Eshan Jayamanne, zakladatel a generální ředitel Krane – Interview Series

Eshan Jayamanne, zakladatel a generální ředitel Krane, kombinuje hluboké znalosti stavebního průmyslu s pozadím v oblasti inženýrství, analýz a technologií. Před založením Krane v roce 2023 pracoval na významných projektech pro organizace, jako jsou Microsoft (MSFT ), Chevron (CVX ), UCSF a Caltrans, se zaměřením na zlepšení produktivity, optimalizaci dodavatelského řetězce, lean construction a provozní efektivitu. Jeho zkušenosti s řízením složitých stavebních projektů odhalilyersistentní problémy s koordinací a zadáváním zakázek v tomto odvětví, což ho inspirovalo k vývoji technologií, které pomáhají týmům принимать lepší rozhodnutí a snižovat nákladné zpoždění.

Krane je platforma pro řízení dodavatelského řetězce ve stavebnictví, která využívá umělou inteligenci k zlepšení viditelnosti a koordinace při zadávání zakázek, řízení materiálů a projektových operací. Platforma využívá agentů AI k automatizaci úkolů, jako je sledování materiálů, řízení dodavatelů, identifikace rizik a vyrovnání faktur, což pomáhá stavebním týmům snižovat zpoždění a zlepšovat efektivitu. Zaměřuje se na velké projekty, jako jsou datové centra, zdravotnické zařízení a infrastrukturní projekty, a cílem Krane je modernizovat jeden z nejvíce fragmentovaných a datově náročných workflow ve stavebnictví.

Strávili jste roky prací v oblasti stavebního inženýrství, produkční analýzy, optimalizace projektů a velkých infrastrukturních projektů, než jste založili Krane. Po osobním zážitku s tím, jak zpoždění zadávání zakázek, problémy se sledováním materiálů a fragmentované workflow ovlivnily velké projekty, jaký byl ten konkrétní moment, který vás přesvědčil, že umělá inteligence může řešit problémy, se kterými se stavebnictví potýkalo desetiletí?

Strávil jsem více než deset let prací na složitých projektech v oblasti energie, infrastruktury a datových center, včetně vedení projektů pro společnosti, jako jsou Microsoft a Chevron. Bez ohledu na velikost projektu jsem neustále viděl stejné problémy: týmy byly zahlceny submittaly, materiály byly uvolněny pozdě a dodávky nebyly koordinovány správně, což vedlo k nákladným zpožděním.

To, co mě přesvědčilo, že umělá inteligence může udělat rozdíl, bylo vidět, jak velkou část této práce stále spravovaly nespojené tabulky, e-maily a telefonní hovory. Stavební týmy neměly nedostatek odborných znalostí; trávily příliš mnoho času sháněním informací napříč fragmentovanými workflow.

Poslední pokroky v oblasti umělé inteligence umožnily čtení stavebních specifikací, výkresů, harmonogramů a záznamů o zadávání zakázek a automatizaci mnoha koordinačních úkolů, které tradičně vyžadovaly značné manuální úsilí. To bylo okamžik, kdy se stalo jasné, že umělá inteligence může pomoci přesunout operační zátěž ze stavebních týmů a dát jim více času na soustředění se na stavbu.

Tato myšlenka se nakonec stala Krane. Dnes platforma spravuje více než 17 miliard dolarů v aktivních stavebních projektech po celé Severní Americe a nedávno získala 9 milionů dolarů v rámci seed kola, aby mohla dále rozšiřovat svou AI-nativní konstrukční operaci.

Stavebnictví historicky zaostávalo za odvětvími, jako je finance a software, v přijímání technologií. Proč si myslíte, že současná vlna umělé inteligence je jiná a proč je toto odvětví konečně připraveno na více autonomních systémů?

Odvětví čelí dvěma výzvám současně: rostoucí složitosti projektů a rostoucímu nedostatku pracovních sil. Poptávka a složitost datových center, zdravotnických zařízení a dalších velkých projektů klade větší tlak na stavební dodavatelské řetězce, než tomu bylo dříve. Současně zkušení profesionálové odcházejí do důchodu rychleji, než jsou nahrazováni.

