Rapido CTO on Platform Architecture, Pragmatic AI, and the Future of Indian Mobility

Rapido CTO on Platform Architecture, Pragmatic AI, and the Future of Indian Mobility

Rapido CTO on Platform Architecture, Pragmatic AI, and the Future of Indian Mobility

Rapido's Chief Technology Officer, Srivatsa Katta, details the company's technology vision, which is centered on an open-source, modular, and platform-first architecture designed to manage the unique challenges of India's urban mobility market. 

Competing primarily in the cost-disciplined bike taxi category, Rapido recognized early on that scaling effectively across diverse Indian cities—and handling issues like potholes and complex traffic—required sophisticated systems rather than merely increasing headcount. 

Katta emphasizes that their initial work building a backbone for bike taxis laid the foundation for a "full-spectrum mobility platform" capable of serving every type of urban journey, including future extensions into multimodal travel.

Katta frames Rapido's use of Artificial Intelligence not as a "magic bullet," but as essential operational plumbing to achieve efficiency, decision support, and improved user experience. 

AI's role is pragmatic: it supports tasks like customer support, ride optimization at airports, onboarding automation, and multilingual content creation. 

However, Katta drew a clear line regarding sensitive decisions: "In safety and fraud, AI only assists, and human teams make final decisions." 

This approach uses automation to scale efficiency without sacrificing human judgment and accountability in critical areas.

A tangible example of Rapido's practical AI application is the introduction of voice-based order notifications for its captains (riders). 

Recognizing the safety hazard of two-wheeler riders navigating heavy traffic while trying to read incoming order details on a phone screen, Rapido developed AI-powered technology to read out order and location details. 

This system uses "natural multilingual voices" that riders can easily relate to, eliminating the need for them to take their eyes off the road. 

Katta sees this as a shift toward multi-sensory experiences like voice and gestures, transforming the traditionally visual-heavy mobility UX.

Addressing the challenge of navigating India's unpredictable environment, Katta notes that local "maps and routing have been one of the biggest technological challenges." 

Digital maps are often outdated due to frequently blocked roads or unexpected changes. 

He admits that riders often possess a better "own understanding of navigating the city" than automated mapping systems. 

Rapido’s strategy is to use data and AI to reconcile the optimal routes projected by mapping software with the real-world knowledge of human riders, which is essential for accurate ETAs and effective service delivery.

Looking ahead, Katta highlights the company's "profound" mission to tame India's daily travel anxiety by simplifying user experiences. 

The immediate goal is to create a "simple one-click multimodal experience" powered by AI to suggest the preferred route, mode, and time. 

While acknowledging the long-term "moonshot" of drone deliveries, he stresses that the biggest unknown for Indian mobility is the disruption potential of autonomous vehicles—which would need to evolve into unique, adapted solutions to navigate India's specific road conditions and infrastructure, rather than being a copy-paste import.

रैपिडो के CTO ने प्लेटफॉर्म आर्किटेक्चर, प्रैक्टिकल AI, और भारतीय मोबिलिटी के भविष्य पर बात की

रैपिडो के चीफ टेक्नोलॉजी ऑफिसर, श्रीवत्स कट्टा ने कंपनी के टेक्नोलॉजी विज़न के बारे में विस्तार से बताया, जो एक ओपन-सोर्स, मॉड्यूलर और प्लेटफॉर्म-फर्स्ट आर्किटेक्चर पर आधारित है, जिसे भारत के शहरी मोबिलिटी मार्केट की अनोखी चुनौतियों को मैनेज करने के लिए डिज़ाइन किया गया है।

मुख्य रूप से कॉस्ट-डिसिप्लिन्ड बाइक टैक्सी कैटेगरी में मुकाबला करते हुए, रैपिडो ने शुरू में ही पहचान लिया था कि अलग-अलग भारतीय शहरों में प्रभावी ढंग से स्केल करने और गड्ढों और जटिल ट्रैफिक जैसी समस्याओं को संभालने के लिए सिर्फ़ कर्मचारियों की संख्या बढ़ाने के बजाय एडवांस्ड सिस्टम की ज़रूरत होगी।

