。私は、テクノロジーに疎いサプライヤーや製造業者向けにビルディングし、彼らは数十年間同じやり方でことを行ってきました。彼らに全システムを置き換えることを要求することはできません。代わりに、自分の専門知識を彼らの既存のワークフローに組み込み、彼らが既存の業務を変更する必要がないようにします。

これがレブの全テーゼとなりました。私たちは、工場の既存のツールやソフトウェアと統合し、バックグラウンドで実行し、既存の業務を妨げることなく、洞察を提供します。しかし、私はジェットでの経験から、タレントの重要性も学びました。AプレイヤーはAプレイヤーを引き付け、最初の日から正しいチームを構築することについて執念を持つ必要があります。私はこれをレブの採用慣行として根付かせました。私たちが行っている作業は、私たちが構築したオールスターチームなしでは不可能です。

自動車修理は米国で最も大きく、しかし近代化が遅れている業界の1つです。当初レブを構築し始めたときに、どのような抵抗や懐疑主義に直面しましたか。どうやってそれを克服しましたか。

初期の抵抗は大きな課題でした。工場は40年以上同じやり方でことを行ってきました。変化は不快です。しかし、私が行ったのは、単にソフトウェアを売るのではなく、1つ1つの痛み点を理解することに尽力しました。私は名刺に電話番号を記載し、「問題があれば、電話してください」と伝えました。そうすると、彼らは電話してきました。私は信頼と知識のデータベースを数年間構築しました。

ブレークスルーは、私たちがシステムを置き換えることや、作業方法を変更することを要求しないことを示したことです。私たちは、レブを工場の既存のソフトウェアやワークフローに直接統合するように構築しました。バックグラウンドで実行し、現在のプロセスを妨げることなく、必要なものを提供します。工場が私たちが彼らの世界を理解し、仕事をより簡単にしていることを認識すると、懐疑主義は薄れ始めました。

レブは、単一のポイントソリューションではなく、ソフトウェア定義された車両のためのオペレーティングシステムとして自己を位置付けます。実用的には、較正工場や修理ネットワークにとって、オペレーティングシステムであるということは何を意味しますか。

これは、私たちが1つの問題だけを解決しているのではなく、全ADASワークフローのインフラストラクチャとなっていることを意味します。車がベイに入ると、レブは既存のツールに接続し、メーカーから直接データを取得し、テクニシャンに秒単位で完全なパッケージを提供します。手順を逐一示し、必要な較正をすべて提供し、オリジナルのメーカー製ドキュメントと、保険会社に提出できる請求書を提供します。

私たちは、記録システムから行動システムへと進化しています。行政作業を扱うだけでなく、行うべきことを伝えるだけではありません。2025年までに、ユーザーの74%が私たちの新製品を採用していることがわかりました。業界全体でも同様のことが見られます。私たちの最近のADASベンチマーク調査では、300人のオートボディ専門家が、2年間でインハウス較正が57%から64%に増加することが予測されています。

車両は、センサー、カメラ、ソフトウェアの依存関係で満たされたローリングコンピューターとなりました。テクニシャンは、今日、どこで最も苦労していますか。AIは、テクニシャンからコントロールを奪うことなく、彼らの意思決定をどのように意味的にサポートしますか。

テクニシャンは、現代の修理に伴う行政上の負担に最も苦労しています。センサーを較正したり、メーカーのマニュアルを探したり、保険会社に提出する報告書をまとめたりする際に、毎一步に調査、文書化、承認が必要です。見積もりには100～200のアイテムがあり、それぞれが波及効果をもたらします。2023年の時点で、平均的な修理には2～3の較正が必要でした。現在は5を超えています。テクニシャンは、作業を文書化し、手順を探すのに3～4時間を費やしていますが、レブとAIを使用すると、このプロセスは3～5分に短縮されます。

レブのAIは、全ての複雑さをバックグラウンドで処理し、メーカーのデータに直接接続し、必要な較正を特定し、逐一の手順を提供します。私たちは30万件以上の修理を処理しており、現在5,000以上の顧客がプラットフォームを使用しています。文書化のために、テクニシャンは写真を提出でき、レブは全ての保険会社に提出可能な報告書を自動的に生成します。私たちのプラットフォームは、潜在的なミスをフラグし、繰り返しの作業を自動化しますが、テクニシャンは行政上の負担なしに、意思決定を維持します。

