Yuri Misnik, inDrive’ın Baş Teknoloji Sorumlusu – Röportaj Serisi

Yuri Misnik inDrive’ın Baş Teknoloji Sorumlusu’dur ve şirketin küresel teknoloji stratejisini yönetmektedir. İki thập yıldan fazla uluslararası deneyimle, Misnik yüksek etkili teknoloji programları oluşturdu ve yönetti; bulut, finansal hizmetler ve büyük ölçekli dijital dönüşüm alanlarında.

inDrive’a katılmadan önce, Microsoft ve AWS’de üst düzey rollerde görev yaptı. Daha sonra HSBC’de Dijital CIO, National Australia Bank’ta CIO ve First Abu Dhabi Bank’ta Grup CTO olarak görev yaptı ve burada bulut, Agile, DevOps ve ürün odaklı mühendislik modelleri aracılığıyla karmaşık, yüksek derecede düzenlenmiş ortamları modernize etti.

Misnik, kariyerine havacılık mühendisliği alanında başladı ve Boeing 787’nin tasarımına katkıda bulundu, daha sonra yazılım mühendisliği ve online ticaret sistemlerine geçti. Eski platformlar ve modern dağıtılmış mimariler konusunda eşit derecede akıcı olan Misnik, temel sistemleri yenilikçi teknolojilerle bağdaştırmakla bilinir.

inDrive’da, şirketin अगल fase küresel büyümesini güçlendirecek sistemler, ekipler ve platformlar oluşturmaya odaklanıyor.

inDrive bir küresel mobilite ve kentsel hizmetler platformudur ve kullanıcıları sürücüler ve hizmet sağlayıcılarla bağlar; araba paylaşımı, teslimat ve diğer talebe bağlı hizmetler sunar. 2013 yılında kurulan şirket, 48 ülkede ve 1.000’den fazla şehirde faaliyet gösterir ve dünya çapında yüz milyonlarca uygulama indirilmiştir. Core farklılaştırıcı özelliği, yolcuların ve sürücülerin doğrudan fiyatları müzakere etmelerine olanak tanıyan bir peer-to-peer fiyatlandırma modelidir; böylece daha şeffaf ve adil işlemler yaratmayı hedefler. Ulaşımın ötesinde, inDrive, şehirler arası seyahat, kurye hizmetleri, fintech teklifleri ve hatta market teslimatı gibi alanlara genişledi ve erişilebilir ve adil kentsel hizmetlere odaklanan bir “süper uygulama” olarak konumlandırdı.

Siz matematiksel modelleme ve sonlu eleman analizi ile başladınız, Microsoft, AWS, HSBC ve National Australia Bank’dan geçerek inDrive’da AI dönüşümünü yönetiyorsunuz. Bu yolculuk, teknik olarak iddialı ancak aynı zamanda adil, esnek ve gerçek dünya kısıtlamalarına dayanan AI sistemleri oluşturma şeklinizi nasıl etkiledi?

Uygulamalı matematik ve sonlu eleman analizi ile kariyerime başladım, bu esas olarak modelin nerede bozulduğunu anlamakla ilgili, değil de nerede çalıştığıyla. Bu zihniyet, bugün AI sistemlerine yaklaşımımı şekillendiren exactly aynı şekilde.

Microsoft ve ardından AWS’de, küresel ölçekte platformlar oluşturmanın ne anlama geldiğini öğrendim. Sistemlerin bozulacağını, ağların başarısız olacağını, bileşenlerin beklenmedik şekilde davranacağını varsayarsınız. inDrive’da, 48 ülkede ve 1.000’den fazla şehirde faaliyet gösterirken, bu düşünce tarzı mutlak olarak hayati önem taşıyor.

HSBC ve National Australia Bank (NAB) farklı bir lens getirdi. HSBC’de, düzinelerce düzenleyici rejim boyunca perakende dijital yetenekler oluşturdum. NAB’de, kritik bankacılık uygulamalarını AWS’ye taşıyarak bulut dönüşümünü yönettim. Bu ortamlarda, her teknoloji kararı düzenleyici, itibar ve finansal sonuçlar taşır. Bir AI veya ML modeli kararlarını bir düzenleyici veya müşteri anlayabileceği şekilde açıklamakta başarısız olursa, bir varlık değil, bir yükümlülük haline gelir.

