Adi Bathla，Revv 的 CEO 和创始人 – 采访系列

Adi Bathla，Revv 的 CEO 和创始人，是一位产品驱动的运营商和创新领袖，总部位于纽约，他在技术、系统思维和规模的交叉点上建立了自己的职业生涯。在创立 Revv 之前，他曾领导高增长的电子商务公司的产品和数字客户体验计划，帮助大型企业平台内启动新的业务线，在 MIT 斯隆管理学院进行人工智能和集体智能研究，并早期在职业生涯中领导了与 NASA 研究计划相关的获奖太空系统设计团队。

Revv 是一个人工智能驱动的汽车维修平台，专注于简化碰撞和机械维修店的高级驾驶员辅助系统（ADAS）校准和诊断。通过结合原始设备制造商（OEM）级别的文档、智能工作流程和现有店铺和估价系统的深度集成，Revv 帮助维修中心减少手动研究，提高合规性和安全性，并将日益复杂的校准要求转化为可扩展的、数据驱动的运营。随着车辆变得更加软件化，Revv 正在将自己定位为现代维修工作流程在北美的核心基础设施。

您早期接触汽车维修行业显然塑造了您的道路。您能分享一下您在那段时间的具体时刻，让您意识到这个领域需要人工智能驱动的解决方案吗？

有一次电话彻底改变了我对该行业的看法。一个店主在恐慌中打电话给我：他修好了车，但之后车道更换系统出现故障，他害怕被起诉。那一刻让我更深入地研究了高级驾驶员辅助系统（ADAS），我意识到这种隐形复杂性是一个巨大的问题，店铺无法独自解决。由于 ADAS 维修并不像凹痕或划痕那样明显，因此很容易被忽略。技术人员花费 3-4 个小时只为记录工作和寻找维修程序，就像他们在寻找一根针在一堆干草中。就在那时，我知道人工智能可以在几秒钟内而不是几个小时内为技术人员提供他们需要的信息。

您在 MIT 和 NASA 的人工智能和集体智能研究经验，以及您早期在 NASA 的系统级工作，很早就让您接触到了复杂、安全关键的环境。这些经历如何直接影响您创立 Revv 并专注于车辆校准作为软件问题的决定？

我的 NASA 和 MIT 经验教会我，要成为一名成功的企业家，你只需要快速学习并让自己周围有合适的专家。这让我有信心走进一个我几乎一无所知的行业，并挑战传统的做法。

当我开始在汽车店铺度过时间时，我看到技术人员被手册淹没，试图校准控制汽车是否能正常制动或保持车道的传感器。这让我想起了我在 NASA 接触到的安全关键环境，精度至关重要。这是救命的技术，但店铺却使用纸质程序和过时的系统来管理它。我很快意识到这是一个软件问题，伪装成机械问题。汽车已经成为带有轮子的计算机，但服务它们的基础设施还没有跟上。这让我回到了在 MIT 和 NASA 培养的企业家精神，我们就是这样建立了 Revv 的：将外部人员的新鲜视角与技术人员实际工作的深入专业知识相结合。

在 Revv 之前，您曾在 Jet 和 Walmart 领导产品和创新计划，规模巨大。您在电子商务中构建 0→1 产品的哪些经验最明显地转移到为汽车维修生态系统设计软件？

我在 Walmart 学到的最大教训是满足用户的需求，而不是强迫他们按照你的方式行事。我当时正在为供应商和制造商构建产品，他们不懂技术，几十年来一直按照同样的方式行事。你不能要求他们用新系统取代现有的系统。相反，你将自己的专业知识嵌入到他们现有的工作流程中，这样他们就不需要在现有工作流程之外做任何事情。

这成为了 Revv 的整个论点。我们与店铺现有的工具和软件集成，运行在后台，并在不破坏他们现有工作流程的情况下提供洞察力。但我也从 Jet 学到了关于人才的知识：A 级玩家会吸引 A 级玩家，你需要从第一天开始就对组建合适的团队非常讲究。我将这一点深深地融入了 Revv 的招聘实践中，因为我们所做的任何工作都需要我们建立的全明星团队的支持。

汽车维修是美国最大的也是最不现代化的行业之一。当您第一次开始构建 Revv 时，您遇到了什么样的阻力或怀疑，您又如何克服了它？

最初的阻力是一个巨大的挑战，因为店铺已经按照同样的方式运营了 40 多年，变化是令人不舒服的。但是，这是有效的：我不仅仅向他们推销软件，我致力于了解每一个痛点。我发出了带有我的电话号码的卡片，说：“如果您有问题，请给我打电话。”他们确实打来了电话。我花了几年时间建立了信任和知识的数据库。

突破点是向他们展示，我们不是要求他们用新系统取代现有的系统或改变他们的工作方式。我们构建了 Revv，以便直接集成到他们现有的软件和工作流程中，在后台运行，并在不破坏他们当前流程的情况下提供他们需要的信息。一旦店铺看到我们真正理解了他们的世界，并且正在使他们的工作更容易，而不是更难，他们的怀疑开始消失。