Nástroje, jako je ChatGPT, také pomohly demonstrovat, co může umělá inteligence skutečně udělat v praktickém a uživatelsky přívětivém způsobem. To učinilo technologii mnohem přístupnější a urychlovalo přijímání řešení umělé inteligence postavených pro konkrétní odvětví, včetně stavebnictví.

Dnes jsou stavební týmy požádány, aby dodávaly větší a složitější projekty s menším rozpětím pro chyby, zatímco spravují nestabilní a obtížně předpověditelné dodavatelské řetězce. To je důvod, proč vidíme tolik zájmu o umělou inteligenci. Odvětví nepřijímá technologii pro technologii samotnou; hledá praktické způsoby, jak pomoci týmům spravovat složitost, udržovat viditelnost a udržovat projekty v chodu.

Krane se popisuje jako AI-nativní platforma pro řízení stavebních dodavatelských řetězců. Jaké jsou největší neefektivnosti, které stále existují dnes v zadávání zakázek, submittalech, dodávkách a koordinaci dodavatelů, o kterých si lidé mimo odvětví nejsou vědomi?

Většina lidí je překvapena tím, jak velkou část stavebního zadávání zakázek stále spravují tabulky, e-maily, telefonní hovory a manuální follow-up. Velký projekt může zahrnovat stovky materiálů, desítky dodavatelů, tisíce dokumentů a neustále se měnící harmonogramy, a přesto jsou многие rozhodnutí o zadávání zakázek stále založena na odhadech dodavatelů, historických zkušenostech a předpokladech o tržních podmínkách.

Když jsme se podívali na projekty běžící na Krane, zjistili jsme, že mnoho z nejdražších zpoždění a překročení rozpočtu mohlo být vysledováno zpět k rozhodnutím o zadávání zakázek učiněným měsíce dříve. Výzvou bylo identifikovat rizika dostatečně brzy, aby se s nimi něco dalo dělat.

V našich datech se ukázalo, že rizika zadávání zakázek se objevila v průměru 47 dní předtím, než se objevila na projektovém harmonogramu. To znamená, že týmy mohou mít týdny expozice vůči riziku, než se stane dostatečně viditelným, aby se s ním něco dalo dělat.

To je přesně důvod, proč jsme spustili Procurement OS. Nový modul Procurement OS od Krane přináší živou inteligenci dodavatelského řetězce přímo do workflow zadávání zakázek. Protože Krane již spravuje denní tok materiálů napříč více než 17 miliardami dolarů v aktivních stavebních projektech, jsme schopni zachytit skutečné doby dodání, výkon dodavatelů, cykly submittalů a dostupnost materiálů, jak se dějí.

Procurement OS automaticky identifikuje kritické materiály z projektových specifikací, benchmarkuje živé doby dodání, hodnotí dodavatele na základě skutečného výkonu a prohlíží nabídky na soulad předtím, než jsou uděleny. Přecházíme ze zadávání zakázek založeného na předpokladech na zadávání zakázek založené na důkazech.

Mnohé AI společnosti se zaměřují na generování přehledů, zatímco Krane se zdá být zaměřen na AI agenty, kteří mohou aktivně vykonávat úkoly. Jak vidíte roli umělé inteligence evolucí z asistenta na operátora ve stavebních workflow?

Věřím, že další evoluce umělé inteligence ve stavebnictví je přechod od poskytování informací k pomoci týmům vykonávat práci. Stavební projekty generují enormní množství dat, ale identifikace problému je pouze první krok. Týmy stále potřebují koordinovat s dodavateli, ověřovat doby dodání, spravovat submittaly a udržovat materiály v pohybu.

To je důvod, proč jsme postavili AI stavební tým, kde každý agent vlastní konkrétní část materiálového workflow.

