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

Vaidy Raghavan, Chief Product & Technology Officer, Xometry, är en erfaren global teknisk chef och ingenjör som leder företagets produkt- och teknikstrategi, med fokus på att skala upp AI-drivna marknadsplatser som kopplar samman företagsköpare med tillverkningsleverantörer. Han har djup kunskap inom AI, supply chain-hantering, SaaS och dataanalys, efter att tidigare ha haft seniora ledningsroller i företag som Wayfair, Microsoft och Groupon, där han utvecklade storskaliga digitala plattformar och marknadsplatsteknologier. På Xometry ansvarar han för att omvandla komplexa tillverkningsflöden till intelligenta, data-drivna system som förbättrar effektivitet, motståndskraft och global supply chain-anslutning.

Xometry är en AI-driven digital marknadsplats som möjliggör för företag att källa tillverkade delar på begäran genom att koppla samman köpare med en global nätverk av godkända leverantörer över flera produktionsmetoder, inklusive CNC-bearbetning, 3D-utskrifter och formsprutning. Grundat 2013 och med huvudkontor i North Bethesda, Maryland, använder företaget maskinlärning för att tillhandahålla omedelbar prissättning, ledtidsuppskattningar och leverantörsmatchning baserat på uppladdade designfiler, vilket förenklar den traditionellt komplexa inköpsprocessen. Med tusentals leverantörer och tiotusentals köpare världen över spelar Xometry en central roll i att modernisera tillverkningen genom att digitalisera supply chains och möjliggöra mer agile, distribuerad produktion i stor skala.

Du har haft en otrolig resa över Microsoft, Groupon och Wayfair. Vilka tidiga upplevelser – personliga eller professionella – formade ditt intresse för teknik, och hur ledde det dig till Xometry och världen av AI-drivna tillverkning?

Mitt intresse för teknik började tidigt i min karriär. Jag har alltid motiverats av tuffa utmaningar och chansen att bygga lösningar som faktiskt flyttar nålar i den riktiga världen.

I de snabbt föränderliga branscherna där jag har tillbringat min karriär måste man hitta en balans mellan att flytta snabbt för att förverkliga en idé och samtidigt bygga hållbara och effektiva system. Tillverkning exemplifierar detta väl. Det är en djupt fysisk och djupt analog bransch, men det driver också några av våra mest innovativa system.
Xometry sitter vid skärningspunkten för allt detta, där vi omvandlar en traditionellt analog bransch till något modernt med riktigt disciplin och tydlighet om var vi är på väg härnäst. För mig är det en sällsynt sammanflätning av timing och syfte, och det är exakt den typ av utmaning jag har byggt mot under hela min karriär.

Du har beskrivit tillverkning som den sista “analogiska fästningen”. Vilka är några av de största utmaningarna som AI löser i tillverkning just nu?

Jag beskriver tillverkning som den sista “analogiska fästningen” på grund av dess strukturella komplexitet med tanke på att tillverkningslivscykeln är lång och full av många överlämningar. Till exempel, under tillverkning, arbetar design- och produktionsingenjörer sida vid sida med inköp, källning, kvalitet, logistik, efterlevnad, montering och finansiell avstämning över hela supply chain, varje stadium introducerar nya risker och potentiella förseningar.

Den grundläggande utmaningen är friktion. Vid varje punkt i tillverkningskedjan finns det olika format, system och ibland till och med enheter för måttenheter. Idéer passerar genom överlämning efter överlämning, med var och en som blir en potentiell fel punkt. Historiskt sett var den enda vägen att hantera den risken manuell mänsklig granskning.

AI skapar mest värde just nu i kampen mot den friktionen. Det fungerar som en samordnare i det fragmenterade systemet: det upptäcker avvikelser, matchar delar till rätt leverantörer och till och med dynamiskt modellerar kostnader och ledtider. Det använder historiska produktionsdata för att förutsäga var problem kan uppstå och flaggar dem snabbt innan tid och material slösas bort.

Leverantörer får tydligare avsikt och färre överraskningar, vilket innebär att vi kan bygga förtroende med vårt nätverk och hjälpa tillverkare att producera de artiklar vi behöver.

På vilka sätt har Xometry byggt förtroende med leverantörer och köpare för att anta AI-drivna arbetsflöden?

I tillverkning är förtroende svårt att vinna med tanke på att insatserna är höga, resultaten är oåterkalleliga och slösad material, missade deadlines eller kvalitetsfel kan bidra till ekonomiska förluster för ett företag. Därför på Xometry tjänar vi förtroende genom att kontinuerligt leverera tillförlitlighet och tydlighet.

Leverantörer och köpare litar på Xometry för hastighet och transparens. De vet att när de laddar upp en CAD-fil kommer vår AI att snabbt analysera delarna och generera uppskattningar om priser och potentiella risker. Förutsägelserna grundas i riktiga produktionsdata, vilket ytterligare bygger tillförlitlighet och synlighet. Prissättningen återspeglar riktiga marknadsförhållanden, och leverantörer får kontinuerliga insikter om hur de kan förbättra prestationen och växa sin verksamhet på plattformen. Systemet utför också oberoende kontroller för att upptäcka avvikelser. När något inte stämmer flaggar vi det tidigt och håller teamen konstant informerade.