कट्टा इस बात पर ज़ोर देते हैं कि बाइक टैक्सियों के लिए बैकबोन बनाने के उनके शुरुआती काम ने एक "फुल-स्पेक्ट्रम मोबिलिटी प्लेटफॉर्म" की नींव रखी, जो हर तरह की शहरी यात्रा को सेवा देने में सक्षम है, जिसमें भविष्य में मल्टीमॉडल यात्रा में विस्तार भी शामिल है।

कट्टा रैपिडो द्वारा आर्टिफिशियल इंटेलिजेंस के इस्तेमाल को "जादुई गोली" के रूप में नहीं, बल्कि दक्षता, निर्णय समर्थन और बेहतर उपयोगकर्ता अनुभव प्राप्त करने के लिए ज़रूरी ऑपरेशनल सिस्टम के रूप में देखते हैं।

AI की भूमिका व्यावहारिक है: यह ग्राहक सहायता, हवाई अड्डों पर राइड ऑप्टिमाइज़ेशन, ऑनबोर्डिंग ऑटोमेशन और बहुभाषी कंटेंट निर्माण जैसे कामों में सहायता करता है।

हालांकि, कट्टा ने संवेदनशील फैसलों के बारे में एक साफ़ लाइन खींची: "सुरक्षा और धोखाधड़ी में, AI केवल सहायता करता है, और मानवीय टीमें अंतिम निर्णय लेती हैं।"

यह दृष्टिकोण महत्वपूर्ण क्षेत्रों में मानवीय निर्णय और जवाबदेही का त्याग किए बिना दक्षता बढ़ाने के लिए ऑटोमेशन का उपयोग करता है।

रैपिडो के व्यावहारिक AI एप्लिकेशन का एक ठोस उदाहरण इसके कैप्टन (राइडर्स) के लिए वॉयस-बेस्ड ऑर्डर नोटिफिकेशन की शुरुआत है।

भारी ट्रैफिक में दोपहिया वाहन चलाते समय फ़ोन स्क्रीन पर आने वाले ऑर्डर के विवरण पढ़ने की कोशिश करने वाले राइडर्स की सुरक्षा जोखिम को पहचानते हुए, रैपिडो ने ऑर्डर और लोकेशन विवरण पढ़ने के लिए AI-संचालित तकनीक विकसित की।

यह सिस्टम "प्राकृतिक बहुभाषी आवाज़ों" का उपयोग करता है जिनसे राइडर्स आसानी से जुड़ सकते हैं, जिससे उन्हें सड़क से नज़र हटाने की ज़रूरत नहीं पड़ती।

कट्टा इसे आवाज़ और हाव-भाव जैसे मल्टी-सेंसरी अनुभवों की ओर एक बदलाव के रूप में देखते हैं, जो पारंपरिक रूप से विज़ुअल-हैवी मोबिलिटी UX को बदल रहा है।

भारत के अप्रत्याशित माहौल में नेविगेट करने की चुनौती पर बात करते हुए, कट्टा कहते हैं कि स्थानीय "मैप और रूटिंग सबसे बड़ी तकनीकी चुनौतियों में से एक रही है।"

अक्सर बंद सड़कों या अप्रत्याशित बदलावों के कारण डिजिटल मैप अक्सर पुराने हो जाते हैं।

वह मानते हैं कि राइडर्स के पास अक्सर ऑटोमेटेड मैपिंग सिस्टम की तुलना में "शहर में नेविगेट करने की अपनी बेहतर समझ" होती है। रैपिडो की स्ट्रैटेजी डेटा और AI का इस्तेमाल करके मैपिंग सॉफ्टवेयर द्वारा दिखाए गए सबसे अच्छे रास्तों को इंसानी राइडर्स के रियल-वर्ल्ड अनुभव के साथ मिलाना है, जो सही ETA और असरदार सर्विस डिलीवरी के लिए ज़रूरी है।

आगे की बात करें तो, कट्टा कंपनी के "गहरे" मिशन पर ज़ोर देते हैं कि यूज़र एक्सपीरियंस को आसान बनाकर भारत की रोज़ाना की ट्रैवल टेंशन को कम किया जाए।

तुरंत लक्ष्य AI की मदद से एक "सिंपल वन-क्लिक मल्टीमॉडल एक्सपीरियंस" बनाना है जो पसंदीदा रास्ता, मोड और समय बताए।

