Shiva Dhawan, Co-fundador y CEO de Attentive.ai – Serie de Entrevistas

Shiva Dhawan, Co-fundador y CEO de Attentive.ai, es un empresario enfocado en aplicar la inteligencia artificial para transformar los flujos de trabajo de la infraestructura y la construcción. Antes de lanzar Attentive.ai, ocupó puestos de liderazgo y operativos en tecnología y funciones comerciales, lo que ayudó a dar forma a la visión de la empresa en torno a la automatización de procesos tradicionalmente manuales en industrias como la construcción, el mapeo y el análisis geoespacial. Bajo su liderazgo, la empresa se ha expandido internacionalmente mientras desarrolla sistemas de inteligencia artificial diseñados para mejorar la eficiencia en la estimación, los desmontes y la gestión de infraestructura para empresas y contratistas.

Attentive.ai es una empresa de tecnología de la construcción impulsada por inteligencia artificial que se centra en la automatización de los flujos de trabajo de preconstrucción e infraestructura utilizando visión por computadora e inteligencia geoespacial. Su plataforma ayuda a los contratistas, empresas de paisajismo y operadores de infraestructura a acelerar las tareas de estimación, medición y análisis de sitios que históricamente han dependido del trabajo manual. El producto Beam AI de la empresa está diseñado para aprovechar la imagen aérea y la inteligencia artificial para generar mediciones de propiedades muy detalladas y conocimientos sobre el paisajismo, lo que ayuda a las empresas a mejorar la precisión de las ofertas, reducir los cuellos de botella operativos y escalar proyectos de manera más eficiente a través de la automatización.

Fundaste Attentive.ai después de expandir un negocio de servicios en mapeo y seguros, y más tarde presentaste Beam AI como tu producto insignia. ¿Qué ideas específicas de esa fase anterior te llevaron a construir Beam AI, y por qué elegiste los desmontes y la estimación como el punto de entrada para transformar los flujos de trabajo de la construcción?

Mi co-fundador, Rishabjit, y yo llegamos al mercado de la construcción en EE. UU. durante la COVID, cuando los contratistas tenían que estimar trabajos sin estar en el sitio. Lo que siempre surgía era la misma restricción: los contratistas perdían trabajos no porque no pudieran hacer el trabajo, sino porque se les acababa el tiempo para estimar el precio. Un estimador, cientos de páginas de planos, 4 a 8 horas por trabajo. No puedes crecer un negocio con eso.

Elegimos los desmontes porque son el punto de partida de todo. Nada más se mueve hasta que alguien mide el alcance. Y la salida es verificable; o tienes las cantidades correctas, o no. Un error del 2% en un trabajo de $10 millones es $200,000 perdidos. Eso no es abstracto. Es un costo real que los estimadores llevan todos los días.

La construcción y los servicios de campo a menudo se consideran más lentos para adoptar nuevas tecnologías. ¿Cuál ha sido el mayor obstáculo para la adopción de la inteligencia artificial en este sector, y cómo lo estás superando?

La confianza. Los estimadores han construido sus carreras en la precisión. Cuando se equivocan en algo, su empresa paga por ello. Así que cuando llegamos con la inteligencia artificial, la reacción natural fue: ¿cómo sé que esto es correcto?

No tratamos de convencer a la gente de que no se preocupara por eso. Lo abordamos directamente. Cada desmonte listo para usar se revisa por una persona capacitada antes de que se envíe al cliente. La automatización maneja el volumen y la velocidad.

El control de calidad atrapa cualquier cosa que necesite una segunda mirada. Después de unos trabajos, los clientes ven el patrón: las cantidades son correctas, su equipo no está enterrado en conjuntos de planos, y las ofertas salen más rápido. Uno de nuestros clientes, Bommarito Construction, presentó 50 ofertas más en seis meses utilizando la plataforma. Eso es más convincente que cualquier demostración.

Beam AI se centra en la automatización de los desmontes, un proceso tradicionalmente manual y que consume mucho tiempo. ¿Por qué este flujo de trabajo es un punto de entrada tan crítico para la transformación impulsada por la inteligencia artificial?

Cada proyecto comienza aquí. Antes de que puedas estimar cualquier cosa, alguien tiene que sentarse con los planos y medir todo. Un desmonte puede tomar un día completo. Cuando las cosas se ponen ocupadas, eso se convierte en el techo de la cantidad de trabajo que un equipo puede perseguir.

Los contratistas no rechazan trabajos porque no los quieran. Los rechazan porque no hay tiempo para estimarlos.

Los desmontes también tienen una salida clara y verificable: cantidades de materiales. Sabes si algo se perdió. Eso lo convierte en un lugar razonable para construir confianza en un nuevo sistema, especialmente cuando las apuestas son altas.

Su plataforma permite a las empresas aumentar el volumen de ofertas sin agregar personal. ¿Cómo ve la reconfiguración de la competencia y los márgenes en la industria?

Ya está sucediendo. Cuando un contratista puede perseguir tres veces más trabajos con el mismo equipo, se vuelve selectivo. Va tras trabajos de mayor margen. Puede responder rápidamente cuando surge una gran oportunidad, en lugar de pasarla porque ya está al máximo.

Los contratistas que no están pensando en esto van a sentir la presión de los que sí lo están. Rays Stairs duplicó el volumen de ofertas y creció la facturación de $900,000 a $2 millones en dos meses. Guardian Roofing redujo el tiempo de desmonte de 25 horas a la semana a 5. Esos no son ganancias pequeñas. Cambian lo que un negocio puede perseguir realmente.

