Аді Батхла, генеральний директор і засновник Revv – Інтерв’ю Серія

Аді Батхла, генеральний директор і засновник Revv, є продуктом-орієнтованим оператором та лідером інновацій, базованим у Нью-Йорку, який побудував свою кар’єру на перетині технологій, системного мислення та масштабу. До заснування Revv він очолював продукти та цифрові ініціативи щодо досвіду клієнтів у високорослих комерційних компаніях, допоміг запустити нові напрямки діяльності у великих корпоративних платформах, проводив дослідження штучного інтелекту та колективного інтелекту в MIT Sloan, а на початку своєї кар’єри очолював нагороджені команди з проектування космічних систем, пов’язаних з програмами досліджень НАСА.

Revv – це платформа автомобільних ремонтів, що використовує штучний інтелект, орієнтована на спрощення калібрування та діагностики систем допомоги водію (ADAS) для ремонтних майстерень та майстерень з механічної обробки. Об’єднуючи документацію рівня виробника, розумні робочі процеси та глибокі інтеграції з існуючими системами майстерень та оцінки, Revv допомагає центрам ремонту зменшити ручні дослідження, покращити дотримання вимог та безпеку, а також перетворити все більш складні вимоги до калібрування у масштабовані, даних-орієнтовані операції. Коли автомобілі стають все більш програмно визначеними, Revv позиціонує себе як основну інфраструктуру для сучасних робочих процесів ремонту по всій Північній Америці.

Ваше раннє знайомство з автомобільною ремонтною промисловістю rõчно сформувало ваш шлях. Чи можете ви поділитися конкретним моментом з того часу, який зробив вас зрозуміти, що ця галузь потребує рішення, керованого штучним інтелектом?

Був такий один телефонний дзвінок, який повністю змінив мій погляд на галузь. Власник майстерні зателефонував мені у паніці: він відремонтував машину, але система зміни лейнів вийшла з ладу після цього, і він був страшенно боятися бути позбавленим права на суд. Цей момент змусив мене глибше розглянути системи ADAS, і я зрозумів, що ця невидима складність є величезною проблемою, яку майстерні не можуть вирішити самостійно. Оскільки ремонти ADAS не були очевидними, як дент або подряпина, їм було легко їх не помітити. Техніки витрачали 3-4 години просто на документацію роботи та пошук процедур ремонту, якби вони шукали голку в копиці. Тоді я зрозумів, що штучний інтелект може розрізняти весь цей шум і дати технікам саме те, що їм потрібно, за секунди замість годин.

Ваш час, витрачений на дослідження штучного інтелекту та колективного інтелекту в MIT, а також ранній системний досвід у НАСА, познайомили вас з складними, критичними для безпеки середовищами на початку вашої кар’єри. Як ці досвіди безпосередньо вплинули на ваше рішення заснувати Revv та зосередитися на калібруванні транспортних засобів як на програмній проблемі?

Мої досвіди в НАСА та MIT навчили мене, що для побудови та успіху як підприємця вам просто потрібно швидко вчитися та оточувати себе правильними експертами. Ця ментальність дала мені впевненість, щоб увійти в галузь, про яку я дуже мало знав, і викликати традиційний спосіб проведення справ.

Коли я почав проводити час у автомобільних майстернях, я побачив техніків, які тонули у документах, намагаючись калібрувати датчики, які контролюють, чи може машина гальмувати правильно чи залишатися у своєму ряді. Це нагадало мені про критичні для безпеки середовища, з якими я стикався у НАСА, де точність є ключовим фактором. Це є рятувальна технологія, але майстерні керували нею за допомогою паперових процедур та застарілих систем. Я швидко зрозумів, що це є програмною проблемою, замаскованою під механічну. Автомобілі стали комп’ютерами на колесах, але інфраструктура для їх обслуговування не встигала за ними. Це повернуло мене до підприємницької ментальності, яку я розвинув у MIT та НАСА, і це як ми побудували Revv: поєднавши свіжий погляд зовні з глибоким експертним знанням від техніків, які фактично виконують роботу.

До заснування Revv ви очолювали продукти та інноваційні ініціативи у Jet та Walmart (WMT ) у масштабі. Які уроки з побудови продуктів 0→1 у комерції перейшли найчіткіше, коли ви проектували програмне забезпечення для автомобільної ремонтної екосистеми?

Найбільший урок, який я вивчив під час свого часу у Walmart, полягав у тому, щоб зустрічати користувачів там, де вони є, а не там, де ви хочете, щоб вони були. Я будував для постачальників та виробників, які не були техноорієнтованими та робили речі тим самим способом протягом десятиліть. Ви не можете попросити їх замінити всю свою систему. Замість цього ви вбудовуєте свій досвід у їхні існуючі робочі процеси, так що їм не потрібно нічого робити поза тим, що вони вже роблять.