ड्रोन डिलीवरी के लंबे समय के "मूनशॉट" को मानते हुए, वह इस बात पर ज़ोर देते हैं कि भारतीय मोबिलिटी के लिए सबसे बड़ी अनजानी चीज़ ऑटोनॉमस गाड़ियों की बदलाव लाने की क्षमता है - जिन्हें कॉपी-पेस्ट इंपोर्ट होने के बजाय भारत की खास सड़क स्थितियों और इंफ्रास्ट्रक्चर के हिसाब से अनोखे, बदले हुए सॉल्यूशन में बदलना होगा।

ప్లాట్‌ఫామ్ ఆర్కిటెక్చర్, ప్రాగ్మాటిక్ AI మరియు ఇండియన్ మొబిలిటీ భవిష్యత్తుపై రాపిడో CTO

రాపిడో చీఫ్ టెక్నాలజీ ఆఫీసర్ శ్రీవత్స కట్టా, కంపెనీ టెక్నాలజీ దృక్పథాన్ని వివరిస్తున్నారు, ఇది భారతదేశ పట్టణ మొబిలిటీ మార్కెట్ యొక్క ప్రత్యేక సవాళ్లను నిర్వహించడానికి రూపొందించబడిన ఓపెన్-సోర్స్, మాడ్యులర్ మరియు ప్లాట్‌ఫామ్-ఫస్ట్ ఆర్కిటెక్చర్‌పై కేంద్రీకృతమై ఉంది. 

ప్రధానంగా ఖర్చు-క్రమశిక్షణ కలిగిన బైక్ టాక్సీ విభాగంలో పోటీ పడుతున్న రాపిడో, విభిన్న భారతీయ నగరాల్లో సమర్థవంతంగా స్కేలింగ్ చేయడం మరియు గుంతలు మరియు సంక్లిష్ట ట్రాఫిక్ వంటి సమస్యలను నిర్వహించడం వంటి అధునాతన వ్యవస్థలు అవసరమని ముందుగానే గుర్తించింది. 

బైక్ టాక్సీలకు వెన్నెముకను నిర్మించే వారి ప్రారంభ పని మల్టీమోడల్ ప్రయాణంలో భవిష్యత్తు పొడిగింపులతో సహా ప్రతి రకమైన పట్టణ ప్రయాణానికి సేవ చేయగల "పూర్తి-స్పెక్ట్రమ్ మొబిలిటీ ప్లాట్‌ఫామ్"కు పునాది వేసిందని కట్టా నొక్కిచెప్పారు.

రాపిడో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌ను "మ్యాజిక్ బుల్లెట్"గా కాకుండా, సామర్థ్యం, నిర్ణయ మద్దతు మరియు మెరుగైన వినియోగదారు అనుభవాన్ని సాధించడానికి అవసరమైన ఆపరేషనల్ ప్లంబింగ్‌గా ఉపయోగించడాన్ని కట్టా రూపొందించారు. 

 AI పాత్ర ఆచరణాత్మకమైనది: ఇది కస్టమర్ సపోర్ట్, విమానాశ్రయాలలో రైడ్ ఆప్టిమైజేషన్, ఆన్‌బోర్డింగ్ ఆటోమేషన్ మరియు బహుభాషా కంటెంట్ సృష్టి వంటి పనులకు మద్దతు ఇస్తుంది. 

అయితే, సున్నితమైన నిర్ణయాలకు సంబంధించి కట్టా స్పష్టమైన రేఖను గీసాడు: "భద్రత మరియు మోసంలో, AI మాత్రమే సహాయం చేస్తుంది మరియు మానవ బృందాలు తుది నిర్ణయాలు తీసుకుంటాయి." 

ఈ విధానం కీలకమైన రంగాలలో మానవ తీర్పు మరియు జవాబుదారీతనాన్ని త్యాగం చేయకుండా సామర్థ్యాన్ని స్కేల్ చేయడానికి ఆటోమేషన్‌ను ఉపయోగిస్తుంది.

Rapido యొక్క ఆచరణాత్మక AI అప్లికేషన్ యొక్క స్పష్టమైన ఉదాహరణ దాని కెప్టెన్‌ల (రైడర్లు) కోసం వాయిస్-ఆధారిత ఆర్డర్ నోటిఫికేషన్‌లను ప్రవేశపెట్టడం. 

