Ади Батла, генеральный директор и основатель Revv – Интервью

Ади Батла, генеральный директор и основатель Revv, является продукто-ориентированным оператором и лидером инноваций, базирующимся в Нью-Йорке, который построил свою карьеру на пересечении технологий, системного мышления и масштабирования. До основания Revv он возглавлял инициативы по продукту и цифровому опыту клиентов в высокорастущих коммерческих компаниях, помогал запускать новые бизнес-линии внутри крупных корпоративных платформ, проводил исследования по искусственному интеллекту и коллективному интеллекту в MIT Sloan, и ранее в своей карьере возглавлял команды по проектированию космических систем, связанных с программами исследований NASA.

Revv – это платформа для ремонта автомобилей, работающая на основе искусственного интеллекта, ориентированная на упрощение калибровки и диагностики систем помощи водителю (ADAS) для ремонтных мастерских и центров технического обслуживания. Объединяя документацию уровня производителя, интеллектуальные рабочие процессы и глубокие интеграции с существующими системами мастерских и оценки, Revv помогает центрам ремонта сократить ручные исследования, улучшить соблюдение требований и безопасность, и превратить все более сложные требования к калибровке в масштабируемые, основанные на данных операции. По мере того, как автомобили становятся более программно-определенными, Revv позиционирует себя как основная инфраструктура для современных ремонтных процессов по всей Северной Америке.

Ваше раннее знакомство с автомобильной промышленностью, rõчно, сформировало ваш путь. Можете ли вы поделиться конкретным моментом из того времени, который заставил вас понять, что эта область нуждается в решении на основе искусственного интеллекта?

Был один телефонный звонок, который полностью изменил мое представление об отрасли. Владелец мастерской позвонил мне в панике: он отремонтировал машину, но система изменения полосы движения не сработала после этого, и он был напуган перспективой быть привлеченным к суду. Этот момент заставил меня глубже изучить системы ADAS, и я понял, что эта невидимая сложность является огромной проблемой, которую мастерские не могут решить самостоятельно. Поскольку ремонты ADAS не были очевидными, как вмятина или царапина, было легко их упустить из виду. Техники тратили 3-4 часа только на документирование работы и поиск процедур ремонта, как будто они искали иголку в стоге сена. Тогда я понял, что ИИ может разрезать все это шум и дать техникам именно то, что им нужно, за секунды вместо часов.

Ваше время, проведенное на исследованиях по искусственному интеллекту и коллективному интеллекту в MIT, и ранее системная работа в NASA, подвергли вас воздействию сложных, критических для безопасности сред. Как эти переживания напрямую повлияли на ваше решение основать Revv и сосредоточиться на калибровке транспортных средств как на программной проблеме?

Мои переживания в NASA и MIT научили меня, что для того, чтобы построить и быть успешным предпринимателем, нужно просто учиться быстро и окружать себя правильными экспертами. Этот настрой привел меня к уверенности в том, что я могу войти в отрасль, о которой я знал очень мало, и бросить вызов традиционным методам.

Когда я начал проводить время в автосервисах, я увидел, что техники тонут в руководствах, пытаясь откалибровать датчики, которые контролируют, может ли машина тормозить правильно или оставаться в полосе. Это напомнило мне о критических для безопасности средах, с которыми я столкнулся в NASA, где точность является ключом. Это спасающая жизнь технология, но мастерские управляли ею с помощью бумажных процедур и устаревших систем. Я быстро понял, что это программная проблема, замаскированная под механическую. Машины стали компьютерами на колесах, но инфраструктура для обслуживания их не поспевала. Это привело меня обратно к предпринимательскому настроению, которое я разработал в MIT и NASA, и это то, как мы построили Revv: объединив свежий взгляд постороннего с глубоким опытом техников, которые действительно выполняют работу.

До Revv вы возглавляли инициативы по продукту и инновациям в Jet и Walmart (WMT ) в огромном масштабе. Какие уроки из построения продуктов с нуля в коммерции были наиболее актуальными, когда вы проектировали программное обеспечение для экосистемы автомобильного ремонта?

Самый большой урок, который я выучил из своего времени в Walmart, заключался в том, чтобы встречать пользователей там, где они есть, а не там, где вы хотите, чтобы они были. Я строил для поставщиков и производителей, которые не были технически подкованы и делали вещи одинаково в течение десятилетий. Вы не можете попросить их заменить всю свою систему. Вместо этого вы встраиваете свою экспертизу в их существующие рабочие процессы, так что им не нужно поднимать палец вне того, что они уже делают.

