Adi Bathla, CEO og grunnlegger av Revv – Intervju-serie

Adi Bathla, CEO og grunnlegger av Revv, er en produkt-drevet operatør og innovasjonsleder basert i New York som har bygget sin karriere på交 setzen av teknologi, systemtenkning og skala. Før han grunnla Revv, ledet han produkt- og digitale kundeopplevelse-initiativer i høyvoksende handelsbedrifter, hjalp til å lansere nye forretningslinjer innenfor store entrepriseplattformer, utførte forskning på kunstig intelligens og kollektiv intelligens ved MIT Sloan, og tidligere i sin karriere ledet han prisvinnende romsystemdesignlag som var koblet til NASA-forskningsprogrammer.

Revv er en AI-drevet bilreparasjonsplattform som fokuserer på å forenkle ADAS-kalibrering og diagnostikk for kollisjons- og mekaniske reparasjonsverksteder. Ved å kombinere OEM-gradert dokumentasjon, intelligente arbeidsflyter og dypt integrasjon med eksisterende verksted- og estimasjonssystemer, hjelper Revv reparasjonsverkstedene med å redusere manuell forskning, forbedre overholdelse og sikkerhet, og omdanne stadig mer komplekse kalibreringskrav til skalerbare, data-drevne operasjoner. Ettersom kjøretøyene blir mer programvare-definert, posisjonerer Revv seg som core-infrastruktur for moderne reparasjonsarbeidsflyter over hele Nord-Amerika.

Din tidlige eksponering for bilreparasjonsindustrien synes å ha formet din vei. Kan du dele en spesifikk øyeblikk fra den tiden som gjorde deg realisere at dette området trengte en AI-drevet løsning?

Det var dette ene telefonoppretten som fullstendig endret min syn på industrien. En verkstedseier ringte meg i panikk: han hadde reparert en bil, men lane-endringsystemet feilfunksjonerte etterpå, og han var redd for å bli saksøkt. Det øyeblikket gjorde meg til å se nærmere på ADAS-systemer, og jeg realiserte at denne usynlige kompleksiteten var et massivt problem som verkstedene ikke kunne løse på egen hånd. Ettersom ADAS-reparasjoner ikke var åpenbare som en skade eller en skramme, var det lett for dem å gå ubemerket. Teknikerne brukte 3-4 timer bare på å dokumentere arbeid og finne reparasjonsprosedyrer, som om de lette etter en nål i en høystak. Da visste jeg at AI kunne kutte gjennom all støy og gi teknikerne eksakt det de trengte på noen sekunder i stedet for timer.

Din tid som arbeidet med AI og kollektiv intelligens-forskning ved MIT og tidligere systemnivå-arbeid ved NASA eksponerte deg for komplekse, sikkerhetskritiske miljøer tidlig. Hvordan påvirkte disse erfaringene direkte din beslutning om å grunnlegge Revv og fokusere på kjøretøy-kalibrering som et programvare-problem?

Mine erfaringer ved NASA og MIT lærte meg at for å bygge og være en suksessfull entrepreneur, må man bare lære raskt og omgi seg med de riktige ekspertene. Denne mentaliteten ga meg selvtiliten til å gå inn i en bransje jeg visste svært lite om og utfordre måten ting hadde tradisjonelt blitt gjort.

Da jeg begynte å tilbringe tid i bilverksteder, så jeg teknikerne druknet i manualer, prøvde å kalibrere sensorer som kontrollerer om en bil kan bremse korrekt eller holde seg i sin lane. Det minnet meg om de sikkerhetskritiske miljøene jeg hadde blitt eksponert for ved NASA, hvor presisjon er nøkkel. Dette er livsreddende teknologi, men verkstedene håndterte det med papirprosedyrer og utdaterte systemer. Jeg realiserte raskt at dette var et programvare-problem forkledd som et mekanisk ett. Biler hadde blitt datamaskiner på hjul, men infrastrukturen for å betjene dem hadde ikke holdt tritt. Det bragte meg tilbake til den entreprenørielle mentaliteten jeg utviklet ved MIT og NASA, og det er hvordan vi bygget Revv: ved å kombinere en outsiders ferske perspektiv med dypt ekspertise fra teknikerne som faktisk gjorde arbeidet.

Før Revv, ledet du produkt- og innovasjonsinitiativer ved Jet og Walmart (WMT ) i enorm skala. Hva lærte du fra bygging av 0→1-produkter i handel som gikk over til å designe programvare for bilreparasjons-økosystemet?