Hur exakt översätter generativ AI produktidéer till byggbara delar — och vad är effekten på utvecklingstider?

Tillverkning har alltid kämpat med gapet mellan avsikt och byggbart. Tidiga produktidéer är ofta ofullständiga, och att översätta dem till tillverkningsbara design kräver flera överlämningar. Den processen är långsam och ofta benägen till omarbeten, vilket skapar förseningar eller brist.

Generativ AI komprimerar den loopen. I praktiken översätter den delvis strukturerade indata till tillverkningsbara funktioner. Den kan yta potentiella risker, föreslå material och processer och flagga begränsningar tidigt. AI minskar den friktion som vanligtvis bromsar produktionen, skär ner utvecklingstider med färre iterationer och färre skrotade delar eller material.

Hur säkerställer du att kvalitet och kontroll förblir höga när processer blir mer autonoma?

En viktig princip är att flytta kvalitetskontroller till den tidigaste delen av produktionsprocessen. AI kan analysera miljontals geometriska datapunkter för att hjälpa den att bestämma tillverkningsbarhet, kostnad och bästa leverantörsmatch. Detta ger precision och konsekvens utan att behöva lita enbart på mänsklig nogrannhet, som länge har varit den enda försvarslinjen för risker under kvalitetskontrollprocessen.

Det sagt, att hålla en människa i loopet är fortfarande nödvändigt för dessa förstärkta processer. Vi distribuerar AI för att identifiera problem och alternativ när det behövs, men det slutliga ordet för ingripande ligger hos mänskliga operatörer som har den erfarenhet som krävs för att fatta dessa beslut.

Vi ser detta särskilt i kritiska sektorer som aerospace och försvar, där att ha en människa i loopet är den enda vägen att tillåta automation i stor skala utan att offra kvalitetskontroll.

Hur fungerar AI-driven dynamisk prissättning på Xometry, med tanke på variabla tillverkningskostnader och supply chain-komplexitet?

Tillverkningsprissättning är inherrent variabel eftersom varje del är annorlunda, och kostnader skiftar konstant baserat på material, kapacitet, yttre faktorer som tullar och andra begränsningar. Statiska prissättningsmodeller håller inte i den miljön.

På Xometry är dynamisk prissättning ett lärande system. Våra modeller är tränade på miljontals historiska offerter och uppdateras kontinuerligt med riktiga produktionsresultat. Den återkopplingsloopen håller prissättningen grundad i verkligheten.

När ingenjörer laddar upp en CAD-fil analyserar vår Instant Quoting Engine omedelbart filen och kontrollerar den mot yttre faktorer och begränsningar som påverkar prissättning för att identifiera den bästa tillverkaren från vårt nätverk av tusentals partners.

Sedan, när förhållandena förändras, justerar Motorn automatiskt om, uppdaterar prissättningen i realtid för att återspegla förändringar i material, kapacitet, tullar och andra kostnadsfaktorer.

Med kunder som sträcker sig från ingenjörer till supply chain-chefer, hur anpassar Xometry upplevelsen med hjälp av AI och dataanalys?

På Xometry skapar AI en mycket mer anpassad upplevelse för våra användare, som förenklar produktionsprocessen baserat på individuella behov. För en ingenjör kan det se ut som snabb återkoppling om material och designrisker, eller för en supply chain-chef kan det betyda snabba flaggor på logistikstörningar för att minska dyra fel och bygga förtroende.

Under decennier har CAD varit en barriär för många tillverkare. Men med integrationen av AI i processen kan vi skapa den anpassade upplevelsen där ingenjörer kan beskriva vad de behöver på naturligt språk och systemet kan skapa tillverkningsbara design utan någon friktion.

Om vi blickar framåt, vad är en AI-innovation som du tror kan omdefiniera tillverkningsekosystemet under de kommande 3–5 åren?

Jag tror att AI-innovationen som mest troligt kommer att omdefiniera tillverkning är kontinuerlig resonemang över hela produktionscykeln.

Som jag nämnde tidigare är tillverkningsbeslut ofta fortfarande fragmenterade. Tillverkare utvärderar separat design, kostnad, källning och tillverkningsbarhet, vilket innebär att problem ofta upptäcks sent och blir dyrare. Skiftet jag förutser är mot AI-system som resoneras över dessa dimensioner parallellt, konvergerar till integrerade program som lär av historiska produktionsresultat och anpassar sig i realtid.

Tidiga versioner av detta finns redan i områden som DFM-analys, källning och till och med prissättning. Men under de kommande åren ser vi att dessa gränser kommer att kollapsa ytterligare, skapar en snabbare, mer förutsägbar och mer anpassningsbar tillverkningsekosystem.

Tack för det underbara samtalet, läsare som vill lära sig mer bör besöka Xometry.