Это стало整个 тезисом Revv. Мы интегрируемся с существующими инструментами и программным обеспечением мастерских, работаем в фоновом режиме и доставляем информацию без нарушения того, что уже является мышечной памятью для них. Но я также перенес то, что я узнал в Jet, о талантах: игроки уровня А привлекают игроков уровня А, и вам нужно быть одержимым построением правильной команды с первого дня. Я укоренил эту практику найма в Revv, потому что ни одна из работ, которые мы делаем, не была бы возможна без команды всех звезд, которую мы построили.

Автомобильный ремонт – одна из крупнейших, но наименее модернизированных отраслей в США. Когда вы впервые начали строить Revv, какое сопротивление или скептицизм вы встретили, и как вы преодолели его?

Сопротивление изначально было огромной проблемой, потому что мастерские делали вещи одинаково более 40 лет, и изменение является неудобным. Но вот что сработало: я не просто представил им программное обеспечение, я обязался понять каждую отдельную боль. Я раздал карты с моим номером телефона и сказал: “Если у вас есть проблема, позвоните мне”. И они позвонили. Я потратил годы на построение этой базы данных доверия и знаний.

Прорыв произошел, когда мы показали им, что мы не просим их заменить свои системы или изменить то, как они работают. Мы построили Revv, чтобы интегрироваться напрямую в их существующее программное обеспечение и рабочие процессы, работать в фоновом режиме и доставлять то, что им нужно, без нарушения их текущих процессов. Как только мастерские увидели, что мы действительно понимаем их мир и делаем их работу проще, а не сложнее, скептицизм начал исчезать.

Revv позиционирует себя как операционная система для программно-определенных транспортных средств, а не как отдельное решение. Что означает быть операционной системой в практическом смысле для мастерских по калибровке и сетей ремонта?

Это означает, что мы не просто решаем одну проблему, мы становимся инфраструктурой, которая питает их весь рабочий процесс ADAS. Машина въезжает в бокс, Revv подключается к их существующим инструментам, извлекает данные напрямую из базы производителя и доставляет полный пакет технику за секунды. Это дает им пошаговые инструкции по ремонту, каждую необходимую калибровку, документацию производителя и пакет претензий, готовый к отправке в страховую компанию.

Мы эволюционируем от системы учета к системе действий, не только сообщая им, что нужно сделать, но и выполняя административную работу за них. К 2025 году более 74% наших пользователей принимают наши новые продукты, потому что они видят нас как единую платформу, которая обрабатывает их всю операцию ADAS от начала до конца. Это соответствует тому, что мы видим на уровне отрасли. Наш недавний бенчмарк-обзор ADAS из 300 профессионалов автосервиса показал, что внутренние калибровки должны вырасти с 57% до 64% в течение следующих двух лет.

Машины теперь являются катящимися компьютерами, наполненными датчиками, камерами и программными зависимостями. Где человеческие техники сталкиваются с наибольшими трудностями сегодня, и как ИИ существенно поддерживает их принятие решений, не отнимая у них контроль?

Техники сталкиваются с наибольшими трудностями с административным бременем, которое теперь сопровождает современные ремонты. От калибровки датчиков до отслеживания руководств производителя и составления отчетов, готовых для страховщиков, каждый шаг должен быть исследован, задокументирован и одобрен, превращая ручную работу в работу, наполненную бумагами. Каждая оценка имеет 100-200 позиций, и каждая из них имеет эффект домино. В 2023 году средний ремонт требовал две-три калибровки. Теперь это более пяти. Техники тратят три-четыре часа только на документирование работы и поиск процедур, но с Revv и ИИ этот процесс сокращается до трех-пяти минут.

ИИ Revv обрабатывает всю эту сложность в фоновом режиме, подключаясь напрямую к данным производителя, определяя каждую необходимую калибровку и доставляя пошаговые инструкции. Мы обработали более 300 000 ремонтов, и более 5 000 клиентов сейчас используют платформу. Для документации техники могут отправить фотографии, и Revv генерирует весь отчет, готовый для страховщиков, автоматически. Наша платформа флаги потенциально пропущенные шаги и автоматизирует повторяющуюся работу, но техник остается полностью контролирующим, принимая решение без административного бремени.

