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?

Mesmo quando estava na escola, eu sempre fui atraído pela matemática e pelos pequenos pedaços de programação que eu podia fazer na época. Portanto, quando fui para a faculdade, estudar ciência da computação pareceu uma extensão natural. O aprendizado de máquina foi mais de 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-los a uma variedade de aplicações do mundo real, bem como os aspectos teóricos, como a teoria da probabilidade, que sempre me fascinou.

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 bem foram construídas de uma maneira que elas pudessem ser personalizadas para cada negócio, cada país e, às vezes, até mesmo para 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. Eu acho que esse equilíbrio é uma lição-chave que eu aprendi durante meu tempo lá.

Pode compartilhar a história 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, foram construídos para suportar. Com o tempo, nós fomos capazes de impulsionar um impacto massivo para a Grab, tanto em termos de economia de unidade para a Grab, quanto em termos 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 elas não haviam levantado tanto capital). Então, nós vimos uma oportunidade de levar alguns de nossos conhecimentos e construir uma plataforma para empresas globalmente.

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 transportes, logística e empresas de comércio eletrônico, nós habilitamos uma melhor economia de unidade, 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, habilitando 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?

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

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

Nossas APIs são usadas para habilitar um despacho melhor e mais eficiente, mudanças de preços mais precisas, incluindo preços de surto, que por sua vez têm um impacto direto no desequilíbrio de 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 veem o tempo como dinheiro. Cada hora que eles gastam dirigindo, eles querem alguma garantia de que eles vão ganhar $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. A nossa IA leva em conta o comportamento de direção passado, padrões de tráfego na cidade e sugere rotas e tráfego extremamente precisos. Isso habilita preços extremamente precisos para nossos clientes e, por sua vez, ganhos muito mais previsíveis para seus motoristas.

Quais são outros casos de uso do dia a dia 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, para ter tempos de chegada mais rápidos, forças policiais para habilitar patrulhamento eficiente para taxas de crime reduzidas e coleta de lixo eficiente. Nós também alimentamos outros casos de uso por trás dos cenários que tornam alguns desses casos de uso do dia a dia possíveis – por exemplo, rotas de caminhão que trazem seus pedidos de comércio eletrônico para o seu hub de cumprimento 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 eles podem impulsionar centenas de milhões de dólares de impacto de negócios a partir da mesma base de suprimentos ou ativos. Parte do que nós esperamos alcançar como uma empresa é avançar o estado da indústria em si. Se, nos próximos anos, nós pudermos ajudar muitas mais empresas a reconhecer o valor dos dados espaciais, mesmo que elas não trabalhem diretamente conosco, nós consideraríamos nossa missão parcialmente realizada.

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