Vaidy Raghavan, Chief Product & Technology Officer, Xometry – Intervju-serie

Vaidy Raghavan, Chief Product & Technology Officer, Xometry, er en erfaren global teknologileder og ingeniør som leder selskapets produkt- og teknologistrategi, med fokus på å skalle AI-drevne markedskapasiteter som kobler sammen bedriftskjøpere med leverandører av produksjon. Han bringer dypt ekspertise fra AI, supply chain management, SaaS og dataanalyse, etter å ha hatt ledende roller i selskaper som Wayfair, Microsoft (MSFT ) og Groupon, hvor han utviklet store digitale plattformer og markedsteknologier. Hos Xometry er han ansvarlig for å transformere komplekse produksjonsprosesser til intelligente, data-drevne systemer som forbedrer effisiens, motstandskraft og globalt markedtilknytning.

Xometry er en AI-drevet digital markedsplass som muliggjør at bedrifter kan bestille tilpassede produserte deler på forespørsel ved å koble sammen kjøpere med et globalt nettverk av godkjente leverandører over flere produksjonsmetoder, inkludert CNC-fresing, 3D-utskrift og sprøytestøping. Grunnlagt i 2013 og med hovedkontor i North Bethesda, Maryland, utnytter selskapet maskinlæring for å gi umiddelbar prisfastsettelse, levetidsestimater og leverandørmatching basert på lastede designfiler, og strømlinjeformer den tradisjonelt komplekse innkjøpsprosessen. Med tusenvis av leverandører og titusenvis av kjøpere over hele verden, spiller Xometry en sentral rolle i å modernisere produksjon ved å digitalisere markedskjeder og muliggjøre mer agile, distribuert produksjon i stor skala.

Du har hatt en fantastisk reise gjennom Microsoft, Groupon og Wayfair. Hva var tidlige erfaringer – personlige eller profesjonelle – som formet din interesse for teknologi, og hvordan ledet det deg til Xometry og verden av AI-drevet produksjon?

Mitt interesse for teknologi startet tidlig i min karriere. Jeg har alltid vært motivert av vanskelige utfordringer og sjansen til å bygge løsninger som faktisk flytter på nålene i den virkelige verden.

I de raskt bevegende bransjene hvor jeg har tilbragt min karriere, må man finne en balanse mellom å flytte raskt for å bringe en idé til live og bygge varige og effektive systemer. Produksjon eksemplifiserer dette godt. Det er en dyp fysisk og dyp analog bransje, men det driver også noen av våre mest innovative systemer. Xometry sitter på skjæringspunktet av all dette, hvor vi transformerer en tradisjonelt analog bransje til noe moderne med virkelig disiplin og klarhet på hvor vi er på vei neste. For meg er det en sjelden konvergens av tid og formål, og det er nettopp den type utfordring jeg har bygget mot hele min karriere.

Du har beskrevet produksjon som den siste “analoge bastionen”. Hva er noen av de største utfordringene AI løser i produksjon for øyeblikket?

Jeg beskriver produksjon som den siste “analoge bastionen” på grunn av dens strukturelle kompleksitet gitt produksjonslivets lengde og mengden håndover. For eksempel, under produksjon, arbeider design- og produksjonsingeniører sammen med innkjøp, sourcing, kvalitet, logistikk, etterleveringssamling og finansiell avklaring over hele markedskjeden, hvor hver fase introduserer nye risikoer og potensielle forsinkelser.

Hovedutfordringen er friksjon. På hver punkt i produksjonskjeden, er det forskjellige formater, systemer og noen ganger sogar enheter for måling. Ideer passerer gjennom håndover etter håndover, hvor hver enkelt blir et potensielt feilpunkt. Historisk sett, var den eneste måten å håndtere den risikoen manuell menneskelig gjennomgang.

AI skaper mest verdi for øyeblikket i å bekjempe denne friksjonen. Det fungerer som en koordinator i det fragmenterte systemet: det oppdager inkonsekvenser, matcher deler med riktige leverandører og dynamisk modellerer kostnader og levetider. Det bruker historiske produksjonsdata til å forutsi hvor problemer kan oppstå, og markerer dem raskt før tid og materialer går til spille.

