Shiva Dhawan, Attentive.ai:n perustaja ja toimitusjohtaja – Haastattelusarja

Shiva Dhawan, Attentive.ai:n perustaja ja toimitusjohtaja, on yrittäjä, joka keskittyy tekoälyä hyödyntävään infrastruktuurin ja rakennusprosessien muutokseen. Ennen Attentive.ai:n perustamista hän toimi johtavissa ja operatiivisissa rooleissa teknologia- ja liiketoimintafunktioissa, jotka auttoivat muotoilemaan yrityksen visiota perinteisten manuaalisten prosessien automatisoinnissa, kuten rakennus-, kartoitus- ja geospatial-analyysialoilla. Hänen johdollaan yritys on laajentunut kansainvälisesti ja kehittänyt tekoälyjärjestelmiä, jotka parantavat tehokkuutta arviointi-, poistojen ja infrastruktuurin hallinnassa yrityksille ja urakoitsijoille.

Attentive.ai on tekoälypohjainen rakennusteknologiayritys, joka keskittyy esirakennus- ja infrastruktuuriprosessien automatisointiin tietokoneavusteisen näön ja geospatial-integron avulla. Sen alusta auttaa urakoitsijoita, maanrakennusyhtiöitä ja infrastruktuurioperaattoreita nopeuttamaan arviointi-, mittaus- ja työmaan analyysitehtäviä, jotka ovat perinteisesti riippuvaisia manuaalisesta työstä. Yrityksen Beam AI -tuote on suunniteltu hyödyntämään ilmakuvia ja tekoälyä luodakseen yksityiskohtaisia kiinteistömittauksia ja maanrakennusnäkymiä, jotka auttavat yrityksiä parantamaan tarjousnäyttöä, vähentämään toiminnallisia pullonkauloja ja skaalata projekteja tehokkaammin automaation avulla.

Perustit Attentive.ai:n skaltaamalla palveluliiketoimintaa kartoituksessa ja vakuutusalailla, ja myöhemmin johdit Beam AI:n lippulaivatuotteeksi. Mitkä tarkat havainnot aiemmasta vaiheesta johtivat sinut kehittämään Beam AI:ta, ja miksi valitsit poistot ja arviointi pääsykohtaksi rakennusprosessien muuttamiseen?

Minun perustajakumppani, Rishabjit ja minä tuliimme Yhdysvaltain rakennusmarkkinoille COVID-19-pandemian aikana, jolloin urakoitsijoiden oli arvioitava työpaikkoja ilman läsnäoloa. Mitä useammin tuli esiin, oli sama rajoitus: urakoitsijat menettivät työt, koska he eivät pystyneet hinnoittelemaan niitä, eivätkä heillä ollut aikaa hinnoitella. Yksi arvioitsija, satoja sivuja suunnitelmia, 4-8 tuntia työpaikkoja kohden. Et voi kasvattaa liiketoimintaa sillä tavoin.

Valitsimme poistot, koska ne ovat kaiken lähtökohta. Mitään muuta ei liiku, ennen kuin joku mitää piiriin. Ja tuloste on verifiointikelpoinen; sinulla on joko oikeat määrät, tai et. 2 prosentin virhe 10 miljoonan dollarin työpaikassa on 200 000 dollaria pois. Se ei ole abstrakti. Se on todellinen kustannus, jonka arvioitsijat kantavat jokaisena päivänä.

Rakennus- ja kenttäpalvelut ovat usein hitaampia omaksumaan uusia teknologioita. Mikä on ollut suurin este tekoälyn omaksumiselle tässä sektorissa, ja miten te ylittäte sen?

Luottamus. Arvioitsijat ovat rakentaneet uransa tarkkuuden varaan. Kun he väärin arvioivat, heidän yrityksensä maksaa siitä. Kun esittelimme tekoälyä, luonnollinen reaktio oli: miten tiedän, että tämä on oikein?

Emme yrittäneet puhua ihmisiä pois tästä huolesta. Osoitimme sen suoraan. Jokainen valmis poisto tarkistetaan koulutetun henkilön toimesta ennen kuin se toimitetaan asiakkaalle. Automatisointi käsittelee volyymia ja nopeutta.

Laadunvalvonta kiinni kaiken, mitä tarvitaan toisen katse. Kun asiakkaat näkevät mallin: määrät ovat oikein, heidän tiiminsä ei ole haudattu suunnitelmiin, ja tarjoukset menevät nopeammin ulos. Yksi asiakkaistamme, Bommarito Construction, jätti 50 tarjousta kuuden kuukauden aikana alustan avulla. Se on vakuuttavampaa kuin mikään demo.