Ürünün insanların ihtiyaçlarını yansıtması, teknoloji yığınının karmaşıklığını göstermemesi gerekir. Bu ilke, teknik iddiaları adil ve gerçek dünya kısıtlamalarında tutmayı sağlar.

Bu, örneğin, kontrolü pazarın içindeki insanlardan almaksızın adil bir fiyat öneren AI sistemleri oluşturmak anlamına gelir.Tüm bu sürecin ortak paydası basittir: Teknik iddialar, operasyonel disiplin olmadan sadece bir demo anlamına gelir. Kariyerim, “bunu tasarlayabilir miyiz?” veya “bunu inşa edebilir miyiz?”den “bunu dağıtmalı mıyız ve gerçek bir piyasada 3 saatte başarısız olunca ne olur?”a geçiş oldu. Bu, inDrive’a getirdiğim lens.

Çoğu platform, AI’ı fiyatları belirlemek için kullanır. inDrive ise müzakere kullanır. AI, modelinizde nasıl çalışır ve şeffaflığı bozmadan platformun neresinde en fazla değer yaratıyor?

inDrive’da AI, sadece fiyatlandırma ile ilgili değil; tüm iş boyunca, pazarlama ve büyüme, süper uygulama kişiselleştirme, müşteri desteği, coğrafi zeka, iç araçlar, dolandırıcılık önleme ve daha fazlasını kapsar. Çalışanlarımızın %80’den fazlası, müşteri desteğinden pazarlamaya, kodlamadan analitiğe çeşitli AI araçlarını kullanır. AI, ETA doğruluğunda önemli bir iş yapıyor – 2025’te 2024’e kıyasla derin öğrenme modellerimizin yardımıyla %14’lük bir ETA doğruluğu iyileşmesi sağladık. Böylece insanlar AI ve fiyatlandırma hakkında sorduğunda, bunun çok daha geniş bir yetenek olduğunu anlamak önemlidir.

inDrive, Yakutsk’ta haksız, kartelleşmiş taksi fiyatlarına karşı mücadele etmek için kuruldu. Core rekabetçi kimliğimiz, bu peer-to-peer müzakere modeli – yolcular teklif sunar, sürücüler kabul eder, karşı teklif sunar veya reddeder. Bu açık teklif akışı temelidir. AI, bu insan müzakere edilen fiyat etrafında karar destek olarak çalışır. Geleneksel fiyatlandırma modellerine bakarsanız – bunlar bir kara kutudur. Kullanıcı bir çarpan görür ve hiçbir yola başvuramaz. Modelimizde, yolcu önerilen bir fiyat görür, sürücü kabul edebilir veya karşı teklif sunabilir ve yolcu kabul edip etmemeye karar verir. ML, bu önerileri daha akıllı ve daha bağlamsal olarak yapar, ancak müzakere mekanizması kullanıcı ajansını korur. Ayrıca sürücülere, kazançlarının daha güçlü olduğu zamanları ve yerleri anlamalarına yardımcı olmak için ML kullanıyoruz.AI’ı, taraflar arasındaki bilgi asimetrisini azaltmak için kullanıyoruz, değil de onu sömürmek için.

“AI-first süper uygulama” nedir ve inDrive’da hangi platform bölümleri bugün için AI’a en uygun olanlardır: pazar yeri eşleştirmesi, güvenlik, müşteri desteği, finansal hizmetler veya başka bir şey?

Çoğu şirket “AI-first” dediğinde, sadece bir sohbet botu ekledikleri anlamına gelir. Bizim yaptığımız bu değil.

AI-first, AI’ın platformun işletme katmanında, özellik katmanında değil oturması anlamına gelir. Her ürün kararı – pazar yeri eşleştirmesinden müşteri desteğine, kredi puanlamasına – şu soruyla başlar: hangi verileri sahip olduğumuz ve nasıl zeka bu deneyimi şekillendirmelidir? AI yeteneklerini, ölçeklenirken, temelden entegre ediyoruz.

Pazar yeri eşleştirmesi ve fiyatlandırma zekası, core motorudur – daha iyi eşleştirmeler, daha yüksek kullanım oranları, daha iyi ekonomi anlamına gelir. Güven ve güvenlik de kritik bir alandır: gerçek zamanlı anormal davranış tespiti, sürücü doğrulama, dolandırıcılık önleme.

48 ülkede ve düzinelerce dilde faaliyet gösteririz. AI destekli destek – sadece sohbet botları değil, akıllı triaj, ortak sorunların otomatik çözümü ve çok dilli yetenek – hem maliyet hem de kalite açısından bir çarpan etkisi yaratır.