Beam AI incorpora una capa de aseguramiento de la calidad (QA) con automatización. ¿Cómo determina el equilibrio adecuado entre la autonomía de la inteligencia artificial y la supervisión humana?

Pensamos en términos de confianza y qué está en juego. La inteligencia artificial maneja bien el trabajo estructurado y repetitivo: leer conjuntos de planos, identificar componentes y extraer cantidades. Pero los resultados son específicos del comercio de maneras que importan mucho. Cómo se miden los equipos de HVAC es nada como medir acero estructural o varillas de refuerzo de concreto.

La capa de QA está allí para esas situaciones. Para el servicio listo para usar, un revisor capacitado examina cada resultado antes de que se envíe al cliente. Para los desmontes automatizados de 10 minutos, hemos acumulado suficientes datos, particularmente en HVAC y fontanería, para moverlos más rápido sin ese paso. El acero se está implementando pronto. El nivel de autonomía sigue el comercio y la complejidad del trabajo.

¿Ve que la capa de QA se vuelva menos central con el tiempo, a medida que los modelos mejoran, o permanecerá como una parte permanente de flujos de trabajo de alto riesgo como la estimación?

Ambas cosas, dependiendo de cómo se defina. La forma que tome cambiará. Muchas de las cosas que un revisor humano detecta hoy se trasladarán a comprobaciones automatizadas dentro del sistema a medida que los modelos mejoren y acumulemos más datos. Pero no creo que se elimine la verificación de un flujo de trabajo de alto riesgo como este. Si un contratista está estimando un trabajo de acero de $50 millones, querrá un punto de control.

Lo que estamos trabajando es hacer que ese punto de control sea más rápido y menos laborioso. El objetivo no es eliminar la QA. Es hacerla más ligera.

Attentive.ai combina la automatización de la inteligencia artificial con flujos de trabajo operativos del mundo real. ¿Ve el futuro de la inteligencia artificial en la construcción como inherentemente híbrido en lugar de completamente autónomo?

Para el futuro predecible, sí. Y me opondría a la idea de que “híbrido” es un premio de consolación. La construcción implica juicio que no se capta en un conjunto de planos. Un buen estimador conoce el mercado de subcontratistas locales. Conoce cómo un GC particular escribe especificaciones. Conoce qué costará realmente construir un trabajo, lo que no siempre es lo que dicen los planos.

La inteligencia artificial maneja el trabajo cuantificable. El ser humano aporta el contexto. El objetivo no es reemplazar a los estimadores. Es sacarlos del trabajo repetitivo de medición para que puedan pasar tiempo en el trabajo que realmente requiere su juicio. Lo cual es también por qué hemos construido Beam AI para ser un aumentador, como un estimador junior que maneja tareas mecánicas.

Ha descrito la inteligencia artificial como la columna vertebral operativa de la preconstrucción. ¿Cómo se ve esa visión en los próximos cinco años?

En este momento nos centramos en el frente: planos a cantidades de materiales, lo más rápido y con precisión posible. La siguiente capa es la gestión de ofertas. Ya hemos enviado Bid Dashboard y Bid Sniper, que dan a los contratistas una vista única de su pipeline, plazos, RFIs y addendas.

En los próximos cinco años, quiero que la plataforma conecte los desmontes directamente con la estimación y la adquisición. Un contratista carga los planos y, dentro de horas, tiene una imagen realista de qué cuesta el trabajo y qué necesita adquirir. Esa es una forma genuinamente diferente de ejecutar la preconstrucción de lo que la mayoría de los equipos hace hoy.

Beam AI ahora admite varios oficios, desde paisajismo hasta trabajo civil y eléctrico. ¿Cómo equilibra la construcción de sistemas de inteligencia artificial generalizados con la necesidad de optimización específica del dominio?

Es una tensión real. El trabajo subyacente es compartido entre oficios: leer documentos, analizar planos y extraer cantidades. Pero los resultados son específicos del oficio de maneras que importan. Cómo se miden los equipos de HVAC es nada como medir acero estructural o varillas de refuerzo de concreto.

Hemos construido modelos específicos del oficio e invertido en datos de entrenamiento para cada uno. Es por eso que comenzamos con HVAC y mecánica, donde nuestro conjunto de datos era más fuerte, antes de expandirnos a la fontanería y el acero. Cubrimos 15 o más oficios, pero somos honestos en que no todos los oficios están al mismo nivel de madurez. Construimos profundidad a medida que expandimos.

La inteligencia artificial está comenzando a transformar industrias tradicionalmente fuera de línea. ¿Cree que la construcción podría convertirse en uno de los sectores más transformados en la próxima década, y cómo se vería esa transformación en la práctica?

Lo creo. Parte de por qué se subestima es que ha sido tan manual durante tanto tiempo. No hay una capa de software profundamente arraigada para reemplazar, como la hay en finanzas o atención médica. Los datos no se han digitalizado. Los flujos de trabajo no están estandarizados. Eso suena como un problema, pero desde donde estamos, es una oportunidad. No estamos reemplazando un sistema existente. En muchos casos, estamos construyendo el primero.

Suma a eso la inversión en centros de datos, fabricación e infraestructura en este momento, y la presión para estimar y construir más rápido solo aumenta. Los contratistas que lo resuelvan se adelantarán. Los que no lo hagan se preguntarán qué pasó.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Attentive.ai o Beam AI.