Revv 将自己定位为软件定义车辆的操作系统，而不是单点解决方案。对于校准店铺和维修网络来说，成为操作系统的实际意义是什么？

这意味着我们不仅仅是在解决一个问题，我们正在成为为他们整个 ADAS 工作流程提供动力的基础设施。汽车进入车库，Revv 连接到他们现有的工具，直接从制造商处提取数据，并在几秒钟内向技术人员提供完整的包。它为他们提供逐步的维修说明、每个所需的校准、原始设备制造商的文档以及准备提交给保险公司的索赔包。

我们正在从记录系统演变为行动系统，不仅告诉他们需要做什么，还处理行政工作。到 2025 年，我们的 74% 用户正在采用我们的新产品，因为他们将我们视为处理整个 ADAS 操作的单一平台。这与我们看到的行业趋势一致。我们的最近的 ADAS 基准调查 发现，内部校准预计在未来两年内从 57% 增加到 64%。

汽车现在是带有传感器、摄像头和软件依赖的滚动计算机。技术人员今天在哪里挣扎最多，人工智能如何有意义地支持他们的决策而不夺走他们的控制权？

技术人员最挣扎的是行政负担，这现在与现代维修一起出现。从校准传感器到跟踪制造商手册并为保险公司准备好的报告，每一步都必须经过研究、记录和批准，将一份手工工作变成一份充满文书工作的工作。每个估计都有 100-200 个项目，每个项目都有连锁反应。回到 2023 年，平均维修需要两到三个校准。现在已经超过五个了。技术人员花费 3-4 个小时只为记录工作和寻找程序，但有了 Revv 和人工智能，这个过程减少到 3-5 分钟。

Revv 的人工智能在后台处理所有这些复杂性，直接连接到制造商的数据，识别每个所需的校准，并提供逐步的维修说明。我们已经处理了超过 30 万次维修，有超过 5,000 位客户正在使用该平台。对于文档，技术人员可以提交照片，Revv 会自动生成整个保险公司准备好的报告。我们的平台标记潜在的遗漏步骤并自动执行重复性工作，但技术人员仍然完全控制着决策，没有行政负担。

Revv 的模型是在数十万个真实维修事件中训练的。您如何确保数据质量、准确性和遵守法规，当人工智能推荐直接与安全关键结果相关时？

对于我们来说，数据质量和准确性始于将人工智能建立在现实世界的维修经验之上，我们的模型直接建立在多个地区和车辆类型的经验丰富的技术人员的见解之上。

我们还建立了持续的反馈循环，以便技术人员可以在实时验证人工智能推荐。每个校准和程序都与特定车辆的确切原始设备制造商手册和技术文档进行交叉检查。拥有来自两个国家的 30 万多次维修的数据库，我们的平台不断学习和改进，而技术人员在整个过程中保持控制。

Revv 适用于校准器、维修网络、保险公司和原始设备制造商系统。您如何设计一个人工智能平台，以便在具有非常不同激励因素的利益相关者之间创造信任和价值？

我们认为 Revv 是技术人员、保险公司和消费者之间的连接组织，所以我们努力满足他们的集体需求。

对于技术人员，我们节省了数小时的行政时间，同时帮助他们通过识别可能从指间溜走的校准来捕获错失的收入。保险公司获得更快的批准、准确的文档和更少的争议。消费者更快地拿回了他们的车，并且车辆更安全，因为我们确保每个所需的校准都实际完成了。

随着车辆继续演变为完全软件定义的平台，三年后 Revv 的成功是什么样的，维修基础设施需要发展哪些功能才能跟上？

为了跟上，店铺将需要内部能力、下一代技术人才管道和强大的合作网络，以确保每次维修都是准确和高效的。到 2029 年，法规将要求所有新车型都具有紧急制动功能，店铺开始看到内部校准为他们的业务带来的价值。根据我们的最近 调查，74% 的汽车身体专业人员现在报告 ADAS 是利润来源，60% 的人认为增加 ADAS 收入“非常重要”或“很重要”。

我们已经看到的是 ADAS 校准成为自己的类别，每个月都有新的专家出现，ADAS 周围正在形成真正的商业势头。展望未来，我们看到 Revv 成为整个生态系统的骨干。这意味着该平台将成为碰撞店的标准，为技术人员、保险公司和客户提供一个统一的系统来管理和交付安全、合规的校准。我们正在构建定义软件驱动车辆如何维修的基础设施，最终，我们将塑造该行业的未来。

对于将人工智能引入根深蒂固、传统上是模拟行业的创始人，您看到什么样的常见错误，您在扩展 Revv 时需要破除什么假设？

我早期学到的东西是，首先要专注于问题，而不是解决方案。很容易被热潮所左右，开始构建一些令人印象深刻的东西，但这往往变成一个没有问题的解决方案。

重要的是找到客户真正每天遇到的问题。我的假设是我必须破除的是，认为更好的技术就能赢得一切。我低估了工作流程在这个行业中根深蒂固的程度。当我们在 2022 年开始构建 Revv 时，我花时间在店铺里与技术人员在一起，近距离观察他们的工作流程，并了解是什么阻碍了他们。这教会了我，真正的改变并不是通过实施时髦的技术或说服店铺采用新方法来实现的。它来自于将你的解决方案无缝地集成到他们现有的工作流程中，以至于他们不需要改变任何事情。你不要求他们改变，你让他们当前的方式变得更好。