艾迪·巴特拉，Revv 的 CEO 和创始人 – 采访系列

艾迪·巴特拉，Revv 的 CEO 和创始人，是一位产品驱动的运营商和创新领袖，位于纽约，他的职业生涯建立在技术、系统思维和规模之间的交叉点。 trước创立 Revv，他曾在高增长的电子商务公司领导产品和数字客户体验计划，帮助在大型企业平台内启动新的业务线，曾在 MIT 斯隆管理学院研究人工智能和集体智能，并早期在职业生涯中领导与 NASA 研究计划相关的获奖太空系统设计团队。

Revv 是一个面向汽车维修店的 AI 驱动的汽车维修平台，专注于简化 ADAS 校准和诊断。通过结合 OEM 级别的文档、智能工作流程和与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，并将越来越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定义，Revv 正在将自己定位为现代维修工作流程的核心基础设施。

您早期接触汽车维修行业显然塑造了您的道路。您能分享一下那段时间的具体时刻，让您意识到这个领域需要一个 AI 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。一个店主打电话给我，惊慌失措：他修好了车，但后来车道变化系统出现故障，他害怕被起诉。那一刻让我更深入地研究 ADAS 系统，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查找维修程序，就像他们在寻找一根针在一堆干草中一样。那时我知道 AI 可以在几秒钟内为技术人员提供他们需要的东西，而不是让他们花费数小时。

您在 MIT 和 NASA 的 AI 和集体智能研究经历，以及您早期在系统级别的工作，早期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 和专注于车辆校准作为软件问题的决定？

我的经历在 NASA 和 MIT 教会了我，要成为一名成功的企业家，你只需要快速学习并周围聚集合适的专家。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。

当我开始在汽车店里花时间时，我看到技术人员在手册中溺亡，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 曾经接触过的安全关键环境，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伪装成机械问题的软件问题。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 培养的创业心态，这就是我们如何建立 Revv 的：将外部人员的新鲜视角与技术人员的深入专业知识相结合。

在 Revv 之前，您曾在 Jet 和 Walmart (WMT ) 领导产品和创新计划，在大规模上取得了成就。您从在电子商务中建立 0→1 产品中获得的经验教训在设计面向汽车维修生态系统的软件时最明显地体现出来了？

我在 Walmart 学到的最大教训是要满足用户的需求，而不是你希望他们在哪里。我当时正在为供应商和制造商构建，他们不懂技术，几十年来一直按照同样的方式做事。你不能要求他们更换整个系统。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之外做任何事情。

这成为 Revv 的整个论文。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。但我也带来了我在 Jet 学到的关于人才的知识：A 级别的玩家会吸引 A 级别的玩家，你需要从第一天开始就对建立合适的团队充满热情。我将这种理念融入了 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。

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，改变是令人不舒服的。但是，以下是有效的方法：我不仅仅推销软件，我致力于了解每一个痛点。我发出了带有我的电话号码的名片，并说：“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更换系统或改变工作方式。我们构建了 Revv 以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所需的内容。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变得更容易，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。对于校准店和维修网络来说，这意味着什么？

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。当一辆车进入车库时，Revv 连接到他们现有的工具，直接从制造商处获取数据，并在几秒钟内将完整的包交给技术人员。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其整个 ADAS 操作的单一平台。这与我们所看到的行业趋势一致。我们的最近的 ADAS 基准调查 发现，在 300 名汽车专业人士中，未来两年内在店内校准将从 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，AI 如何在不控制他们决策的情况下有意义地支持他们？

技术人员最挣扎的是伴随现代维修而来的行政负担。从校准传感器到跟踪制造商手册并组装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。2023 年，平均维修需要两到三个校准。现在需要五个以上。技术人员花费三到四个小时记录工作和寻找程序，但有了 Revv 和 AI，这个过程减少到三到五分钟。

Revv 的 AI 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，并提供逐步的说明。我们已经处理了超过 300,000 次维修，目前有超过 5,000 名客户使用该平台。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的工作，但技术人员仍然完全控制决策，而没有行政负担。

Revv 的模型是在数十万个真实维修事件上进行训练的。您如何确保数据质量、准确性和合规性，当 AI 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 AI 基于现实世界的维修经验，我们的模型直接建立在不同区域和车辆类型的经验丰富的技术人员的见解基础上。

我们还建立了持续的反馈循环，以便技术人员可以实时验证 AI 推荐。每个校准和程序都与特定车辆的确切 OEM 手册和技术文档进行交叉检查。拥有超过 300,000 次维修的数据库，来自两个国家的维修数据，我们的平台不断学习和改进，同时技术人员在整个过程中保持控制。

Revv 在校准器、维修网络、保险公司和 OEM 系统中都有应用。您如何设计一个 AI 平台，以便在具有非常不同的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会被忽略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、更安全地获得汽车，因为我们确保每个所需的校准都实际完成。

随着车辆继续演变为完全软件定义的平台，三年后 Revv 的成功将是什么样子？维修基础设施需要发展什么能力来跟上？

为了跟上，店铺需要内部能力、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其业务带来的价值。我们的最近的 调查 发现，74% 的汽车专业人士现在报告 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 校准成为其自身的类别，新的专家每个月都在出现，围绕它的真正商业势头正在形成。展望未来，我们看到 Revv 成为整个生态系统的骨干。这意味着该平台成为碰撞店的标准，提供统一的系统供技术人员、保险公司和客户管理和交付安全、合规的校准。我们正在建立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 AI 引入深度根植、传统上是模拟行业的创始人，您看到什么常见的错误，您个人在扩展 Revv 时需要放弃什么假设？

我早期学到的东西是要削减噪音，专注于问题，而不是解决方案。很容易被热潮所裹挟，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面临的问题。我的假设是我需要放弃的是认为更好的技术就能赢得一切。我低估了这些行业的工作流程有多么根深蒂固。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一起工作，以便近距离地了解他们的工作流程，并了解是什么阻碍了他们。这教会了我真正的改变并不来自于实施时髦的技术或说服店铺采用新的做事方式。它来自于将您的解决方案无缝地嵌入到他们现有的工作流程中，这样他们就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。