Eshan Jayamanne, grundlægger og administrerende direktør for Krane – Interviewserie

Eshan Jayamanne, grundlægger og administrerende direktør for Krane, kombinerer dyb ekspertise inden for byggeindustrien med en baggrund i ingeniørvidenskab, analytik og teknologi. Før han grundlagde Krane i 2023, arbejdede han på store projekter for organisationer som Microsoft (MSFT ), Chevron (CVX ), UCSF og Caltrans, med fokus på forbedring af produktivitet, optimering af leverandørkæden, lean construction og operationel effektivitet. Hans erfaring med at lede komplekse byggeprojekter afslørede branchens vedvarende koordinations- og indkøbsudfordringer, hvilket inspirerede ham til at udvikle teknologi, der hjælper hold med at træffe bedre beslutninger og reducere dyre forsinkelser.

Krane er en AI-drevet platform for byggeindustriens leverandørkæde, designet til at forbedre synligheden og koordinationen på tværs af indkøb, materialestyring og projektoperationer. Platformen bruger AI-agenter til at automatisere opgaver som materialeovervågning, leverandørstyring, risikoidentifikation og fakturarekvisition, hvilket hjælper byggehold med at reducere forsinkelser og forbedre effektiviteten. Fokuseret på store projekter som datacenter, sundhedsfaciliteter og infrastrukturudviklinger, sigter Krane mod at modernisere en af byggeindustriens mest fragmenterede og dataintensive arbejdsgange.

De tilbragte år med at arbejde på tværs af byggeingeniørvidenskab, produktionsanalyse, projektoptimering og store infrastrukturprojekter før grundlæggelsen af Krane. Efter at have set første hånd, hvordan indkøbsforsinkelser, materialeovervågningsproblemer og fragmenterede arbejdsgange påvirkede store projekter, hvilket var det specifikke øjeblik, der overbeviste dig om, at AI kunne løse problemer, som byggeindustrien havde kæmpet med i årtier?

Jeg tilbragte mere end et årti med at arbejde på komplekse energi-, infrastruktur- og datacenterprojekter, herunder ledelse af projekter for selskaber som Microsoft og Chevron. Uanset projektstørrelsen så jeg altid de samme udfordringer: hold var overvældet af indleveringer, materialer blev frigivet sent, og leveringerne var ikke koordineret korrekt, hvilket skabte dyre forsinkelser.

Det, der overbeviste mig om, at AI kunne gøre en forskel, var at se, hvor meget af dette arbejde stadig blev styret gennem ikke-tilsluttede regneark, e-mails og telefonopkald. Byggehold manglede ikke ekspertise; de tilbragte for meget tid med at jagte information på tværs af fragmenterede arbejdsgange.

Seneste fremskridt i AI gjorde det muligt at læse byggespecifikationer, tegninger, planer og indkøbsposter og derefter automatisere mange af koordinationsopgaverne, der traditionelt krævede betydelig manuel indsats. Det var da, det blev klart, at AI kunne hjælpe med at flytte den operationelle byrde væk fra projektteamene og give dem mere tid til at fokusere på bygning.

Den idé blev til Krane. I dag styrer platformen mere end 17 milliarder dollars i aktive byggeprojekter på tværs af Nordamerika og har nyligt samlet 9 millioner dollars i en Seed-runde for at fortsætte udvidelsen af vores AI-naturlige byggeoperationer.

Byggeindustrien har historisk set været langsom til at tilpasse sig teknologi i forhold til brancher som finans og software. Hvorfor tror du, at den nuværende bølge af AI er anderledes, og hvorfor er branchen endelig parat til mere autonome systemer?

Branchen står over for to udfordringer på samme tid: øget projektcomplexitet og en voksende mangel på arbejdskraft. Efterspørgslen og kompleksiteten af datacenter, sundhedsfaciliteter og andre store projekter lægger mere pres på byggeindustriens leverandørkæde end nogensinde før. Samtidig pensionerer erfarne fagfolk hurtigere, end de erstattes.