Finansal hizmetler, inDrive.Money ile – AI, müşterilerimize yeni bir değer önerisi yaratmamıza yardımcı oluyor. Sürücüler için – sürüş verileri, kazanç modelleri ve platform davranışını kullanarak alternatif kredi modelleri oluşturuyoruz. Bu, geleneksel bankaların tekrarlayamayacağı bir avantaj.

AI’ı, erişilebilirlik ve kapsayıcılık için de kullanıyoruz – düşük okuryazarlık veya engelli kullanıcılar için arayüzleri basitleştiriyoruz. Çoğu pazarımızda, ulaşılabilir nüfusa ulaşmak için bir gereklilik.

Süper uygulama çarpanı, her eklenen dikeyin veri grafiklerini zenginleştirmesidir. Bir sürücü aynı zamanda market teslimatı ve sürücü kredisi kullanıyorsa, 360 derecelik bir davranış resmi elde ediyoruz. Bu, her个 hizmetin daha akıllı olmasını sağlar – ancak sadece veri temeli ve yönetimi doğruysa, ki bu zor kısım.

inDrive özellikle ortaya çıkan ve frontier piyasalarda güçlüdür, burada işletme koşulları büyük ölçüde farklılık gösterebilir. AI sistemlerini, altyapı, ödeme alışkanlıkları, düzenleyici ortamları ve kullanıcı beklentileri çok farklı olan bölgeler boyunca iyi performans gösterecek şekilde nasıl tasarlıyorsunuz?

Zorluk, 48 ülkede ve 1.000’den fazla şehirde, 8 ayrı bölgede统 bir model oluşturmaktır. Bunu, yüksek derecede yapılandırılabilir bir platform ile ele alıyoruz; yeni ülke lansmanları için yapılan çalışmaların çoğu, yeni kod değil, yapılandırma değişiklikleridir. Bu, yerel gereksinimlere odaklanmamızı sağlar: sürücü doğrulama, belge doğrulama ve hükümet veritabanı entegrasyonları.

Mimariğimiz, birden fazla AWS bölgesini ve tek bir noktada başarısızlık olmasını önleyen çoklu kullanılabilirlik bölgesini kullanır. DevOps platformumuz, büyüyen mühendislik ekiplerimizin aynı standartlarda operasyonlar gerçekleştirmesini sağlar. Ayrıca, Latin Amerika’da mühendislik kapasitesini geliştirmeye çalışıyoruz.

HSBC ve NAB’de büyük ölçekli bulut ve dijital dönüşüm çabalarını yönettiniz. Bu yüksek derecede düzenlenmiş finansal ortamlardan, inDrive’ın fintech gibi hizmetlere genişlemesi ve daha fazla AI odaklı karar sistemleri oluşturması açısından en değerli dersler nelerdir?

Üç ders, HSBC ve NAB’den neredeyse doğrudan aktarılır.

İlk olarak, verilerin denetimi ve kontrolleri opcıonel değildir. Bankacılıkta, her kritik veri öğesi, her müşteri etkileyen karar, uygun kontrollerle çevrili olmalıdır. Her şey izlenebilir ve açıklanabilir olmalıdır. Dijital dünyada, hız ile kontrolleri birleştirmelisiniz, yani tüm düzenleyici gereksinimlerin baştan itibaren otomatik hale getirilmesi gerekir.

İkincisi, veri yönetimi, veri biliminden önce gelir. NAB ve HSBC’de öğrendiğim, AI’ın en büyük engelinin model değil, veri olduğudür. Verinin sahibi kim? Temiz mi? İzni verildi mi? Doğru şekilde yönetiliyor mu? inDrive’da, ride-hailing’den finansal hizmetlere geçiş, veri yönetimimizin hızla olgunlaşması anlamına gelir. AI’ı önce yönetimden önce inşa ederseniz, teknik ve düzenleyici borç biriktirirsiniz ve bu borcu ödemek giderek daha zor hale gelir.

