Shiva Dhawan, spoluzakladatel a CEO Attentive.ai – Interview Series

Shiva Dhawan, spoluzakladatel a CEO Attentive.ai, je podnikatel, který se zaměřuje na aplikaci umělé inteligence pro transformaci infrastruktury a stavebních procesů. Předtím, než založil Attentive.ai, zastával vedoucí a provozní role v technologických a obchodních funkcích, což pomohlo vytvořit vizi společnosti kolem automatizace tradičně manuálních procesů v odvětvích, jako je stavebnictví, mapování a geoprostorová analýza. Pod jeho vedením se společnost rozšířila mezinárodně a vyvinula systémy AI, které zlepšují efektivitu při odhadování, měření a správě infrastruktury pro podniky a dodavatele.

Attentive.ai je společnost pro stavební technologie s umělou inteligencí, která se zaměřuje na automatizaci představebních a infrastrukturálních procesů pomocí počítačového vidění a geoprostorové inteligence. Jejich platforma pomáhá dodavatelům, krajinářským společnostem a provozovatelům infrastruktury urychlit odhady, měření a analýzu míst, které historicky závisely na manuální práci. Produkt společnosti Beam AI je navržen tak, aby využíval letecké snímky a umělou inteligenci pro generování vysoce podrobných měření nemovitostí a krajinářských informací, což pomáhá podnikům zlepšit přesnost nabídek, snížit provozní zátěž a efektivněji škálovat projekty prostřednictvím automatizace.

Založil jste Attentive.ai po rozvoji služeb v mapování a pojišťovnictví a později jste představil Beam AI jako svou vlajkovou loď. Jaké konkrétní poznatky z této dřívější fáze vás vedly k vývoji Beam AI, a proč jste si vybrali odhady a měření jako vstupní bod pro transformaci stavebních procesů?

Můj spoluzakladatel Rishabjit a já jsme vstoupili na americký stavební trh během COVID, kdy dodavatelé museli odhadovat práce bez přítomnosti na místě. Co neustále vyvstávalo, byla stejná omezení: dodavatelé ztráceli práci ne proto, že by ji nemohli vykonat, ale protože jim došly časové prostředky na její ocenění. Jeden odhadce, stovky stránek plánů, 4 až 8 hodin na práci. Nemůžete rozvíjet podnikání na tomto základě.

Vybrali jsme si měření, protože jsou počátečním bodem všeho. Nic jiného se nehybe, dokud někdo nezjistí rozsah. A výstup je ověřitelný; buď máte správné množství, nebo ne. Chyba 2 % u práce za 10 milionů dolarů znamená ztrátu 200 000 dolarů. To není abstraktní. Je to skutečná cena, kterou odhadci nesou každý den.

Stavebnictví a terénní služby jsou často považovány za odvětví, která jsou pomalejší při přijímání nových technologií. Jaké je největší bariéra pro přijetí umělé inteligence v tomto sektoru, a jak ji překonáváte?

Důvěra. Odhadci vybudovali svou kariéru na základě přesnosti. Když něco přehlédnou, jejich společnost za to platí. Když jsme se objevili s umělou inteligencí, přirozenou reakcí bylo: jak vím, že je to správné?

Nezkoušeli jsme lidi přesvědčit, aby se této obavy zbavili. Přímě se jí zabývali. Každé hotové měření je přezkoumáno školenou osobou, než je odesláno zákazníkovi. Automatizace zvládá objem a rychlost.

Kontrola zabezpečuje, že se nic nezmešká. Po několika pracích zákazníci vidí vzorec: množství je správné, jejich tým není zahlcen plány, a nabídky jsou odesílány rychleji. Jedna z našich zákazníků, Bommarito Construction, podala o 50 více nabídek za šest měsíců pomocí platformy. To je přesvědčivější než jakékoli demo.

Beam AI se zaměřuje na automatizaci měření, tradičně manuálního a časově náročného procesu. Proč je tento proces tak kritickým vstupním bodem pro transformaci poháněnou umělou inteligencí?

Každý projekt začíná zde. Předtím, než můžete něco ocenit, někdo musí sedět s plány a měřit vše. Jedno měření může trvat celý den. Když se věci zkomplikují, stává se to stropem pro to, kolik práce může tým zpracovat.

Dodavatelé neodmítají práce, protože je nechce. Odmítají je, protože na ně není čas.

Měření také mají jasný, ověřitelný výstup: množství materiálů. Víte, zda něco bylo přehlédnuto. To z něj dělá rozumné místo pro budování důvěry v nový systém, zejména když jsou sázky vysoké.

Vaše platforma umožňuje společnostem zvýšit objem nabídek bez navýšení počtu zaměstnanců. Jak vidíte, že to změní konkurenci a marže v celém odvětví?

Už se to děje. Když může dodavatel zpracovat třikrát více prací se stejným týmem, stává se vybíravějším. Cílí na práce s vyšší marží. Může reagovat rychle, když se objeví velká příležitost, místo aby ji odmítal, protože je již vytížen.

Dodavatelé, kteří o tom neuvažují, budou cítit tlak od těch, kteří ano. Rays Stairs zdvojnásobil objem nabídek a zvýšil tržby z 900 000 na 2 miliony dolarů za dva měsíce. Guardian Roofing snížil dobu měření z 25 hodin týdně na 5. To nejsou malé zisky. Změní, co může podnik skutečně zpracovat.

Beam AI zahrnuje vrstvu lidské kontroly kvality (QA) spolu s automatizací. Jak určujete správnou rovnováhu mezi autonomií umělé inteligence a lidským dohledem?