Værktøjer som ChatGPT har også hjulpet med at demonstrere, hvad AI kan gøre i en praktisk og brugervenlig måde. Det gjorde teknologien mere tilgængelig og accelererede adoptionen af AI-løsninger bygget til bestemte brancher, herunder byggeindustrien.

I dag bliver byggehold bedt om at levere større og mere komplekse projekter med mindre margin for fejl, mens de samtidig skal styre volatile og svært forudsigelige leverandørkæder. Det er derfor, vi ser så stor interesse for AI. Branchen tilpasser sig ikke teknologi for teknologiens skyld; den søger praktiske måder at hjælpe hold med at styre kompleksitet, opretholde synlighed og holde projekterne i gang.

Krane beskriver sig selv som en AI-naturlig platform for at styre byggeindustriens leverandørkæde. Hvad er de største ineffektiviteter, der stadig findes i dag i indkøb, indleveringer, leveringer og leverandørkoordination, som de fleste mennesker uden for branchen ikke er klar over?

De fleste mennesker er overraskede over, hvor meget af byggeindustriens indkøb stadig køres gennem regneark, e-mails, telefonopkald og manuel opfølgning. Et stort projekt kan involvere hundredvis af materialer, dusinvis af leverandører, tusindvis af dokumenter og konstant skiftende planer, og alligevel bliver mange indkøbsbeslutninger stadig truffet på basis af leverandørskøn, erfaring og antagelser om markedet.

Da vi så på tværs af projekterne, der kører på Krane, fandt vi, at mange af de mest kostbare tidsforsinkelser og budgetoverskridelser kunne spores tilbage til indkøbsbeslutninger, der var truffet måneder tidligere. Udfordringen var at identificere risici tidligt nok til at kunne gøre noget ved dem.

I vores egne data så vi, at indkøbsrisici dukkede op i gennemsnit 47 dage før, de blev synlige nok til at kunne tage action.

Det er netop derfor, vi lancerede Procurement OS. Krane’s nye Procurement OS-modul bringer live leverandørkæde-intelligence direkte ind i indkøbsarbejdsgange. Fordi Krane allerede styrer den dag-til-dag flytning af materialer på tværs af mere end 17 milliarder dollars i aktive byggeprojekter, kan vi fange virkelige leveringstider, leverandørpræstation, indleveringscyklustider og materialetilgængelighed, som de sker.

Procurement OS identificerer automatisk kritiske materialer fra projektspecifikationer, benchmark live leveringstider, vurderer leverandører på basis af faktisk præstation og screener tilbud for overensstemmelse, før de bliver tildelt. Vi flytter byggeindustrien fra indkøb baseret på antagelser til indkøb baseret på beviser.

Mange AI-virksomheder fokuserer på at generere indsigt, mens Krane synes at være på vej mod AI-agenter, der kan aktivt udføre opgaver. Hvordan ser du AI’s rolle udvikle sig fra assistent til operatør inden for byggeindustriens arbejdsgange?

Vi mener, at den næste udvikling af AI i byggeindustrien er at flytte fra at give information til at hjælpe hold med at udføre arbejde.

Byggeprojekter genererer en enorm mængde data, men at identificere et problem er kun det første skridt. Hold har stadig brug for at koordinere med leverandører, validere leveringstider, styre indleveringer og holde materialer i gang.

Det er derfor, vi har bygget en AI-byggehold, hvor hver agent ejer en specifik del af materialearbejdsgangen.