Üçüncüsü, operasyonel esneklik, model performansından daha önemlidir. Bankacılık, %99.9 doğru bir modelin, %0.1’lik durumda felaket şekilde başarısız olmasının, %95 doğru bir modelden daha kötü olduğunu öğretti. inDrive’da, bir sahtecilik tespitinde yanlış pozitif bir sonuç, sürücüyü kazancından mahrum bırakabilir ve güveni yok edebilir. Başarısızlık durumuna göre tasarlarsınız, mutlu yola göre değil.

inDrive’ın geleneksel fintech’lere göre bir avantajı, sürücülere sürekli davranışsal veri sahip olmasıdır. Sürücülerin ne sıklıkla sürdüklerini, kabul oranlarını, kazanç modellerini, güvenilirlik sinyallerini biliriz. Bu, geleneksel kredi puanı veya banka beyanından daha güçlü sinyaller sağlar. Ancak bu avantaj, sadece sorumlu bir şekilde kullanılırsa ortaya çıkar, ki bu da bankacılık kaslarını değerli kılar.

Çoğu şirket, “insanları döngüde tutmak” hakkında konuşur, ancak bu ifade genellikle belirsiz kalır. inDrive’da, AI yetenekleri ve otomasyon daha da gelişirken, insan yargısının kesinlikle gerekli olduğu alanlar hangileridir?

Basit bir ilkeye sahibim: tekrarlanabilir şeyleri otomatikleştirin; insanları geri dönülmez kararlar alması gereken yerlerde tutun. Yanlış bir karar ucuzca geri alınabilirse, otomatikleştirin. Güveni, geçimi veya güvenliği yok ediyorsa, insan yargısı kalır.

Fiyat otoritesi en belirgin örnektir ve inDrive’ı tanımlar. İnsan – hem yolcu hem de sürücü – luôn fiyat konusunda son sözü söyler. Bu, AI önerileri ne kadar gelişirse gelişsin, değişmez. Bu yetkiyi elimizden aldığımız anda, başka bir algoritmik platform oluruz ve bizi farklı kılan şeyi kaybederiz.

Güvenlik yükseltmeleri başka bir açık durumdur. İlk düzey içerik moderasyonunu ve desteği otomasyonla sağlarız. Milyonlarca metin üzerinde eğitilen AI sistemimiz, hızlı bir şekilde uygunsuz dili tespit eder, müşterileri korur ve sürücülere zarar vermez. Ancak bir durum gerçekten belirsiz veya önemli sonuçlar taşıyorsa, insan karar verir. Otomasyon, gerçekten değerli olduğu durumlarda insan yargısını uygulamalıdır.

Genel prensibimiz, AI’ın insan yargısını desteklemesi, yerini alması değil, bir ortak olmasıdır.

Pazar girişi ve düzenleyici adaptasyon, insan yargısı gerektirir çünkü bunlar içsel olarak bağlamsaldır. Hiçbir AI sistemi, yeni bir düzenleyici ortamda nasıl çalışacağımıza otomatik olarak karar vermemelidir. Hesap düzeyindeki kararlar – kalıcı yasaklar, uyuşmazlık çözümü, itirazlar – insan yargısı gerektirir çünkü bağlam her zaman veri tarafından yakalanından daha zengindir.

Şirketlerin yaptığı hata, “insan döngüsü”nü bir aşama olarak görüp sonunda otomasyona geçmek olarak gören bir çerçeve olarak ele almaktır. Açıkladığım kategoriler için, bu yanlış bir çerçevedir. Bu, yapısal olarak uygun olduğu alanlardır ve öyle kalacaktır.

AI’ı ölçeklendirirken, model performansı değil, operasyonel disiplin en zor kısım oluyor: veri kalitesi, yönetim, izleme ve maliyet kontrolü. AI’ı, izole edilmiş kullanım örneklerinden işletmenin işletme katmanına dönüştürmede en büyük engel nedir?

Herkes saygılı bir cevap verir: veri kalitesi. Bu doğru ama yetersiz. Gerçek engel organizasyondur.

En zor şey, bireysel AI deneylerinden sistemli AI operasyonlarına geçiştir. Bu, ekiplerin sahip olma, hesap verebilirlik ve ölçümleme konusunda nasıl düşündüklerini değiştirmeyi gerektirir.

AI’ı izole girişimler olarak ele aldığınızda, her ekip kendi pipeline’ını, veri erişim kalıplarını, “kalite”nin ne anlama geldiği konusunda kendi anlayışını oluşturur. Ancak AI’ı, fiyatlandırma, güvenlik, destek, coğrafi ve kişiselleştirme gibi birden fazla alanda işletme katmanına dokunacak şekilde kullanmak istiyorsanız, paylaşılan temeller gerekir.