• Milo převádí specifikace, výkresy a harmonogramy na kompletní submittal a záznamy o zadávání zakázek za několik minut
• Arlo spojuje izolované harmonogramy, submittaly a záznamy o zadávání zakázek do jednoho systému a poskytuje jasnou strategii zadávání zakázek pro týmy před zahájením stavby
• Chase následuje partnery, aby priorizoval submittaly, ověřoval doby dodání a statusy materiálů
• Lana vytváří šablony submittalů a QCs, aby generální dodavatelé a partneři mohli zlepšit kvalitu balíčků submittalů a předkládat je včas
• Rio automatizuje plánování dodávek, zabraňuje konfliktům a analyzuje využití zařízení
• Theo řídí proces zadávání zakázek od srovnání nabídek, tvorby RFP až po doručování

Lidé stále činí důležitá rozhodnutí, ale umělá inteligence spravuje práci, která historicky spotřebovala hodiny dne stavebního týmu.

Datová centra se stala jednou z hlavních oblastí zaměření Krane. Jak se zvýšená poptávka po umělé inteligenci pohání globální stavební boom pro digitální infrastrukturu, jaké nové výzvy dodavatelského řetězce vznikají, se kterými se tradiční nástroje projektového managementu potýkají?

Datová centra odhalují limity tradičních procesů zadávání zakázek.

Mnohé z kritických komponent, které pohání tyto zařízení, nyní mají mimořádně dlouhé doby dodání. Transformátory mohou trvat tři až pět let, zatímco středněnapěťové spínače mohou překročit 60 týdnů. Současně mohou elektrické a mechanické zařízení představovat až 75 % zaručené maximální ceny projektu, což znamená, že rozhodnutí o zadávání zakázek mají enormní finanční důsledky.

Tradiční nástroje projektového managementu jsou navrženy tak, aby sledovaly stav projektu po tom, co byla rozhodnutí již učiněna. Ne poskytují viditelnost do výkonu dodavatelů, měnících se dob dodání nebo vznikajících omezení dodavatelského řetězce.

Procurement OS řeší tyto výzvy. Díky využití živých dat dodavatelského řetězce z aktivních projektů mohou týmy činit rozhodnutí o zadávání zakázek na základě toho, co se děje na trhu dnes, spíše než na základě toho, co se dělo na minulém projektu.

Jednou z největších obav kolem AI agentů je důvěra. Ve stavebnictví, kde zpoždění nebo chyby mohou mít multi-milionové důsledky, jak vyvažujete automatizaci s lidským dohledem?

Důvěra je kritická, protože stavební rozhodnutí mají reálné důsledky pro harmonogram a rozpočet.

Naše filozofie je taková, že umělá inteligence by měla spravovat koordinaci, zatímco lidé by měli zůstat odpovědní za úsudky a rozhodování. Každá akce AI v Krane zahrnuje skóre důvěry, kritická rozhodnutí vyžadují lidské schválení a aktivita je zaznamenána prostřednictvím auditních stop. To poskytuje týmům viditelnost do toho, co systém dělá a proč.

Druhá strana důvěry jsou výsledky. Napříč našim portfoliem Krane sledoval více než 2 000 rizik dodavatelského řetězce předtím, než se dostaly na staveniště, a pomohl zákazníkům dosáhnout 92% míry dodání včas. Když týmy konzistentně vidí rizika identifikována dříve a koordinaci probíhající rychleji, důvěra přirozeně následuje.

Stavební projekty často zahrnují desítky dodavatelů, subdodavatelů, dodavatelů a stakeholderů pracujících napříč nespojenými systémy. Jak obtížné je vytvořit skutečný jediný zdroj pravdy a jakou roli hraje umělá inteligence při tom, aby to bylo možné?

Je to jedna z nejobtížnějších problémů ve stavebnictví.

Průměrný projekt zahrnuje informace rozptýlené napříč mnoha stakeholdery a systémy. Generální dodavatelé, subdodavatelé, majitelé, dodavatelé a konzultanti všichni pracují z různých zdrojů dat, což vytváří mezery, konfliktní informace a zpoždění.

Umělá inteligence hraje důležitou roli, protože může propojit a interpretovat informace napříč těmito prostředími. Krane spojuje harmonogramy, výkresy, záznamy o zadávání zakázek, submittaly, dodávky a komunikaci dodavatelů do jednoho prostředí, kde týmy mohou vidět aktuální stav projektu v reálném čase.