ఫోన్ స్క్రీన్‌పై ఇన్‌కమింగ్ ఆర్డర్ వివరాలను చదవడానికి ప్రయత్నిస్తున్నప్పుడు ద్విచక్ర వాహన రైడర్లు భారీ ట్రాఫిక్‌ను నావిగేట్ చేయడం వల్ల కలిగే భద్రతా ప్రమాదాన్ని గుర్తించి, Rapido ఆర్డర్ మరియు స్థాన వివరాలను చదవడానికి AI-ఆధారిత సాంకేతికతను అభివృద్ధి చేసింది. 

ఈ వ్యవస్థ రైడర్లు సులభంగా సంబంధం కలిగి ఉండే "సహజ బహుభాషా స్వరాలను" ఉపయోగిస్తుంది, వారు రోడ్డు నుండి వారి కళ్ళను తీసివేయవలసిన అవసరాన్ని తొలగిస్తుంది. 

కట్టా దీనిని వాయిస్ మరియు సంజ్ఞల వంటి బహుళ-ఇంద్రియ అనుభవాల వైపు మార్పుగా చూస్తుంది, సాంప్రదాయకంగా దృశ్య-భారీ మొబిలిటీ UXని మారుస్తుంది.

 భారతదేశం యొక్క అనూహ్య వాతావరణాన్ని నావిగేట్ చేయడంలో ఉన్న సవాలును పరిష్కరిస్తూ, స్థానిక "మ్యాప్‌లు మరియు రూటింగ్ అతిపెద్ద సాంకేతిక సవాళ్లలో ఒకటి" అని కట్టా పేర్కొన్నాడు. 

తరచుగా బ్లాక్ చేయబడిన రోడ్లు లేదా ఊహించని మార్పుల కారణంగా డిజిటల్ మ్యాప్‌లు తరచుగా పాతబడిపోతాయి. 

ఆటోమేటెడ్ మ్యాపింగ్ సిస్టమ్‌ల కంటే రైడర్‌లు తరచుగా "నగరాన్ని నావిగేట్ చేయడం గురించి మంచి అవగాహన" కలిగి ఉంటారని అతను అంగీకరించాడు. 

 రాపిడో వ్యూహం ఏమిటంటే, డేటా మరియు AI ఉపయోగించి సాఫ్ట్‌వేర్‌ను మ్యాపింగ్ చేయడం ద్వారా అంచనా వేసిన సరైన మార్గాలను మానవ రైడర్ల వాస్తవ ప్రపంచ జ్ఞానంతో సమన్వయం చేయడం, ఇది ఖచ్చితమైన ETAలు మరియు ప్రభావవంతమైన సేవా డెలివరీకి అవసరం.

ముందుకు చూస్తే, వినియోగదారు అనుభవాలను సరళీకృతం చేయడం ద్వారా భారతదేశం యొక్క రోజువారీ ప్రయాణ ఆందోళనను లొంగదీసుకోవడానికి కంపెనీ యొక్క "లోతైన" లక్ష్యాన్ని కట్టా హైలైట్ చేస్తుంది.

ఇష్టపడే మార్గం, మోడ్ మరియు సమయాన్ని సూచించడానికి AI ద్వారా ఆధారితమైన "సరళమైన ఒక-క్లిక్ మల్టీమోడల్ అనుభవాన్ని" సృష్టించడం తక్షణ లక్ష్యం.

డ్రోన్ డెలివరీల యొక్క దీర్ఘకాలిక "మూన్‌షాట్"ని అంగీకరిస్తూనే, భారతీయ చలనశీలతకు తెలియని అతిపెద్ద విషయం స్వయంప్రతిపత్త వాహనాల అంతరాయ సంభావ్యత అని ఆయన నొక్కి చెప్పారు - ఇది కాపీ-పేస్ట్ దిగుమతి కాకుండా, భారతదేశ నిర్దిష్ట రహదారి పరిస్థితులు మరియు మౌలిక సదుపాయాలను నావిగేట్ చేయడానికి ప్రత్యేకమైన, అనుకూల పరిష్కారాలుగా పరిణామం చెందాల్సి ఉంటుంది.