Bu, tutarlı metric tanımları ile birleşik bir anlamsal katman, paylaşılan bir veri kalitesi çerçevesi, gömülü MLOps uygulamalarıyla model yönetim altyapısı ve ortak güvenlik politikaları içerir.

Çoğu zaman küçümsenen maliyet boyutu da hayati önem taşır. Ekiplere gerçek maliyetler (her sürüş, her işlem, depolama) hakkında görünürlük sağlar, böylece hesap verebilirliği artırır ve daha iyi mühendislik kararları alırız.

Diğer önemli bir zorluk, AI’ı iç operasyonlar için kullanmaktır. Kaosu otomatikleştirmek, sadece kaosa yol açar. Bu nedenle, iç ekiplerle birlikte, işlerini net bir şekilde tanımlamak, süreçlerini açıkça açıklamak ve eski belgeleri güncellemek için çalışıyoruz. Bu temel adımlar, organizasyon içinde AI’ı benimsemek ve faydalanmak için kritiktir.

Araştırma platformları, gerçek dünya davranışsal verilerini işler. Bu verileri daha iyi kişiselleştirme ve tahmin için kullanma fırsatını, güveni, gizliliği ve sürücüler ve yolcular için adilliği koruma ihtiyacıyla nasıl dengelersiniz?

Araştırma platformlarının avantajı gerçek. Teslimat ve fintech verileri ile birleştirildiğinde, bu, olağanüstü zengin bir davranışsal veri seti haline gelir. Bu veriyi aşırı kullanma isteği tam da bunu yapmamamız gereken şeydir.

Amaç kısıtlamasını katı bir şekilde uygularız. Toplanan veriyi, sürüşleri iyileştirmek için kullanırız. Bu, reklam hedeflemesi için kullanılmaz veya üçüncü taraflara satılmaz. Kullanıcılarımız, diğerlerinden daha fazla güvendikleri için inDrive’ı seçer. Bu güven, bir kez bozulduğunda geri dönmez.

Sürücülerin tarafında, verileri ekonomik bir ortaklık meselesi olarak ele alırız. Sürücüler veri kaynakları değildir. Topladığımız verilerin, nasıl kullandığımızın ve – kritik olarak – bunlardan nasıl faydalandıklarının farkında olmaları gerekir. inDrive.Money, doğrudan bir örnektir: pazar yerini işletmemize yardımcı olan aynı davranışsal veriler, sürücülere geleneksel bankaların tekrarlayamayacağı finansal hizmetler sunmamızı sağlar. Bu değer değişimi, çift taraflı, şeffaf ve adil olmalıdır.

Farklı veri koruma çerçevelerine sahip ülkelerde faaliyet gösteririz. Yaklaşımımız, yerel yasaların izin verdiği standartların üstünde bir standartta ourselves tutmaktır.

Süper uygulama modeli, Asya’nın bazı bölgelerinde çok başarılı oldu, ancak küresel olarak parçalanmış piyasalara bunu yeniden yaratmak daha zordur. Bir süper uygulamanın, bir değil de düzinelerce ülkede çalışması için teknoloji ve AI açısından neler doğru olmalıdır?

Süper uygulama modeli, Asya’da popüler hale geldi, ancak bu, nispeten homojen düzenleyici ve altyapı ortamlarında, ödemeler, sosyal ve ticaret arasında derin entegrasyon ile çalıştı; güçlü bağımsız alternatifler yoktu. Küresel olarak yeniden yaratmak için temel olarak farklı bir yaklaşım gerekir ve bizim modelimizin daha parçalanmış piyasalara daha uygun olduğuna inanıyorum.

Temel, küresel olarak varsayılan, yerel olarak tasarlanan bir yaklaşım olmalıdır. Paylaşılan platform hizmetlerini – kimlik, cüzdan, bildirimler, analizler, haritalar, destek – hızlı bir şekilde bağlanabilecek稳 bir ray olarak sunarız.

Her hizmet, bağımsız olarak dağıtılabilir ve yerel olarak yapılandırılabilir, böylece yeni piyasalar, yeni kod yerine yapılandırma değişiklikleriyle başlatılabilir. Monolitik bir ürün gönderip her yerde rezonansa ulaşmayı bekleyemezsiniz.

