Vaidy Raghavan, Chief Product & Technology Officer, Xometry – Intervjuserie

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 management, SaaS och dataanalys, efter att tidigare ha haft ledande roller på företag som Wayfair, Microsoft (MSFT ) och Groupon, där han utvecklade storskaliga digitala plattformar och marknadsplatser. På Xometry ansvarar han för att omvandla komplexa tillverkningsflöden till intelligenta, data-drivna system som förbättrar effektivitet, motståndskraft och globalt leverantörsnätverk.

Xometry är en AI-driven digital marknadsplats som möjliggör för företag att beställa anpassade tillverkade delar på begäran genom att koppla samman köpare med ett globalt nätverk av godkända leverantörer över flera tillverkningsmetoder, inklusive CNC-bearbetning, 3D-utskrifter och formsprutning. Grundat 2013 och med huvudkontor i North Bethesda, Maryland, använder företaget maskinlärning för att tillhandahålla omedelbara priser, leveranstider och leverantörsöverenskommelser 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 leverantörsnätverk och möjliggöra mer agile, distribuerad produktion i stor skala.

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

Mitt intresse för teknik började tidigt i min karriär. Jag har alltid varit motiverad av svåra utmaningar och möjligheten att skapa lösningar som verkligen gör skillnad i den riktiga världen.

I de snabbt föränderliga branscherna där jag har tillbringat min karriär måste man hitta en balans mellan att röra sig snabbt för att förverkliga en idé och 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 befinner sig i skärningspunkten mellan allt detta, där vi omvandlar en traditionellt analog bransch till något modernt med verklig disciplin och tydlighet om var vi är på väg härnäst. För mig är det en sällsynt sammanflätning av tid 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, eftersom tillverkningslivscykeln är lång och full av många överlämningar. Till exempel arbetar design- och produktionsingenjörer sida vid sida med inköp, sourcing, kvalitet, logistik, efterlevande montering och finansiell avstämning över leverantörsnätverket, varje skede introducerar nya risker och potentiella förseningar.

Den centrala utmaningen är friktion. Vid varje punkt i tillverkningskedjan finns det olika format, system och ibland till och med enheter för mått. Idéer passerar genom överlämningar, och var och en av dem kan bli en potentiell felkälla. Historiskt sett har den enda vägen att hantera den risken varit manuell mänsklig granskning.

AI skapar mest värde just nu i kampen mot friktionen. Det fungerar som en samordnare i det fragmenterade systemet: det upptäcker avvikelser, matchar delar med rätt leverantörer och 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 varor 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, eftersom insatserna är höga, resultaten är oåterkalleliga och förstörda 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 på riktiga produktionsdata, vilket ytterligare bygger tillförlitlighet och synlighet. Prissättningen återspeglar riktiga marknadsförhållanden, och leverantörer får kontinuerlig insikt i hur de kan förbättra prestanda och växa sin verksamhet på plattformen. Systemet utför också oberoende kontroller för att upptäcka avvikelser. När något inte stämmer överens flaggar vi det tidigt och håller teamen konstant informerade.

Hur exakt översätter generativ AI produktidéer till byggbara delar — och vilken påverkan har det på utvecklingstider?

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

Generativ AI komprimerar den loopningen. I praktiken översätter den delvis strukturerade indata till tillverkningsbara funktioner. Den kan identifiera potentiella risker, föreslå material och processer och flagga begränsningar tidigt. AI minskar den friktion som vanligtvis bromsar produktionen, vilket förkortar 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 till att bestämma tillverkningsmöjlighet, kostnad och bästa leverantörsöverenskommelse. Detta ger precision och konsekvens utan att behöva förlita sig på mänsklig noggrannhet ensam, som länge har varit den enda försvarslinjen mot risker under kvalitetskontrollprocessen.

Det sagt, att ha 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 erfarenheten att fatta dessa beslut.

Vi ser detta särskilt i kritiska sektorer som rymd- och försvarsindustri, där att ha en människa i loopet är den enda vägen att tillåta automatisering i stor skala utan att offra kvalitetskontroll.

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

Tillverkningsprissättning är från början variabel, eftersom varje del är annorlunda och kostnader förändras 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 återkopplingsloop som håller prissättningen grundad i verkligheten.

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