Vaidy Raghavan, Chief Product & Technology Officer, Xometry – 인터뷰 시리즈

Vaidy Raghavan, Xometry의 Chief Product & Technology Officer는 기업 구매자와 제조 공급업체를 연결하는 AI 기반 마켓플레이스 역량 확장에 중점을 두고 회사의 제품 및 기술 전략을 이끄는 성공적인 글로벌 기술 임원이자 엔지니어입니다. 그는 Wayfair, Microsoft, Groupon과 같은 기업에서 선임 리더십 역할을 수행하며 대규모 디지털 플랫폼과 마켓플레이스 기술을 개발한 경험을 바탕으로 AI, 공급망 관리, SaaS, 데이터 분석 분야에 대한 깊은 전문성을 가지고 있습니다. Xometry에서 그는 복잡한 제조 워크플로를 효율성, 회복탄력성 및 글로벌 공급망 연결성을 향상시키는 지능형 데이터 기반 시스템으로 변환하는 책임을 맡고 있습니다. Xometry는 AI 기반 디지털 마켓플레이스로, CNC 가공, 3D 프린팅, 사출 성형을 포함한 다양한 생산 방법에 걸쳐 글로벌 검증 공급업체 네트워크와 구매자를 연결하여 기업이 맞춤 제조 부품을 온디맨드로 조달할 수 있도록 합니다. 2013년에 설립되었으며 메릴랜드주 노스 베데스다에 본사를 둔 이 회사는 머신 러닝을 활용하여 업로드된 설계 파일을 기반으로 즉각적인 가격, 리드 타임 추정 및 공급업체 매칭을 제공하여 전통적으로 복잡한 조달 프로세스를 간소화합니다. 전 세계 수천 개의 공급업체와 수만 명의 구매자를 보유한 Xometry는 공급망을 디지털화하고 더 민첩하고 분산된 대규모 생산을 가능하게 함으로써 제조 현대화에 핵심적인 역할을 합니다. Microsoft, Groupon, Wayfair를 거쳐 오신 놀라운 여정을 보내셨습니다. 기술에 대한 관심을 형성한 초기 경험(개인적 또는 전문적)은 무엇이었으며, 그것이 어떻게 궁극적으로 Xometry와 AI 기반 제조의 세계로 이어지게 되었나요? 기술에 대한 제 관심은 경력 초기에 시작되었습니다. 저는 항상 어려운 도전과 현실 세계에서 실제로 변화를 일으키는 솔루션을 구축할 기회에 동기를 부여받아 왔습니다. 제가 경력을 쌓아온 빠르게 변화하는 산업에서는 아이디어를 실현하기 위해 신속하게 움직이면서도 내구성 있고 효과적인 시스템을 구축하는 균형을 잡아야 합니다. 제조업은 이를 잘 보여줍니다. 이 산업은 매우 물리적이고 아날로그적이지만, 동시에 우리의 가장 혁신적인 시스템을 구동하기도 합니다. Xometry는 전통적인 아날로그 산업을 현대적인 것으로 변환하면서 앞으로 나아갈 방향에 대한 실제적인 원칙과 명확성을 가지고 있는 모든 것의 교차점에 자리 잡고 있습니다. 저에게는 시기와 목적이 드물게 맞아떨어지는 지점이며, 제 전체 경력을 통해 구축해 온 바로 그런 종류의 도전입니다. 제조업을 마지막 ‘아날로그 요새’라고 표현하셨습니다. 현재 AI가 제조업에서 해결하고 있는 가장 큰 과제들은 무엇인가요? 제가 제조업을 마지막 ‘아날로그 요새’라고 표현하는 이유는 제조 라이프사이클이 길고 많은 인계 과정이 존재한다는 구조적 복잡성 때문입니다. 예를 들어, 제조 과정에서 설계 및 생산 엔지니어링은 조달, 소싱, 품질, 물류, 납품 후 조립, 그리고 공급망 전반의 재정 조정과 함께 작동하며, 각 단계는 새로운 위험과 잠재적 지연을 초래합니다. 핵심 과제는 마찰입니다. 제조 공정의 모든 지점마다 다른 형식, 시스템, 때로는 측정 단위까지 존재합니다. 아이디어는 인계를 거듭하며 전달되고, 각 인계는 잠재적 실패 지점이 됩니다. 역사적으로 이러한 위험을 관리하는 유일한 방법은 수동적인 인간 검토였습니다. AI는 현재 바로 그 마찰과 싸우며 가장 큰 가치를 창출하고 있습니다. AI는 단편화된 시스템에서 조정자 역할을 합니다: 불일치를 감지하고, 부품을 적절한 공급업체에 매칭하며, 비용과 리드 타임을 동적으로 모델링하기까지 합니다. 이는 과거 생산 데이터를 사용하여 문제가 발생할 수 있는 지점을 예측하고, 시간과 자재가 낭비되기 전에 신속하게 이를 표시합니다. 