O tom uvažujeme z hlediska důvěry a toho, co je na hře. Umělá inteligence zvládá strukturovanou, opakovanou práci dobře: čtení plánů, identifikaci součástí a extrakci množství. Ale výstupy jsou specifické pro obor způsobem, který má význam. Jak měříte zařízení HVAC, není nic jako měření strukturální oceli nebo betonové armatury.

Vrstva QA je zde pro tyto situace. Pro hotové služby přezkoumá školený recenzent každý výstup, než je odeslán zákazníkovi. Pro automatizovaná měření v rámci 10 minut jsme nasbírali dostatek dat, zejména v oblasti HVAC a potrubí, abychom mohli postupovat rychleji bez tohoto kroku. Ocel se nyní brzy spustí. Úroveň autonomie sleduje obor a složitost práce.

Jak se modely zlepšují, budete-li se domnívat, že vrstva QA se stane méně centrální s časem, nebo zůstane trvalou součástí procesů s vysokými sázkami, jako je odhadování?

Obě možnosti, v závislosti na tom, jak definujete. Forma, kterou zaujme, se změní. Velká část toho, co dnes chytí lidský recenzent, se přenese na automatizované kontroly uvnitř systému, jak se modely zlepšují a budeme budovat více dat. Ale nemyslím si, že byste mohli vyřadit verifikaci z procesu, který je tak rizikový. Pokud dodavatel ocenává práci za 50 milionů dolarů, bude chtít kontrolní bod.

Na co se zaměřujeme, je udělat tento kontrolní bod rychlejší a méně náročný na práci. Cílem není eliminovat QA. Je udělat ji lehčí.

Attentive.ai kombinuje automatizaci umělé inteligence se skutečnými provozními procesy. Vidíte budoucnost umělé inteligence ve stavebnictví jako inherentně hybridní, spíše než plně autonomní?

Pro předvídatelnou budoucnost ano. A zpochybním myšlenku, že “hybrid” je útěchou. Stavebnictví zahrnuje úsudky, které nejsou zachyceny v plánu. Dobrý odhadce zná svůj místní subdodavatelský trh. Ví, jak určitý generální dodavatel píše specifikace. Ví, co bude práce skutečně stát na realizaci, což není vždy to, co říkají výkresy.

Umělá inteligence zvládá kvantifikovatelnou práci. Člověk přináší kontext. Cílem není nahradit odhadce. Je dostat je z opakované měření, aby mohli trávit čas prací, která skutečně vyžaduje jejich úsudek. Proto jsme také vyvinuli Beam AI jako augmentátor, jako vložený junior odhadce, který zvládá mechanické úkoly.

Popisujete umělou inteligenci jako budoucí provozní páteř představební fáze. Jak vypadá tato vize v následujících pěti letech?

Právě teď se zaměřujeme na přední část: plány na materiálová množství, co nejrychleji a přesněji. Další vrstva je správa nabídek. Už jsme spustili Bid Dashboard a Bid Sniper, které dodavatelům poskytují jednotný pohled na jejich pipeline, lhůty, RFIs a dodatky.

V následujících pěti letech chci, aby platforma spojila měření přímo s cenami a nákupem. Dodavatel nahraje plány a během několika hodin má skutečný obraz toho, co práce stojí a co musí zdrojovat. To je skutečně jiný způsob, jak řídit představební fázi, než jaký většina týmů dělá dnes.

Beam AI nyní podporuje několik oborů, od krajinného po civilní a elektrické práce. Jak vyvažujete budování obecných systémů umělé inteligence s potřebou hluboké optimalizace specifické pro obor?

Je to skutečné napětí. Základní práce je sdílena napříč obory: čtení dokumentů, analýza výkresů a extrakce množství. Ale výstupy jsou specifické pro obor způsoby, které mají význam. Jak měříte zařízení HVAC, není nic jako měření strukturální oceli nebo betonové armatury.

Vyvinuli jsme modely specifické pro obor a investovali do trénovacích dat pro každý z nich. Proto jsme začali s HVAC a mechanickými, kde byl náš datový soubor nejsilnější, předtím, než jsme se rozšířili do potrubí a oceli. Pokrýváme 15 nebo více oborů, ale upřímně přiznáváme, že ne každý obor je na stejné úrovni zralosti. Budujeme hloubku, jak se rozšiřujeme.

Umělá inteligence začíná měnit tradičně offline odvětví. Domníváte se, že stavebnictví by mohlo být jedním z nejvíce transformovaných sektorů v následujícím desetiletí, a jak by tato transformace vypadala v praxi?

Domnívám se. Částí toho, proč je to podceňováno, je, že to bylo tak dlouho manuální. Není zde hluboce zakořeněná softwarová vrstva, kterou by bylo třeba nahradit, jako je tomu ve financích nebo zdravotnictví. Data nebyla digitalizována. Procesy nejsou standardizovány. To zní jako problém, ale z našeho pohledu je to otevření. Nebudeme nahrazovat existující systém. Ve mnoha případech budujeme první.

Přidejte k tomu kapitál, který jde do datových center, výroby a infrastruktury právě teď, a tlak na rychlejší a levnější stavbu bude dále narůstat. Dodavatelé, kteří to vyřeší, budou táhnout před sebe. Ti, kteří ne, budou se divit, co se stalo.

Děkuji za skvělý rozhovor, čtenářům, kteří chtějí se dozvědět více, doporučujeme navštívit Attentive.ai nebo Beam AI.