Це стало整个сисом Revv. Ми інтегруємося з існуючими інструментами та програмним забезпеченням майстерень, працюємо у фоновому режимі та доставляємо інсайти без порушення того, що вже є для них м’язовою пам’яттю. Але я також перейняв те, що я вивчив у Jet про талант: гравці рівня А приваблюють гравців рівня А, і вам потрібно бути одержимим побудовою правильної команди з першого дня. Я вкорінив це як нашу практику найму у Revv, оскільки жодна з роботи, яку ми робимо, не була б можливою без команди зірок, яку ми побудували.

Автомобільний ремонт є однією з найбільших, але найменш модернізованих галузей у США. Коли ви вперше почали будувати Revv, яку опір чи скептицизм ви зустріли, і як ви його подолали?

Опір на початку був величезним викликом, оскільки майстерні робили речі тим самим способом протягом понад 40 років, і зміна є незручною. Але ось що спрацювало: я не просто запропонував їм програмне забезпечення, я пообіцяв зрозуміти кожну окрему болючу точку. Я роздав картки з моїм номером телефону та сказав: “Якщо у вас є проблема, зателефонуйте мені”. І вони це зробили. Я провів роки, будуючи цю базу даних довіри та знань.

Прорив стався, коли ми показали їм, що ми не просимо їх замінити свої системи чи змінити свій спосіб роботи. Ми побудували Revv так, щоб він безпосередньо інтегрувався у їхнє існуюче програмне забезпечення та робочі процеси, працюючи у фоновому режимі та доставляючи їм те, що їм потрібно, без порушення їхніх поточних процесів. Коли майстерні побачили, що ми фактично розуміємо їхній світ і робимо їхню роботу легшою, а не складнішою, скептицизм почав зникати.

Revv позиціонує себе як операційна система для програмно визначених транспортних засобів, а не окреме рішення. Що означає бути операційною системою у практичному сенсі для майстерень з калібрування та ремонтних мереж?

Це означає, що ми не просто вирішуємо одну проблему, ми стаємо інфраструктурою, яка живить весь робочий процес ADAS. Машина приїжджає у майстерню, Revv підключається до їхніх існуючих інструментів, витягує дані безпосередньо від виробника та доставляє повний пакет техніку за секунди. Це дає їм крок за кроком інструкції з ремонту, кожну необхідну калібрування, документацію виробника та пакет вимог, готовий до подання страховикам.

Ми еволюціонуємо від системи реєстрації до системи дії, не тільки кажучи їм, що потрібно зробити, але й виконуючи адміністративну роботу за них. До 2025 року понад 74% наших користувачів приймають наші нові продукти, оскільки вони бачать нас як єдину платформу, яка обробляє їхню整个 операцію ADAS від початку до кінця. Це збігається з тим, що ми бачимо в галузі. Наш недавній опитування ADAS з 300 автободі-професіоналів виявило, що внутрішні калібрування мають зростати з 57% до 64% протягом наступних двох років.

Автомобілі зараз є комп’ютерами на колесах, наповнені датчиками, камерами та програмними залежностями. Де люди-техніки найбільш сильно борються сьогодні, і як штучний інтелект значимо підтримує їхнє прийняття рішень без відняття контролю від них?

Техніки найбільш сильно борються з адміністративним тягарем, який зараз супроводжує сучасні ремонти. Від калібрування датчиків до пошуку документів виробника та складання звітів для страховиків, кожен крок повинен бути досліджений, задокументований та затверджений, перетворюючи ручну роботу у роботу, наповнену паперами. Кожна оцінка має 100-200 позицій, і кожна позиція має каскадний ефект. Назад у 2023 році середній ремонт вимагав два-три калібрування. Тепер це понад п’ять. Техніки витрачають три-чотири години просто на документацію роботи та пошук процедур, але з Revv та штучним інтелектом цей процес скорочується до трьох-п’яти хвилин.

Штучний інтелект Revv обробляє всю цю складність у фоновому режимі, підключається безпосередньо до даних виробника, ідентифікує кожне необхідне калібрування та доставляє крок за кроком інструкції. Ми обробили понад 300 000 ремонтів, і понад 5 000 клієнтів зараз використовують платформу. Для документації техніки можуть надіслати фотографії, а Revv автоматично генерує整个 звіт, готовий до подання страховикам. Наша платформа виділяє потенційно пропущені кроки та автоматизує повторювану роботу, але технік залишається у повному контролі, приймаючи рішення без адміністративного тягаря.