Модели Revv обучены на сотнях тысяч реальных событий ремонта. Как вы обеспечиваете качество данных, точность и соблюдение требований, когда рекомендации ИИ напрямую связаны с критическими для безопасности результатами?

Для нас качество данных и точность начинаются с основания ИИ в реальном опыте ремонта, с моделями, построенными непосредственно на основе выводов из опытных техников из нескольких регионов и типов транспортных средств.

Мы также строим непрерывные обратные связи, чтобы техники могли проверить рекомендации ИИ в реальном времени. Каждая калибровка и процедура проверяется против точных руководств производителя и технической документации для конкретного транспортного средства. С базой данных более 300 000 ремонтов из двух стран наша платформа продолжает учиться и совершенствоваться, а техники остаются контролирующими на протяжении всего процесса.

Revv работает с калибраторами, сетями ремонта, страховщиками и системами производителей. Как вы проектируете платформу ИИ, которая создает доверие и ценность для заинтересованных сторон с очень разными стимулами?

Мы думаем о Revv как о связующем тканевом элементе между техниками, страховщиками и потребителями, поэтому мы работаем над тем, чтобы удовлетворить все их коллективные потребности.

Для техников мы экономим часы административного времени, помогая им захватить пропущенный доход, определяя калибровки, которые могли бы ускользнуть. Страховщики получают более быстрые одобрения, точную документацию и меньше споров. Потребители получают свои машины быстрее и безопаснее, потому что мы гарантируем, что каждая необходимая калибровка фактически выполнена.

По мере того, как транспортные средства продолжают эволюционировать в полностью программно-определенные платформы, как выглядит успех для Revv через три года, и какие возможности необходимо разработать для ремонта инфраструктуры, чтобы идти в ногу?

Чтобы идти в ногу, мастерским понадобятся внутренние возможности, пайплайн следующего поколения технических талантов и сильная сеть сотрудничества, чтобы гарантировать, что каждый ремонт точен и эффективен. К 2029 году регулирования потребуют, чтобы все новые модели автомобилей имели аварийное торможение, и мастерские начинают видеть, сколько ценности приносит им проведение внутренних калибровок для их бизнеса. В нашем недавнем обзоре 74% профессионалов автосервиса теперь сообщают, что ADAS является генератором прибыли, и 60% считают рост доходов ADAS “очень важным” или “крайне важным”.

Что мы уже видим, так это то, что калибровка ADAS становится своей собственной категорией, с новыми специалистами, появляющимися каждый месяц, и реальным бизнес-импульсом, строящимся вокруг нее. Когда мы смотрим вперед, мы видим Revv как основу этой всей экосистемы. Это означает, что платформа становится стандартом во всех мастерских по столкновениям, давая техникам, страховщикам и потребителям единую систему для управления и доставки безопасных, соответствующих калибровкам в масштабе. Мы строим инфраструктуру, которая определяет, как программно-управляемые транспортные средства ремонтируются, и в конечном итоге мы устанавливаем стандарты, которые будут формировать будущее отрасли.

Для основателей, которые вводят ИИ в глубоко укоренившиеся, традиционно аналоговые отрасли, какие общие ошибки вы видите, и какие предположения вам лично пришлось разучить, масштабируя Revv?

Что-то, что я узнал рано, – это то, чтобы разрезать шум и сосредоточиться на проблеме сначала, а не на решении. Легко увлечься ажиотажем и начать строить что-то впечатляющее, но это часто превращается в решение в поисках проблемы.

Что имеет значение, – это найти проблему, которую клиенты фактически испытывают каждый день. Предположение, которое мне пришлось разучить, было то, что лучшая технология сама по себе выиграет. Я недооценил, насколько укоренились рабочие процессы в этой отрасли. Когда мы начали строить Revv в 2022 году, я провел время в мастерских с техниками, чтобы увидеть их рабочие процессы вблизи и понять, что их сдерживает. Это научило меня, что реальные изменения приходят не от внедрения блестящей технологии или убеждения мастерских принять новый способ делать вещи. Это приходит от встраивания вашего решения так безупречно в их существующий рабочий процесс, что им не нужно ничего менять. Вы не просите их измениться, вы делаете их текущий способ лучше.