Bu modüler yaklaşım, her pazarın özel ihtiyaçlarına göre uyarlanmasını sağlar. Ayrıca, birleşik bir kimlik ve veri katmanı hayati önem taşır. Süper uygulamanın tüm değer önerisi, bir hizmetin kullanımının diğerlerini iyileştirdiğidür. Bu, dikeyler boyunca tek bir kullanıcı veri grafiği gerektirir. Bunu, bir gizlilik problemi yaratmadan inşa etmek, tüm girişimin en zor teknik zorluğudur.

İkincisi, alaka motoru, bireysel düzeyde, pazar düzeyinde değil çalışmalıdır. “Tek bir segment” – veri, analiz ve ML kullanarak, belirli bir müşteri için neyin önemli olduğunu anlamak – bir süper uygulamanın faydalı değil de karmaşık hissetmemesini sağlar. Eğer on hizmetiniz varsa ve hepsini eşit öneme sahip olarak gösterirseniz, kötü bir UX’ye sahip bir uygulama yaratırsınız, süper uygulama değil.

Üçüncüsü, yerel ortaklıklar, her şeyi inşa etme yaklaşımından daha önemlidir. Pakistan’da Krave Mart ile market teslimatı için yatırım yaptık, Endonezya’da Fingular ve Ammana ile finansal hizmetler için ortaklık kurduk. Teknoloji platformu küreseldir; hizmet teslimi yereldir. AI, bu entegrasyonları son kullanıcı için sorunsuz hale getirir.

Dördüncüsü, bir sıklık ankrajına ihtiyacınız vardır. Bu, neden market teslimatının stratejimize çok önemli olduğunu açıklar. Araba paylaşımı haftalık olabilir. Market teslimatı günlük veya neredeyse günlükdür.

Son olarak, işletme modeli, piyasa piyasa değişkenliği absorbe edebilmeli ve tutarlılığı kaybetmemelidir. Sıfır-Kod platformumuz, 300 milyondan fazla ziyaret alan 400’den fazla üretim ekranını destekler ve yeni ekranlar başlatmamızı, deneyler yapmamızı ve yerel gereksinimlere uyum sağlamamızı sağlar. Bu esneklik, birden fazla bölge altyapısı ile birleştiğinde, platformun piyasalar boyunca tutarlı bir şekilde çalışmasını sağlar, ancak ne uniformiteyi zorlar ne de parçalanmayı kabul eder.

İleriye bakıldığında, üç ila beş yıl içinde, AI’ın mobilite platformlarında rekabeti en çok ayıracağı alan nedir: talep tahmini, güven ve güvenlik, otonom operasyonlar, destek otomasyonu, sürücü ekonomisi veya henüz var olmayan tamamen yeni hizmetler?

AI, tüm bu alanları etkileyecek, ancak ayırma derecesi farklı olacaktır.

Üç yıl içinde, ciddi bir mobilite platformunun hepsi yetkin talep tahmini sahip olacaktır. Güvenlik ve güven özellikleri masa başı olacaktır. Destek hızla otomatik hale geliyor.

Ancak endüstri genelinde büyük bir ayırma alanı, muhtemelen, henüz var olmayan tamamen yeni hizmetlerdir. Gerçek zamanlı konum verisi, davranışsal veri, ödeme verisi ve yerel pazar zekasının birleşmesi, hyperlocal ticaret, sağlık veya öngörülü lojistik gibi alanlarda henüz kavramadığımız hizmetler için temel oluşturur. Zengin veri temeli ve yeni dikeyleri hızlı bir şekilde test etme ve ölçekleme organizasyonel esnekliğine sahip platform, birleşen avantajlara sahip olacaktır.

Ajans AI’da, en uzun vadeli ayırma açılacaktır. Ajans iş akışları olgunlaştıkça, kaydolma, dolandırıcılık izleme, finansal operasyonlar ve kişiselleştirilmiş koçluk gibi alanlarda çalışacaklar. Platformlar, benzersiz veri, benzersiz pazar konumu ve AI’ı uygulamak için operasyonel disipline sahip olanlar, avantajlara sahip olacaktır.

AI, itself, rekabet avantajı yaratmaz. AI, benzersiz veri, benzersiz pazar konumu ve operasyonel disiplin ile birleştiğinde avantaj yaratır. inDrive’ın pozisyonu – dünyanın en çok indirilen araba paylaşım uygulaması, frontier piyasalarında dominant pozisyonlar, 400 milyondan fazla indirme, adil bir marka – temelidir. AI, amplifikatördür. Temel olmadan, amplifikatörün amplifiye edeceği bir şey yoktur.