Моделі Revv навчені на сотнях тисяч реальних подій ремонту. Як ви забезпечуєте якість даних, точність та дотримання вимог, коли рекомендації штучного інтелекту безпосередньо пов’язані з критичними для безпеки результатами?

Для нас якість даних та точність починаються з ґрунтування штучного інтелекту у реальному досвіді ремонту, з нашими моделями, побудованими безпосередньо на інсайтах від досвідчених техніків у різних регіонах та типах транспортних засобів.

Ми також будемо включати безперервні цикли зворотного зв’язку, щоб техніки могли підтвердити рекомендації штучного інтелекту в реальному часі. Кожне калібрування та процедура перевіряються проти точних документів виробника та технічної документації для конкретного транспортного засобу. З базою даних понад 300 000 ремонтів з двох країн, наша платформа продовжує навчатися та покращуватися, тоді як техніки залишаються у контролі протягом整个 процесу.

Revv працює з калібраторами, ремонтними мережами, страховиками та системами виробників. Як ви проектуєте платформу штучного інтелекту, яка створює довіру та цінність для учасників з дуже різними стимулами?

Ми вважаємо Revv сполучною тканиною між техніками, страховиками та клієнтами, тому ми працюємо над тим, щоб задовольнити всі їхні колективні потреби.

Для техніків ми економимо години адміністративного часу, допомагаючи їм захопити пропущений дохід, ідентифікуючи калібрування, які могли б пройти крізь тріщини. Страховикам доставляються швидші затвердження, точна документація та менше спорів. Клієнти отримують свої машини назад безпечніше та швидше, оскільки ми забезпечуємо виконання кожної необхідної калібрування.

Як автомобілі продовжують еволюціонувати у повністю програмно визначені платформи, що означає успіх для Revv через три роки, і які можливості ремонтній інфраструктурі потрібно розвивати, щоб зберегти темп?

Щоб зберегти темп, майстерням потрібно буде мати внутрішні можливості, трубопровід наступного покоління технічних талантів та сильну мережу співробітництва, щоб забезпечити, що кожен ремонт є точним та ефективним. До 2029 року регулятори вимагатимуть, щоб усі нові моделі автомобілів мали систему екстреного гальмування, і майстерні починають бачити, скільки цінності приносить виконання внутрішніх калібрувань для їхнього бізнесу. У нашому недавньому опитування, 74% автободі-професіоналів зараз повідомляють про ADAS як джерело прибутку, з 60% вважають зростання доходу ADAS “дуже важливим” або “екстремально важливим”.

Що ми вже бачимо, так це те, що калібрування ADAS стає своєю окремою категорією, з новими спеціалістами, які з’являються щомісяця, та реальним бізнес-імпульсом, який будується навколо нього. Коли ми дивимося вперед, ми бачимо Revv як хребет цієї entire екосистеми. Це означає, що платформа стає стандартом для майстерень з碰ішення, надаючи технікам, страховикам та клієнтам єдину систему для керування та доставки безпечних, відповідних вимог калібруваннях у масштабі. Ми будуємо інфраструктуру, яка визначає, як програмно-керовані транспортні засоби підлягають ремонту, і в кінцевому підсумку, ми встановлюємо стандарти, які сформують майбутнє галузі.

Для засновників, які вводять штучний інтелект у глибоко укорінені, традиційно аналогові галузі, які спільні помилки ви бачите, і які припущення вам особисто довелося викинути під час масштабування Revv?

Щось, що я вивчив на початку, полягає в тому, щоб розрізняти шум і зосередитися на проблемі спочатку, а не на рішенні. Це легко захопитися шумом і почати будувати щось вражаюче, але це часто перетворюється у рішення, яке шукає проблему.

Що має значення, це знаходження проблеми, з якою клієнти фактично стикаються кожен день. Припущення, яке мені довелося викинути, полягало у думці, що краще технології самі по собі принесуть перемогу. Я недооцінив, наскільки укорінені робочі процеси у цій галузі. Коли ми почали будувати Revv у 2022 році, я провів час у майстернях з техніками, щоб побачити їхні робочі процеси близько та зрозуміти, що утримувало їх назад. Це навчило мене, що справжня зміна не відбувається від реалізації блискучої технології чи переконання майстерень прийняти новий спосіб проведення справ. Це відбувається від того, що ви вбудовуєте своє рішення так безшовно у їхній існуючий робочий процес, що їм нічого не потрібно змінювати. Ви не просите їх змінитися, ви робите їхній поточний спосіб роботи краще.