Den største lærdommen jeg lærte fra min tid ved Walmart var om å møte brukerne der de er, ikke der du ønsker at de skal være. Jeg bygget for leverandører og produsenter som ikke var teknisk kyndige og hadde gjort ting på samme måte i tiår. Du kan ikke be dem om å erstatte hele systemet. I stedet integrerer du din ekspertise i deres eksisterende arbeidsflyter så de ikke må løfte en finger utenfor det de allerede gjør.

Det ble Revvs hele tese. Vi integrerer med verkstedets eksisterende verktøy og programvare, kjører i bakgrunnen og leverer innsikt uten å forstyrre det som allerede er muskelminne for dem. Men jeg tok også med meg hva jeg lærte ved Jet om talent: A-spillere bringer A-spillere, og du må være besatt av å bygge det riktige teamet fra dag én. Jeg innarbeidet dette som vår rekrutteringspraksis ved Revv, fordi ingen av arbeidet vi gjør ville være mulig uten teamet av stjerner vi har bygget.

Bilreparasjon er en av de største, men minst moderniserte industrier i USA. Da du først begynte å bygge Revv, hvilken motstand eller skepsis møtte du, og hvordan overvant du det?

Motstanden i begynnelsen var en stor utfordring fordi verkstedene hadde gjort ting på samme måte i over 40 år, og endring er ubehagelig. Men her er hva som fungerte: Jeg håndterte ikke bare programvare, jeg viet meg til å forstå hver enkelt smertepunkt. Jeg delte ut kort med min telefonnummer og sa: “hvis du har et problem, ring meg.” Og de gjorde det. Jeg tilbrakte år med å bygge denne databasen av tillit og kunnskap.

Gjennombruddet var å vise dem at vi ikke ba dem om å erstatte sine systemer eller endre måten de arbeidet på. Vi bygget Revv for å integrere direkte i deres eksisterende programvare og arbeidsflyter, kjører i bakgrunnen og leverer hva de trenger uten å forstyrre deres nåværende prosesser. Når verkstedene så at vi faktisk forstod deres verden og gjorde jobben deres enklere, ikke vanskeligere, begynte skepsisen å forsvinne.

Revv posisjonerer seg som et operasjonssystem for programvare-definerte kjøretøy i stedet for en enkelt løsning. Hva betyr det å være et operasjonssystem i praktisk forstand for kalibreringsverksteder og reparasjonsnettverk?

Det betyr at vi ikke bare løser ett problem, men blir infrastrukturen som driver deres hele ADAS-arbeidsflyt. En bil kommer inn i båsen, Revv kobler seg til deres eksisterende verktøy, henter data direkte fra produsenten og leverer en komplett pakke til teknikerne på noen sekunder. Det gir dem trinn-for-trinn reparasjonsinstruksjoner, hver påkrevd kalibrering, originalt produsentdokumentasjon og kravpakken klar til å sende til forsikringsselskapet.

Vi utvikler oss fra et system for å registrere til et system for handling, ikke bare fortelle dem hva som må gjøres, men håndtere den administrative arbeidet for dem. Innen 2025, har over 74% av våre brukere adoptert våre nye produkter fordi de ser på oss som den eneste plattformen som håndterer deres hele ADAS-operasjon fra ende til ende. Dette stemmer overens med hva vi ser industrien rundt. Vår nylige ADAS-benchmark-undersøkelse av 300 autobody-profesjonelle fant at interne kalibreringer forventes å øke fra 57% til 64% over de neste to årene.

Biler er nå rullende datamaskiner pakket med sensorer, kameraer og programvare-avhengigheter. Hvor sliter menneskelige teknikerer mest i dag, og hvordan støtter AI deres beslutningsprosesser uten å ta kontrollen fra dem?

Teknikerne sliter mest med den administrative byrden som nå følger med moderne reparasjoner. Fra kalibrering av sensorer til å spore opp produsentmanualer og sette sammen forsikringsklare rapporter, må hver enkelt steg forskes, dokumenteres og godkjennes, og omdanne en hånd-til-hånd-jobb til en jobb fylt med papirarbeid. Hver estimat har 100-200 linje-elementer, og hver enkelt har en rippleffekt. Tilbake i 2023, krevde gjennomsnittlig reparasjon to til tre kalibreringer. Nå er det over fem. Tekniserer bruker tre til fire timer bare på å dokumentere arbeid og jakte på prosedyrer, men med Revv og AI, synker prosessen til tre til fem minutter.

Revv sin AI prosesserer all kompleksitet i bakgrunnen, kobler seg direkte til produsentdata, identifiserer hver påkrevd kalibrering og leverer trinn-for-trinn-instruksjoner. Vi har prosessert over 300 000 reparasjoner, med over 5 000 kunder som nå bruker plattformen. For dokumentasjon kan teknikerne sende inn bilder og Revv genererer hele forsikringsklare rapporten automatisk. Vår plattform markerer potensielle manglende steg og automatiserer det repetitive arbeidet, men teknikerne beholder full kontroll over beslutningene uten den administrative byrden.