Beam AI keskittyy poistojen automatisointiin, joka on perinteisesti manuaalinen ja aikaa vievä prosessi. Miksi tämä työnkulku on kriittinen pääsykohta tekoälyohjatulle muutokselle?

Jokainen projekti alkaa tästä. Ennen kuin voit hinnoitella mitään, joku on istunut suunnitelmien kanssa ja mitannut kaikkea. Yksi poisto voi kestää koko päivän. Kun asiat menevät kiireisi, se tulee katoksi sille, kuinka paljon työtä tiimi voi ajaa.

Urakoitsijat eivät kiellä työpaikkoja, koska he eivät halua niitä. He kieltävät työpaikat, koska ei ole aikaa hinnoitella niitä.

Poistot ovat myös selkeä, tarkistettavissa oleva tuloste: materiaalimäärät. Tiedät, jos jotain puuttuu. Se tekee siitä kohtuullisen paikan rakentaa luottamusta uuteen järjestelmään, erityisesti kun panokset ovat korkeat.

Alustanne mahdollistaa yritysten lisätä tarjousmäärää ilman henkilöstön lisäämistä. Miten näette tämän muokkaavan kilpailua ja marginaaleja alan sisällä?

Se on jo tapahtumassa. Kun urakoitsija voi ajaa kolme kertaa enemmän työpaikkoja samalla tiimillä, he tulevat valikoivammaksi. He menevät korkeamman marginaalisen työn perässä. He voivat reagoida nopeasti, kun suuri mahdollisuus tulee, sen sijaan että he ohittavat sen, koska he ovat jo täysin kiireisi.

Urakoitsijat, jotka eivät ole ajattelemassa tätä, tulevat tuntemaan painetta niistä, jotka ovat. Rays Stairs kaksinkertaisti tarjousmääränsä ja kasvatti liikevaihtoaan 900 000 dollarista 2 miljoonaan kahdessa kuussa. Guardian Roofing leikkasi poistoaikaa 25 tunnista viikossa viiteen. Nuo eivät ole pieniä voittoja. Ne muuttavat sitä, mihin liiketoiminta voi todella mennä.

Beam AI sisältää ihmisen osallistumisen laadunvalvontaa rinnakkain automatisoinnin kanssa. Miten määrittelette oikean tasapainon tekoälyn autonomian ja ihmisen valvonnan välillä?

Ajattelemme sitä luottamuksen ja panosten kautta. Tekoäly käsittelee hyvin strukturoidun, toistuvan työn: lukee suunnitelmia, tunnistaa komponentteja, poimii määrät. Mutta rakennussuunnitelmat eivät ole yhdenmukaisia. Määritykset voivat olla epäselviä. Suunnitelma voi puuttua arkista.

Laadunvalvonta on siellä noille tilanteille. Valmiiksi tehdyn palvelun osalta koulutettu tarkastaja tarkistaa jokaisen tulosteen ennen kuin se toimitetaan asiakkaalle. 10 minuutin poistojen osalta olemme kerryttäneet tarpeeksi dataa, erityisesti ilmastointi- ja putkityössä, siirtymään nopeammin ilman tätä askelta. Teräs on nyt tulossa pian. Autonomian taso seuraa ammattia ja työn monimutkaisuutta.

Mallit paranevat, näettekö tekoälyn autonomian vähenevän tärkeyden laadunvalvonnassa, tai säilyykö se pysyvänä osana korkean panoksen työnkulkua, kuten arviointi?

Molemmat, riippuen siitä, miten määrittelette sen. Muoto, jossa se ilmenee, muuttuu. Paljon siitä, mitä ihmisvirkailija kiinni tänään, siirtyy automaattisiin tarkastuksiin järjestelmän sisällä, kun mallit paranevat ja keräämme enemmän dataa. Mutta en usko, että voit poistaa varmistuksen työnkulkusta, jolla on näin korkeat panokset. Jos urakoitsija hinnoittelee 50 miljoonan dollarin terästyöpaikkaa, he haluavat tarkistuspisteen.

Mitä kohti työskentelemme, on tekemään tästä tarkistuspisteestä nopeampi ja vähemmän työvoimaa vaativa. Tavoitteemme ei ole poistaa laadunvalvontaa. Se on tehdä siitä kevyempi.

Attentive.ai yhdistää tekoälyautomatisointia ja maailmanlaajuisiin operatiivisiin työnkulkuun. Näettekö tekoälyn tulevaisuuden rakennusalalla välttämättä hybridinä eikä täysin autonomisena?

