Gaurav Bubna, Co-Fundador da NextBillion.ai – Série de Entrevistas

Gaurav Bubna é o Co-Fundador da NextBillion.ai, uma plataforma de mapeamento construída para empresas. Ele trabalhou anteriormente com empresas como Grab, Ola e ZLemma (adquirida pela Hired.com)

O que o atraiu inicialmente para a ciência da computação e o aprendizado de máquina?

Even quando eu estava na escola, eu sempre fui atraído pela matemática e por qualquer pequeno pedaço de programação que eu pudesse fazer na época. Assim, quando fui para a faculdade, estudar ciência da computação pareceu uma extensão natural. O aprendizado de máquina foi mais um “gosto adquirido” ao longo dos anos. Eu amei a combinação de aspectos práticos e do mundo real, como big data e a capacidade de aplicá-lo a uma variedade de aplicações do mundo real, bem como os aspectos teóricos, como a teoria da probabilidade, que eu sempre achei fascinante.

Antes de fundar a NextBillion.ai, você foi um membro fundador da equipe de produtos de mapas da Grab, onde você ajudou a escalar a equipe de 10 membros para 300+ em um período de ~2,5 anos. Quais foram algumas das lições-chave que você tirou dessa experiência?

Uma lição-chave que eu aprendi foi que, embora cada país em que a Grab operava fizesse parte do “Sudeste Asiático”, na prática, eles eram todos muito diferentes. As soluções que realmente funcionavam foram construídas de uma maneira que elas pudessem ser personalizadas para cada negócio, cada país e, às vezes, até mesmo diferentes cidades dentro do mesmo país. A maioria dos produtos não é construída dessa maneira, e é muito difícil equilibrar a capacidade de escalar rapidamente, mas ainda assim construir produtos personalizados para cada caso de uso. Acho que esse equilíbrio é uma lição-chave que eu aprendi durante meu tempo lá.

Pode compartilhar a história de criação por trás da NextBillion.ai?

Nós investimos em soluções de mapeamento que eram especificamente necessárias para a Grab, mas não algo que os mapas centrados no consumidor, como o Google (GOOGL ), fossem construídos para suportar. Com o tempo, conseguimos ter um impacto massivo para a Grab, tanto em termos de economia de unidades quanto de forte diferenciação competitiva. E, embora a Grab estivesse em uma posição privilegiada para investir tanto em seus mapas, a maioria das outras empresas não poderia fazer isso (porque não haviam levantado tanto capital). Então, vimos uma oportunidade para tirar alguns de nossos conhecimentos e construir uma plataforma para empresas globais.

A NextBillion.ai é a primeira plataforma de mapeamento descentralizada e personalizável do mundo para empresas. Quais são alguns dos benefícios para as empresas usarem uma plataforma descentralizada em comparação com opções populares, como o Google Maps?

Para empresas de transporte, logística e comércio eletrônico, habilitamos uma melhor economia de unidades, um custo por entrega mais baixo e uma melhor utilização de ativos. Dada a natureza “tamanho único” das opções, como o Google Maps, esses ganhos de negócios simplesmente não são possíveis. Para outras empresas de software B2B, elas frequentemente não conseguem atender a muitas necessidades dos clientes devido a essas limitações de “tamanho único”. Nós desbloqueamos mais casos de uso, permitindo mais receita e oportunidades de crescimento.

O Google Maps tem limites no número de APIs que podem ser usadas, quais são os limites com a NextBillion.ai em comparação?

Este é um ótimo exemplo de um de nossos diferenciais. Nós oferecemos modelos comerciais extremamente flexíveis para nossos clientes, incluindo pacotes de chamadas de API ILIMITADAS, suporte a até 20x mais throughput e 5x menos latência do que as melhores alternativas disponíveis.

Como o sistema usa a IA para monitorar a previsão de oferta e demanda em um nível de localidade?

Nossas APIs são usadas para permitir um despacho melhor e mais eficiente, mudanças de preços mais precisas, incluindo preços de surto, o que, por sua vez, tem um impacto direto no desequilíbrio entre oferta e demanda em níveis muito micro, como localidades.

Para serviços de transporte, pode discutir como a IA pode prever o tráfego para fornecer uma melhor consistência de tarifa e ganhos?

Os motoristas nessas plataformas olham para o tempo como dinheiro. Cada hora que eles passam dirigindo, eles querem alguma garantia de que eles ganharão $X no final disso. Na prática, devido a previsões de tempo e distância imprecisas das APIs de mapeamento, há uma flutuação massiva na quantidade de dinheiro que um motorista ganha por unidade de tempo gasto, em diferentes rotas, horas do dia e dias da semana. Nossa IA leva em conta o comportamento de direção passado, padrões de tráfego na cidade e sugere rotas e tráfego extremamente precisos. Isso permite preços extremamente precisos para nossos clientes e, por sua vez, ganhos muito mais previsíveis para seus motoristas.

Quais são outros casos de uso comuns que a NextBillion.ai habilita para empresas?

Nós habilitamos uma ampla gama de cenários de entrega e comércio eletrônico, como entrega de comida, compras de supermercado e entregas de comércio eletrônico. Nós também habilitamos serviços de resposta a emergências, como ambulâncias, a ter tempos de chegada mais rápidos, forças policiais a patrulhar de forma eficiente para taxas de crime reduzidas e coletas de lixo eficientes. Nós também alimentamos outros casos de uso por trás dos panos que tornam possíveis alguns desses casos de uso comuns – por exemplo, rotas de caminhão que trazem seus pedidos de comércio eletrônico para o seu hub de entrega mais próximo.

Há algo mais que você gostaria de compartilhar sobre a NextBillion.ai?

Nós acreditamos que a maioria das empresas ainda não reconhece que os mapas não são apenas uma coisa de tecnologia legal, mas que podem impulsionar centenas de milhões de dólares em impacto de negócios a partir da mesma base de ativos ou suprimentos. Parte do que esperamos alcançar como empresa é avançar o estado da indústria em si. Se, nos próximos anos, pudermos ajudar muitas mais empresas a reconhecer o valor dos dados espaciais, mesmo que elas não trabalhem diretamente conosco, consideraríamos nossa missão parcialmente realizada.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar NextBillion.ai.