Unite.AI

Vaidy Raghavan、Xometry 最高製品・技術責任者 – インタビューシリーズ

Vaidy Raghavanは、Xometryの最高製品・技術責任者であり、企業の買い手と製造サプライヤーを結びつけるAI駆動型マーケットプレイスの機能拡大に焦点を当て、同社の製品および技術戦略を率いる経験豊富なグローバル技術幹部兼エンジニアです。彼は、Wayfair、Microsoft、Grouponなどの企業で大規模なデジタルプラットフォームやマーケットプレイス技術を開発する上級管理職を歴任し、AI、サプライチェーン管理、SaaS、データ分析に関する深い専門知識を持っています。Xometryでは、効率性、回復力、グローバルサプライチェーンの接続性を向上させる、インテリジェントでデータ駆動型のシステムへと複雑な製造ワークフローを変革する責任を担っています。 Xometryは、AIを活用したデジタルマーケットプレイスであり、企業がオンデマンドでカスタム製造部品を調達できるよう、買い手と、CNC加工、3Dプリンティング、射出成形などの複数の生産方法にわたるグローバルな審査済みサプライヤーネットワークを結び付けます。2013年に設立され、メリーランド州ノースベセスダに本社を置く同社は、機械学習を活用して、アップロードされた設計ファイルに基づき、即時見積もり、リードタイムの推定、サプライヤーマッチングを提供し、従来複雑だった調達プロセスを効率化しています。世界中に数千のサプライヤーと数万の買い手を持つXometryは、サプライチェーンのデジタル化と、よりアジャイルで分散型の大規模生産を可能にすることで、製造業の近代化において中心的な役割を果たしています。 Microsoft、Groupon、Wayfairと素晴らしいキャリアを歩まれてきました。技術への関心を形作った初期の個人的または職業的経験は何ですか？そして、それがどのようにXometryやAI駆動型製造の世界へと導かれたのでしょうか？ 私の技術への関心は、キャリアの早い段階で始まりました。私は常に、困難な課題と、現実世界で実際に変化をもたらすソリューションを構築する機会に動機づけられてきました。 私がキャリアを過ごしてきた急速に変化する業界では、アイデアを実現するために迅速に動きながら、同時に堅牢で効果的なシステムを構築するというバランスを取らなければなりません。製造業はこれをよく体現しています。それは非常に物理的でアナログな産業ですが、同時に最も革新的なシステムのいくつかを支えています。 Xometryは、そのすべての交差点に位置しており、私たちは伝統的にアナログな産業を、次のステップを明確に理解し、規律を持って近代的なものへと変革しています。私にとって、これはタイミングと目的が稀に一致したものであり、まさに私がキャリア全体を通じて築き上げてきた種類の挑戦です。 製造業を最後の「アナログの牙城」と表現されています。現在、AIが製造業で解決している最大の課題は何ですか？ 私が製造業を最後の「アナログの牙城」と表現するのは、製造ライフサイクルが長く、多くの引き継ぎが存在するという構造的な複雑さのためです。例えば、製造工程では、設計と生産技術が、調達、調達先選定、品質、物流、納品後の組み立て、およびサプライチェーン全体での財務調整と並行して行われ、各段階が新たなリスクと潜在的な遅延を生み出します。 中核的な課題は摩擦です。製造チェーンのあらゆるポイントで、異なる形式、システム、時には測定単位さえも存在します。アイデアは引き継ぎから引き継ぎへと渡され、それぞれが潜在的な失敗点となります。歴史的に、そのリスクを管理する唯一の方法は、手動による人間のレビューでした。 AIは現在、その摩擦と戦うことで最も価値を生み出しています。それは断片化されたシステムにおける調整役として機能します：不一致を検出し、部品を適切なサプライヤーにマッチングさせ、コストやリードタイムを動的にモデル化することさえあります。過去の生産データを使用して問題が発生する可能性のある箇所を予測し、時間と材料が無駄になる前に迅速にフラグを立てます。 