• Milo omdanner specifikationer, tegninger og planer til komplette indleverings- og indkøbslogger på få minutter
• Arlo forbinder siloede planer, indleveringer og indkøbslogger til ét system og giver en klar indkøbsstrategi for for-projektteamene
• Chase følger op med erhvervspartnere for at prioritere indleveringer, validere leveringstider og materialestatus
• Lana opretter indleveringsskabeloner og QC’er, så byggefirmaer og erhvervspartnere kan forbedre kvaliteten af indleveringspakker og indsende dem på tid
• Rio automatiserer leveringsplanlægning, forhindrer konflikter og analyserer udstyrsbrug
• Theo styrer indkøbsprocessen fra sammenligning af tilbud, RFP-oprettelse til levering

Mennesker træffer stadig de vigtige beslutninger, men AI håndterer det arbejde, der historisk har optaget timer af et projektteams dag.

Datacenter er blevet et af Krane’s største fokusområder. Da AI-efterspørgsel driver en global byggeboom for digital infrastruktur, hvilke nye udfordringer i leverandørkæden opstår, som traditionelle projektledelsesværktøjer har svært ved at håndtere?

Datacenter afslører grænserne for traditionelle indkøbsprocesser.

Mange af de kritiske komponenter, der driver disse faciliteter, har nu ekstraordinært lange leveringstider. Krafttransformatorer kan tage tre til fem år at indkøbe, mens mediumspændingsudstyr kan overstige 60 uger. Samtidig kan elektrisk og mekanisk udstyr repræsentere op til 75% af et projekts garanterede maksimumpris, hvilket betyder, at indkøbsbeslutninger har enorme økonomiske konsekvenser.

Traditionelle projektledelsesværktøjer er designet til at spore projektstatus efter, at beslutninger allerede er truffet. De giver ikke realtidsynlighed i leverandørpræstation, skiftende leveringstider eller opdybkommende leverandørkædebegrænsninger.

Procurement OS løser disse udfordringer. Ved at udnytte live leverandørkæde-data fra aktive projekter kan hold træffe indkøbsbeslutninger baseret på, hvad der sker på markedet i dag, snarere end hvad der skete på det sidste projekt.

En af de største bekymringer omkring AI-agenter er tillid. I byggeindustrien, hvor forsinkelser eller fejl kan have million-dollar konsekvenser, hvordan balancerer du automation med menneskelig oversigt?

Tillid er kritisk, fordi byggebeslutninger har reelle tids- og budgetkonsekvenser.

Vores filosofi er, at AI skal håndtere koordination, mens mennesker forbliver ansvarlige for dømmekraft og beslutningstagning. Hver AI-handling i Krane inkluderer en tillidsscore, kritiske beslutninger kræver menneskelig godkendelse, og aktivitet logges gennem revisionsstier. Det giver hold synlighed i, hvad systemet gør, og hvorfor.

Den anden side af tillid er resultater. På tværs af vores portefølje har Krane sporet mere end 2.000 leverandørkæderisici, før de nåede byggepladsen, og hjulpet kunder med at opnå en 92% levering på tid. Når hold konsekvent ser risici identificeret tidligere og koordination sker hurtigere, følger tillid naturligt.

Byggeprojekter involverer ofte dusinvis af entreprenører, underentreprenører, leverandører og interessenter, der arbejder på tværs af ikke-tilsluttede systemer. Hvor svært er det at skabe en sand enkelt kilde til sandhed, og hvilken rol spiller AI i at gøre det muligt?

Det er et af de sværeste problemer i byggeindustrien.

Den gennemsnitlige projekt involverer information spredt over flere interessenter og systemer. Entreprenører, underentreprenører, ejere, leverandører og konsulenter arbejder alle fra forskellige datakilder, hvilket skaber huller, modstridende information og forsinkelser.

AI spiller en vigtig rol, fordi det kan forbinde og fortolke information på tværs af disse miljøer. Krane bringer sammen planer, tegninger, indkøbslogger, indleveringer, leveringer og leverandørkommunikation i ét miljø, hvor hold kan se projektets nuværende tilstand i realtid.