Leverandører får tydeligere intensjon og færre overraskelser, noe som betyr at vi kan bygge tillit med vårt nettverk og hjelpe produsenter med å produsere de tingene vi trenger.

På hvilke måter har Xometry bygget tillit med leverandører og kjøpere for å adoptere AI-drevne arbeidsflyter?

I produksjon, er tillit vanskelig å oppnå gitt at innsatsen er høy, resultater er irreversibelt og skrotede materialer, mistede frister eller kvalitetsfeil kan bidra til økonomiske tap for et selskap. Derfor, på Xometry, tjener vi tillit ved å kontinuerlig levere pålitelighet og klarhet.

Leverandører og kjøpere avhenger av Xometry for hastighet og transparens. De vet at når de laster opp en CAD-fil, vil vår AI raskt analysere delene og generere estimater om priser og potensielle risikoer. Forutsigelsene er grunnlagt i virkelige produksjonsdata, som videre bygger på den påliteligheten og synligheten. Prisene reflekterer virkelige markedstilstander, og leverandører mottar kontinuerlige innsikter i hvordan de kan forbedre ytelsen og vokse sin forretning på plattformen. Systemet utfører også uavhengige kontroller for å fange inkonsekvenser. Når noe ikke stemmer overens, markerer vi det tidlig og holder teamene konstant informert.

Hvordan oversetter generativ AI produktideer til byggbare deler — og hva er effekten på utviklingstidslinjer?

Produksjon har alltid kjempet med gapet mellom intensjon og byggbart. Tidlige produktideer er ofte ufullstendige, og å oversette dem til produserte design krever flere håndover. Den prosessen er langsom og ofte utsatt for omarbeid, noe som skaper forsinkelser eller mangler.

Generativ AI komprimerer den løkken. I praksis oversetter det delvis strukturerte inndata til produserte funksjoner. Det kan surface potensielle risikoer, foreslå materialer og prosesser og markere begrensninger tidlig. AI reduserer friksjonen som vanligvis bremser ned produksjonen, og kutte utviklingstidslinjer med færre iterasjoner og færre skrotdele eller materialer.

Hvordan sikrer du at kvalitet og kontroll forblir høye når prosessene blir mer autonome?

En nøkkelprinsipp er å flytte kvalitetskontroller til den tidligste delen av produksjonsprosessen. AI kan analysere millioner av geometriske datapunkter for å hjelpe det med å bestemme mulighet for produksjon, kostnad og beste leverandørmatch. Dette leverer presisjon og konsistens uten å måtte avhenge av menneskelig flid alene, som lenge har vært den eneste forsvarsmekanismen for risiko under kvalitetskontrollprosessen.

Det er likevel nødvendig å holde et menneske i løkken for disse forsterkede prosessene. Vi setter AI til å identifisere problemer og alternativer når det er nødvendig, men den endelige avgjørelsen for inngripen ligger hos menneskelige operatører som har erfaringen til å ta disse avgjørelsene.

Vi ser dette spesielt i kritiske sektorer som romfart og forsvar, hvor å ha et menneske i løkken er den eneste måten å tillate automatisering i stor skala uten å ofre kvalitetskontroll.

Hvordan fungerer AI-drevet dynamisk prising hos Xometry, gitt variable produksjonskostnader og markedskompleksiteter?

Produksjonspriser er innebygget variable fordi hver del er forskjellig, og kostnadene skifter konstant basert på materialer, kapasitet, eksterne faktorer som toll og andre begrensninger. Statiske prismodeller holder ikke i den miljøet.

Hos Xometry, er dynamisk prising et lærende system. Våre modeller er trent på millioner av historiske tilbud og kontinuerlig oppdatert med virkelige produksjonsresultater. Denne tilbakemeldingsløkken holder prisingen grunnlagt i virkeligheten.

Når ingeniører laster opp en CAD-fil, analyserer vår Instant Quoting Engine umiddelbart filen og sjekker den mot eksterne faktorer og begrensninger som påvirker prising for å identifisere den beste produsenten fra vårt nettverk av tusenvis av partnere.