Revv sine modeller er trent på hundredtusener av virkelige reparasjonsbegivenheter. Hvordan sikrer du datakvalitet, nøyaktighet og overholdelse når AI-anbefalinger er direkte knyttet til sikkerhetskritiske resultater?

For oss, starter datakvalitet og nøyaktighet med å grunnlegge AI i virkelige reparasjons-erfaringer, med våre modeller bygget direkte på innsikt fra erfarne teknikerer over flere regioner og kjøretøytyper.

Vi bygger også inn kontinuerlige tilbakemeldingsløkker, så teknikerne kan validere AI-anbefalinger i sanntid. Hver kalibrering og prosedyre blir kontrollert mot de eksakte OEM-manualene og tekniske dokumentasjonen for et bestemt kjøretøy. Med en database på over 300 000 reparasjoner fra to land, lærer og forbedrer vår plattform seg, mens teknikerne beholder kontrollen gjennom hele prosessen.

Revv fungerer over kalibratorer, reparasjonsnettverk, forsikringsselskaper og OEM-systemer. Hvordan designer du en AI-plattform som skaper tillit og verdi over stakeholdere med svært forskjellige incitamenter?

Vi tenker på Revv som bindeleddet mellom teknikerne, forsikringsselskapene og kundene, så vi arbeider for å møte alle deres kollektive behov.

For teknikerne, sparer vi timer med administrativt arbeid mens vi hjelper dem å fange opp manglende inntekter ved å identifisere kalibreringer som ville ha glidd gjennom språket. Forsikringsselskapene får raskere godkjenninger, nøyaktig dokumentasjon og færre uenigheter. Kundene får bilene sine tilbake tryggere og raskere fordi vi sikrer at hver påkrevd kalibrering faktisk er fullført.

Ettersom kjøretøyene fortsetter å utvikle seg til fullt programvare-definerte plattformer, hva ser suksess ut som for Revv tre år fra nå, og hva kapasiteter må reparasjons-infrastrukturen utvikle for å holde tritt?

For å holde tritt, må verkstedene ha interne kapasiteter, en pipeline av neste-generasjons teknisk talent og en sterk samarbeidsnettverk for å sikre at hver reparasjon er nøyaktig og effektiv. Innen 2029, vil reguleringer kreve at alle nye bilmodeller har nødbremsing, og verkstedene begynner å se hvordan mye verdi det å gjøre interne kalibreringer bringer til deres forretninger. I vår nylige undersøkelse, rapporterer 74% av autobody-profesjonelle nå ADAS som en inntektsgenerator, med 60% som betrakter å øke ADAS-inntekt som “svært viktig” eller “ekstremt viktig”.

Hva vi allerede ser, er at ADAS-kalibrering blir sin egen kategori, med nye spesialister som oppstår hver måned og virkelig forretningsmomentum bygges opp rundt det. Ettersom vi ser fremover, ser vi Revv som ryggraden i dette hele økosystemet. Det betyr at plattformen blir standarden over hele collision-verkstedene, og gir teknikerne, forsikringsselskapene og kundene ett forent system for å håndtere og levere trygge, overholdelige kalibreringer i skala. Vi bygger infrastrukturen som definerer hvordan programvare-drevne kjøretøy repareres, og til slutt, setter vi standardene som vil forme industrien fremtid.

For gründere som bringer AI inn i dypt etablerte, tradisjonelt analoge industrier, hva vanlige feil ser du, og hva antagelser måtte du personlig avlæres mens du skalerte Revv?

Noe jeg lærte tidlig var å kutte gjennom støyen og fokusere på problemet først, ikke løsningen. Det er lett å bli fanget opp i buzz-en og begynne å bygge noe imponerende, men det blir ofte til en løsning på jakt etter et problem.

Hva som betyr noe, er å finne problemet som kundene faktisk opplever hver dag. Antagelsen jeg måtte avlære, var å tro at bedre teknologi alene ville vinne. Jeg undervurderte hvor sterkt arbeidsflytene er i denne industrien. Når vi startet Revv i 2022, tilbrakte jeg tid i verksteder med teknikerne for å se deres arbeidsflyt tett på og forstå hva som holdt dem tilbake. Dette lærte meg at virkelig endring kommer ikke fra å implementere imponerende teknologi eller overtale verkstedene til å adoptere en ny måte å gjøre ting på. Det kommer fra å integrere din løsning så seamless i deres eksisterende arbeidsflyt at de ikke må endre noe. Du ber dem ikke om å endre, du gjør deres nåværende måte bedre.