レブのモデルは、数十万件の実際の修理イベントでトレーニングされています。安全性が重要な結果に直接結びつくAIの推奨事項の場合、データの品質、精度、コンプライアンスをどのように確保しますか。

私たちにとって、データの品質と精度は、実際の修理経験に根ざしたAIに始まります。私たちのモデルは、様々な地域や車両タイプの経験豊富なテクニシャンからの洞察に基づいて構築されています。

また、継続的なフィードバックループを構築し、テクニシャンがAIの推奨事項をリアルタイムで検証できるようにしています。較正と手順は、特定の車両の正確なOEMマニュアルと技術文書と比較検証されます。2つの国から30万件を超える修理データベースを保有し、私たちのプラットフォームは継続的に学習し、改善していますが、テクニシャンは全プロセスを通じてコントロールを維持しています。

レブは、較正機、修理ネットワーク、保険会社、OEMシステムと連携しています。利益が大きく異なるステークホルダー全員のニーズを満たすAIプラットフォームをどのように設計しますか。

私たちは、レブをテクニシャン、保険会社、消費者を結ぶ連結組織として考えています。したがって、私たちは全員の集団的なニーズを満たすように努めています。

テクニシャンの場合、行政上の時間を節約し、見逃されていた較正を特定することで、見逃された収益を獲得するのに役立ちます。保険会社は、承認が速くなり、文書化が正確になり、論争が少なくなります。消費者は、必要な全ての較正が実際に完了していることを保証することで、車をより安全に、より迅速に返却できます。

車両が完全にソフトウェア定義されたプラットフォームとして進化するにつれて、3年後のレブの成功とは何ですか。修理インフラストラクチャが進化してこれに追いつくために、どのような能力を開発する必要がありますか。

進化するために、工場はインハウス能力、次世代の技術タレントのパイプライン、そして正確で効率的な修理を保証するための強力なコラボレーションネットワークが必要です。2029年までに、緊急ブレーキについての規制が新型車両に必要になり、工場はインハウス較正のビジネス価値を認識し始めています。私たちの最近の調査では、74%のオートボディ専門家がADASを利益源として報告しており、60%がADAS収益の増加を「非常に重要」または「重要」と見なしています。

私たちがすでに目にしているのは、ADAS較正が独自のカテゴリとなっており、新しいスペシャリストが毎月登場し、ビジネス上の勢いが築かれつつあることです。先を見ると、レブはこのエコシステムの背骨となります。つまり、プラットフォームは、テクニシャン、保険会社、顧客が安全でコンプライアントな較正を管理および提供するための統一されたシステムとなります。私たちは、ソフトウェアドリブンの車両が修理される方法を定義するインフラストラクチャを構築しています。最終的には、業界の将来を形作る基準を設定しています。

深く根付いた、従来のアナログ業界にAIを導入する創業者にとって、一般的な間違いは何ですか。また、レブをスケーリングする際に、あなた自身が直面した誤った仮定は何でしたか。

私は早期に学んだことの1つは、ノイズを切り抜け、問題に焦点を当てることです。解決策を構築し始めることは簡単ですが、それは問題を探す解決策になることがあります。

重要なのは、顧客が毎日実際に経験する問題を見つけることです。私は、技術だけが勝つと思っていたという仮定を直さなければなりませんでした。業界のワークフローがどれほど根付いているかを私が過小評価していたことは驚きでした。私が2022年にレブを開始したとき、私はテクニシャンと一緒に工場で時間を過ごし、彼らのワークフローを近くで見て、彼らを妨げていることを理解しました。これが私に教えたのは、実際の変化は、より優れた技術を実装したり、工場に新しいやり方を採用するよう説得したりすることではなく、彼らの既存のワークフローにソリューションをシームレスに組み込むことによって来るということです。あなたは彼らに変化を求めません、あなたは彼らの現在の方法をより良くします。