Når alle arbejder fra den samme information, får hold bedre synlighed til at træffe hurtigere og mere informerede beslutninger på tværs af projektets livscyklus. Lige så vigtigt er det, at det tillader organisationer at lære af ét projekt og anvende disse indsighter på det næste. Historisk har meget af denne viden levet i regneark, e-mails og enkelte teammedlemmers erfaring, hvilket gjorde det svært at føre det videre. Ved at fange og strukturere leverandørkæde-data på tværs af projekter hjælper Krane hold med at træffe bedre indkøbs- og planlægningsbeslutninger over tid.

Krane integrerer med platforme, der allerede bruges på tværs af branchen, snarere end at forsøge at erstatte dem. Tror du, at fremtiden for byggeindustriens AI vil blive bygget omkring udvidelse af eksisterende software-økosystemer eller helt nye operativsystemer for byggeindustrien?

På kort sigt er udvidelse essentiel.

Byggeselskaber har investeret massivt i platforme som Autodesk, Procore, Microsoft Project, CMiC, SharePoint, Trimble Viewpoint og Oracle Primavera P6. At bede dem om at erstatte disse systemer er ikke realistisk, og ærligt talt er det ikke nødvendigt.

Vores tilgang er at integrere med de værktøjer, hold allerede bruger, og skabe et forbundet lag på tværs af dem. Det tillader kunderne at fortsætte med at arbejde inden for kendte arbejdsgange, mens de samtidig nyder godt af AI-drevet indkøb, materialestyring og leverandørkædekoordination.

Over tid tror jeg, vi vil se mere AI-naturlige systemer opstå. Men de virksomheder, der lykkes, vil være dem, der passer naturligt ind i den bredere byggeteknologi-økosystem snarere end at tvinge kunderne til at starte fra scratch.

Den bredere AI-industri bevæger sig hurtigt mod agente-arbejdsgange. Hvad kan andre brancher lære af byggeindustrien om at implementere AI-agenter i miljøer, hvor reel udførelse og logistik lige så meget som digitale arbejdsgange?

En lære er, at AI bliver langt mere værdifuld, når det er forbundet med operationel data.

Procurement OS fungerer, fordi det ikke er bygget på teoretiske modeller af, hvordan byggeindustriens leverandørkæde burde fungere. Det er bygget på den faktiske flytning af materialer på tværs af aktive projekter. Hver beslutning, der træffes i Krane, skaber data, der hjælper med at forbedre fremtidig projektudførelse.

Vi har set, at det giver genklang hos kunder, der spænder fra sundhedsorganisationer til nogle af de største entreprenører i branchen, herunder Boldt, HITT Contracting, UCSF Health og Juneau Construction. De søger ikke AI, der blot genererer indsigt; de søger systemer, der hjælper hold med at træffe bedre beslutninger og udføre arbejde mere effektivt.

En anden lære er, at udførelse betyder mere end indsigt. At identificere et problem er nyttigt, men at løse det er, hvor værdi skabes. I brancher, hvor fysisk udførelse og logistik betyder noget, skal AI hjælpe organisationer med at tage handling.

Set fem år frem, hvad ser et fuldt AI-koordineret byggeprojekt ud til? Hvilke beslutninger vil stadig tilhøre mennesker, og hvilke dele af projektudførelsen forventer du, at intelligente systemer vil håndtere autonomt?

Jeg tror, vi vil se AI blive dybt integreret på tværs af byggeindustriens leverandørkæde.

Opgaver, der er meget repetitive, administrative og forbruger projektteamers tid, vil blive mere og mere automatiseret.

På mange måder er vi allerede på vej i den retning med Procurement OS og vores AI-byggehold. Visionen er et system, der lærer af hvert projekt og hjælper hold med at træffe bedre beslutninger tidligere i projektets livscyklus.

Det skal dog siges, at byggeindustrien altid vil være et menneskeorienteret erhverv. Projektstrategi, interessegruppestyring, kommercielle forhandlinger og store afvejningsbeslutninger vil fortsat kræve menneskelig dømmekraft og erfaring. AI vil håndtere mere af den operationelle tungt løftning, mens mennesker fokuserer på ledelse, relationer og beslutningstagning.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Krane.