공급업체는 더 명확한 의도와 더 적은 예상치 못한 상황을 접하게 되어, 우리는 네트워크와 신뢰를 구축하고 제조업체가 우리가 필요한 품목을 생산하도록 도울 수 있습니다. Xometry는 AI 기반 워크플로를 채택하도록 공급업체와 구매자와의 신뢰를 어떻게 구축했나요? 제조업에서는 위험 부담이 높고 결과가 되돌릴 수 없으며, 폐기된 자재, 놓친 마감일 또는 품질 실패가 회사의 경제적 손실로 이어질 수 있어 신뢰를 얻기가 어렵습니다. 그래서 Xometry에서는 지속적인 신뢰성과 명확성을 제공함으로써 신뢰를 얻습니다. 공급업체와 구매자는 속도와 투명성을 위해 Xometry에 의존합니다. 그들은 CAD 파일을 업로드하면 우리의 AI가 부품을 빠르게 분석하고 가격 및 잠재적 위험에 대한 추정치를 생성할 것이라는 것을 알고 있습니다. 예측은 실제 생산 데이터에 기반하여 이루어지며, 이는 신뢰성과 가시성을 더욱 구축합니다. 가격은 실제 시장 상황을 반영하며, 공급업체는 플랫폼에서 성과를 개선하고 비즈니스를 성장시키는 방법에 대한 지속적인 통찰력을 받습니다. 시스템은 또한 불일치를 포착하기 위한 독립적인 검사를 수행합니다. 무언가가 일치하지 않을 때, 우리는 이를 조기에 표면화하고 팀에 지속적으로 알립니다. 생성형 AI가 제품 아이디어를 구축 가능한 부품으로 어떻게 정확히 변환하며, 이것이 개발 타임라인에 어떤 영향을 미치나요? 제조업은 항상 의도와 구축 가능성 사이의 격차로 어려움을 겪어 왔습니다. 초기 제품 아이디어는 종종 불완전하며, 이를 제조 가능한 설계로 변환하려면 여러 번의 인계가 필요합니다. 그 과정은 느리고 종종 재작업이 발생하기 쉬워 지연이나 부족을 초래합니다. 생성형 AI는 그 순환을 압축합니다. 실제로, 부분적으로 구조화된 입력을 제조 가능한 특징으로 변환합니다. 잠재적 위험을 표면화하고, 재료와 공정을 제안하며, 제약 조건을 조기에 표시할 수 있습니다. AI는 일반적으로 생산을 늦추는 마찰을 줄여, 더 적은 반복과 더 적은 폐기 부품 또는 자재로 개발 타임라인을 단축하고 있습니다. 프로세스가 더 자율적으로 변할 때 품질과 통제력이 높은 수준으로 유지되도록 어떻게 보장하나요? 한 가지 핵심 원칙은 품질 검사를 생산 프로세스의 가장 초기 단계로 이동시키는 것입니다. AI는 수백만 개의 기하학적 데이터 포인트를 분석하여 제조 가능성, 비용 및 최적의 공급업체 매칭을 결정하는 데 도움을 줄 수 있습니다. 이는 오랫동안 품질 관리 과정에서 위험에 대한 유일한 방어 수단이었던 인간의 성실함에만 의존하지 않고도 정밀성과 일관성을 제공합니다. 그렇다고는 하지만, 이러한 증강된 프로세스에는 여전히 인간을 루프에 포함시키는 것이 필요합니다. 우리는 AI를 배치하여 문제와 필요한 경우 대안을 식별하지만, 최종적인 개입 결정은 그 결정을 내릴 경험을 가진 인간 운영자에게 달려 있습니다. 우리는 특히 항공우주 및 국방과 같은 임무 중대 분야에서 인간이 루프에 포함되는 것이 품질 관리를 희생하지 않고 대규모 자동화를 허용하는 유일한 방법임을 확인합니다. 변동하는 제조 비용과 공급망 복잡성을 고려할 때, Xometry에서 AI 기반 동적 가격 책정은 어떻게 작동하나요? 제조 가격 책정은 본질적으로 가변적입니다. 모든 부품이 다르며, 비용은 재료, 생산 능력, 관세와 같은 외부 요인 및 기타 제약 조건에 따라 끊임없이 변동하기 때문입니다. 정적 가격 책정 모델은 그러한 환경에서 유지되지 않습니다. Xometry에서 동적 가격 책정은 학습 시스템입니다. 우리의 모델은 수백만 개의 과거 견적 데이터로 훈련되며 실제 생산 결과로 지속적으로 업데이트됩니다. 그 피드백 루프는 가격 책정을 현실에 기반하도록 유지합니다. 엔지니어가 CAD 파일을 업로드하면, 우리의 Instant Quoting Engine이 즉시 파일을 분석하고 가격에 영향을 미치는 외부 요인과 제약 조건에 대해 확인하여 수천 개의 파트너 네트워크에서 최적의 제조업체를 식별합니다.