Lähtökohtaisesti kyllä. Ja vastustaisin ajatusta, että “hybridi” on lohdutuspalkinto. Rakennus sisältää harkintaa, jota ei voida kaapata suunnitelmaan. Hyvä arvioitsija tietää paikallisen alihankkijamarkkinansa. He tietävät, miten tietty urakoitsija kirjoittaa määrityksiä. He tietävät, mitä työpaikka todella maksaa rakentaa, mikä ei aina ole samaa, mitä piirustuksissa sanotaan.

Tekoäly käsittelee määrättyjä töitä. Ihminen tuo kontekstin. Tavoitteemme ei ole korvata arvioitsijoita. Se on saada heidät pois toistuvasta mittauksesta, jotta he voivat käyttää aikaa työhön, joka todella vaatii heidän harkintansa. Mikä on myös syy, miksi olemme rakentaneet Beam AI:n täydentämään, kuten plug-and-play-juniori-arvioitsija, joka käsittelee mekaanisia tehtäviä.

Olette kuvaileet tekoälyä esirakennuksen toimintaperustaksi. Mitä tuo visio näyttää viiden seuraavan vuoden aikana?

Tällä hetkellä keskitymme eteen: suunnitelmista materiaalimääriin, niin nopeasti ja tarkasti kuin mahdollista. Seuraava kerros on tarjoushallinta. Olemme jo toimittaneet Bid Dashboardin ja Bid Sniperin, jotka antavat urakoitsijoille yhden näkymän putkeen, määräaikoihin, RFIs:hin ja lisäyksiin.

Seuraavien viiden vuoden aikana haluan, että alusta yhdistäisi poistot suoraan hinnoitteluun ja hankintaan. Urakoitsija lataa suunnitelman, ja muutamassa tunnissa heillä on todellinen kuva siitä, mitä työpaikka maksaa ja mitä heidän on hankittava. Se on aidosti erilainen tapa ajaa esirakennusta kuin mitä useimmat tiimit tekevät tänään.

Beam AI tukee useita ammattialoja, maanrakennuksesta siviili- ja sähkötyöhön. Miten tasapainotatte yleisten tekoälyjärjestelmien kehittämisen ja syvän alanmukaisen optimoinnin tarpeen?

Se on todellinen jännite. Perustava työ on jaettu ammattialojen kesken: asiakirjojen lukeminen, piirustusten tulkinta ja määrien poimiminen. Mutta tulosteet ovat ammattialakohtaisia tavoilla, jotka merkitsevät paljon. Miten mitataan ilmastointilaitteita, on eri asia kuin mitata rakenteellista terästä tai betonirumpua.

Olemme kehittäneet ammattialakohtaisia malleja ja panostaneet koulutusdataan kullekin niistä. Siksi aloitimme ilmastoinnista ja mekaanisesta, missä meidän tietokantamme oli vahvin, ennen laajentumista putkityöhön ja teräkseen. Käsittelemme 15 tai useampaa ammattialaa, mutta olemme rehellisiä siinä, ettei jokainen ammattiala ole samalla tasolla kypsynyt. Rakennamme syvyyttä laajentumisen myötä.

Tekoäly on muokkaamassa perinteisesti offline-aloja. Uskotteko, että rakennusala voi tulla yhdeksi muutetuimmista aloista seuraavan kymmenen vuoden aikana, ja mitä tuo muutos näyttäisi käytännössä?

Uskon. Osa siitä, miksi se on aliarvostettu, on se, että se on ollut niin manuaalinen niin kauan. Ei ole syvälle juurtunutta ohjelmistokerrosta, jonka voisi syrjäyttää, kuten rahoituksessa tai terveydenhuollossa. Dataa ei ole digitalisoitu. Työnkulut eivät ole standardoituja. Se kuulostaa ongelmalta, mutta siitä, mihin me suhtaudumme, se on avaus. Emme korvaa olemassa olevaa järjestelmää. Useissa tapauksissa rakennamme ensimmäisen.

Lisää siihen pääomaa, joka menee datakeskuksiin, valmistukseen ja infrastruktuuriin tällä hetkellä, ja paine hinnoitella ja rakentaa nopeammin kasvaa. Urakoitsijat, jotka selviävät tästä, tulevat eteenpäin. Ne, jotka eivät, tulevat ihmettelemään, mitä tapahtui.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Attentive.ai:ssa tai Beam AI:ssa.