サプライヤーはより明確な意図を受け取り、予期せぬ事態が減るため、ネットワークとの信頼を構築し、製造業者が必要なアイテムを生産するのを支援できます。 Xometryは、サプライヤーと買い手がAI駆動型ワークフローを採用するよう、どのように信頼を構築してきましたか？ 製造業では、リスクが高く、結果が不可逆的であり、廃棄された材料、期限の遅れ、品質不良は企業に経済的損失をもたらす可能性があるため、信頼を得ることは困難です。そのため、Xometryでは、信頼性と明確さを継続的に提供することで信頼を獲得しています。 サプライヤーと買い手は、スピードと透明性を求めてXometryに依存しています。彼らは、CADファイルをアップロードすると、当社のAIが迅速に部品を分析し、価格と潜在的なリスクに関する見積もりを生成することを知っています。予測は実際の生産データに基づいており、それがさらに信頼性と可視性を構築します。価格は実際の市場状況を反映し、サプライヤーはプラットフォーム上でのパフォーマンス向上とビジネス成長に関する継続的な洞察を受け取ります。また、システムは不一致を検出するための独立したチェックも実行します。何かが一致しない場合、早期に表面化させ、チームに常に情報を提供し続けます。 生成AIは、具体的にどのように製品アイデアを構築可能な部品に変換するのでしょうか？また、それは開発タイムラインにどのような影響を与えますか？ 製造業は常に、意図と構築可能性の間のギャップに悩まされてきました。初期の製品アイデアはしばしば不完全であり、それらを製造可能な設計に変換するには複数の引き継ぎが必要です。そのプロセスは遅く、しばしば手直しが発生しやすく、遅延や不足を生み出します。 生成AIはそのループを圧縮します。実際には、部分的に構造化された入力を製造可能な特徴に変換します。潜在的なリスクを表面化させ、材料やプロセスを提案し、制約を早期にフラグ立てすることができます。AIは、通常生産を遅らせる摩擦を減らし、繰り返し回数や廃棄部品・材料を減らすことで開発タイムラインを大幅に短縮しています。 プロセスがより自律的になるにつれて、品質と管理を高いレベルに保つことをどのように確保していますか？ 重要な原則の一つは、品質チェックを生産プロセスの最も早い段階に移行することです。AIは数百万の幾何学的データポイントを分析して、製造の実現可能性、コスト、最適なサプライヤーマッチングを判断するのに役立ちます。これにより、長らく品質管理プロセス中のリスクに対する唯一の防御策であった人間の注意だけに頼ることなく、精度と一貫性がもたらされます。 とはいえ、これらの拡張されたプロセスには、人間をループ内に留めておくことが依然として必要です。私たちはAIを展開して問題や必要に応じた代替案を特定しますが、介入の最終決定権は、そのような判断を行う経験を持つ人間のオペレーターにあります。 これは特に、航空宇宙・防衛などのミッションクリティカルな分野で顕著であり、人間をループ内に置くことが、品質管理を犠牲にすることなく大規模な自動化を可能にする唯一の方法です。 変動する製造コストとサプライチェーンの複雑さを考えると、XometryにおけるAI駆動のダイナミックプライシングはどのように機能しますか？ 製造業の価格設定は本質的に変動します。なぜなら、すべての部品が異なり、コストは材料、キャパシティ、関税などの外部要因、その他の制約に基づいて絶えず変化するからです。静的な価格モデルはそのような環境では成り立ちません。 Xometryでは、ダイナミックプライシングは学習システムです。当社のモデルは数百万の過去の見積もりで訓練され、実際の生産結果で継続的に更新されます。そのフィードバックループにより、価格設定は現実に基づいたものに保たれます。 エンジニアがCADファイルをアップロードすると、当社のインスタント見積もりエンジンは直ちにファイルを分析し、価格に影響を与える外部要因や制約に対してチェックを行い、数千のパートナーからなるネットワークから最適な製造業者を特定します。...