Když všichni pracují z téže informace, týmy získávají lepší viditelnost, aby mohli činit rychlejší a informovanější rozhodnutí po celou dobu životnosti projektu. Stejně důležité je, že to umožňuje organizacím učit se z jednoho projektu a aplikovat tyto poznatky na další. Historicky žila většina této znalosti v tabulkách, e-mailech a zkušenostech jednotlivých členů týmu, což znesnadňovalo přenositelnost. Zachycením a strukturou dat dodavatelského řetězce napříč projekty Krane pomáhá týmům činit lepší rozhodnutí o zadávání zakázek a plánování.

Krane integruje s platformami, které jsou již používány napříč odvětvím, místo toho, aby se snažil nahradit je. Myslíte si, že budoucnost stavební umělé inteligence bude postavena kolem augmentace stávajících softwarových ekosystémů nebo zcela nových operačních systémů pro stavebnictví?

V blízké budoucnosti je augmentace nezbytná.

Stavební společnosti investovaly značné prostředky do platforem, jako jsou Autodesk, Procore, Microsoft Project, CMiC, SharePoint, Trimble Viewpoint a Oracle (ORCL ) Primavera P6. Žádat je, aby tyto systémy nahradily, není realistické a upřímně řečeno, není to nutné.

Náš přístup je integrovat s nástroji, které týmy již používají, a vytvořit propojenou vrstvu napříč nimi. To umožňuje zákazníkům pokračovat v práci v rámci známých workflow, zatímco profitují z AI poháněného zadávání zakázek, řízení materiálů a koordinace dodavatelského řetězce.

V budoucnu si myslím, že uvidíme více AI-nativních systémů. Ale společnosti, které uspějí, budou ty, které se přirozeně hodí do širšího ekosystému stavebních technologií, místo toho, aby donutily zákazníky začít od začátku.

Širší odvětví umělé inteligence se rychle pohybuje směrem k agenticím workflow. Jaké lekce ze stavebnictví by mohla jiná odvětví naučit o nasazování AI agentů v prostředích, kde reálná exekuce a logistika mají stejně velký význam jako digitální workflow?

Jedna lekce je, že umělá inteligence se stává mnohem cennější, když je spojena s operačními daty.

Procurement OS funguje, protože není postaven na teoretických modelech, jak by měly fungovat stavební dodavatelské řetězce. Je postaven na skutečném pohybu materiálů napříč aktivními projekty. Každé rozhodnutí učiněné v Krane vytváří data, která pomáhají zlepšit budoucí projektovou exekuci.

Viděli jsme, že to rezonuje se zákazníky, od zdravotnických systémů až po některé z největších dodavatelů v odvětví, včetně Boldt, HITT Contracting, UCSF Health a Juneau Construction. Oni nehledají umělou inteligenci, která pouze generuje přehledy; chtějí systémy, které pomáhají týmům činit lepší rozhodnutí a vykonávat práci efektivněji.

Další lekce je, že exekuce má větší význam než přehledy. Identifikace problému je užitečná, ale řešení je tam, kde se vytváří hodnota. V odvětvích, kde fyzické operace a logistika mají význam, umělá inteligence musí pomoci organizacím jednat.

Pohledem do budoucnosti o pět let, jaký bude vypadat plně AI-koordinovaný stavební projekt? Jaká rozhodnutí budou stále náležet lidem a které části projektové exekuce očekáváte, že budou inteligentní systémy spravovat autonomně?

Myslím, že uvidíme umělou inteligenci hluboce integrovanou napříč stavebním dodavatelským řetězcem.

Úkoly, které jsou vysoce opakující se, administrativní a spotřebují projektové týmy, se stanou stále více automatizovanými.

V mnoha ohledech již jdeme tímto směrem s Procurement OS a naším AI stavebním týmem. Vize je systém, který se učí z každého projektu a pomáhá týmům činit lepší rozhodnutí dříve v životnosti projektu.

To řečeno, stavebnictví bude vždy lidovým byznysem. Projektová strategie, řízení stakeholderů, komerční jednání a majoritní rozhodnutí o kompromisu budou stále vyžadovat lidský úsudek a zkušenosti. Umělá inteligence bude spravovat více operační zátěže, zatímco lidé se budou soustředit na vedení, vztahy a rozhodování.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Krane.