Eshan Jayamanne, Fondateur et PDG de Krane – Série d’entretiens

Eshan Jayamanne, Fondateur et PDG de Krane, combine une expertise approfondie dans l’industrie de la construction avec un passé dans l’ingénierie, l’analyse et la technologie. Avant de fonder Krane en 2023, il a travaillé sur des projets majeurs pour des organisations telles que Microsoft (MSFT ), Chevron (CVX ), UCSF et Caltrans, en se concentrant sur l’amélioration de la productivité, l’optimisation de la chaîne d’approvisionnement, la construction Lean et l’efficacité opérationnelle. Son expérience dans la gestion de projets de construction complexes a mis en évidence les défis persistants de coordination et d’approvisionnement de l’industrie, l’inspirant à développer des technologies qui aident les équipes à prendre de meilleures décisions et à réduire les retards coûteux.

Krane est une plateforme de chaîne d’approvisionnement de construction alimentée par l’IA, conçue pour améliorer la visibilité et la coordination de l’approvisionnement, de la gestion des matériaux et des opérations de projet. La plateforme utilise des agents IA pour automatiser des tâches telles que le suivi des matériaux, la gestion des fournisseurs, l’identification des risques et la réconciliation des factures, aidant ainsi les équipes de construction à réduire les retards et à améliorer l’efficacité. Axée sur des projets de grande envergure tels que les centres de données, les établissements de soins de santé et les infrastructures, Krane vise à moderniser l’une des flux de travail les plus fragmentés et les plus intensifs en données de l’industrie de la construction.

Vous avez passé des années à travailler dans l’ingénierie de construction, l’analyse de production, l’optimisation de projet et les projets d’infrastructure de grande envergure avant de fonder Krane. Après avoir constaté de visu comment les retards d’approvisionnement, les problèmes de suivi des matériaux et les flux de travail fragmentés affectaient les grands projets, quel a été le moment précis qui vous a convaincu que l’IA pouvait résoudre les problèmes avec lesquels l’industrie de la construction a lutté pendant des décennies ?

J’ai passé plus d’une décennie à travailler sur des projets de construction complexes, notamment en tant que responsable de projets pour des entreprises comme Microsoft et Chevron. Quelle que soit la taille du projet, j’ai constamment vu les mêmes défis : les équipes étaient submergées de demandes de matériaux, les matériaux étaient libérés tardivement et les livraisons n’étaient pas coordonnées correctement, créant des retards coûteux.

Ce qui m’a convaincu que l’IA pouvait faire une différence, c’est de voir à quel point ce travail était encore géré à l’aide de tableurs, d’e-mails et d’appels téléphoniques déconnectés. Les équipes de construction ne manquaient pas d’expertise ; elles passaient trop de temps à poursuivre des informations à travers des flux de travail fragmentés.

Les progrès récents de l’IA ont rendu possible la lecture de spécifications de construction, de dessins, de calendriers et de dossiers d’approvisionnement, puis l’automatisation de nombreuses tâches de coordination qui traditionnellement nécessitaient un effort manuel important. C’est alors que cela est devenu clair que l’IA pouvait aider à décharger le fardeau opérationnel des équipes de projet et leur donner plus de temps pour se concentrer sur la construction.

Cette idée est finalement devenue Krane. Aujourd’hui, la plateforme gère plus de 17 milliards de dollars de projets de construction actifs en Amérique du Nord et a récemment levé un tour de table de 9 millions de dollars pour continuer à étendre notre équipe d’opérations de construction native IA.

La construction a historiquement accusé un retard par rapport à des industries comme la finance et les logiciels en termes d’adoption de la technologie. Pourquoi pensez-vous que la vague actuelle d’IA est différente, et pourquoi l’industrie est-elle enfin prête pour des systèmes plus autonomes ?

L’industrie est confrontée à deux défis simultanément : une complexité de projet croissante et une pénurie de main-d’œuvre. La demande et la complexité des centres de données, des établissements de soins de santé et d’autres projets de grande envergure mettent plus de pression sur les chaînes d’approvisionnement de construction que jamais auparavant. Dans le même temps, les professionnels expérimentés partent à la retraite plus rapidement qu’ils ne sont remplacés.

Des outils comme ChatGPT ont également aidé à démontrer ce que l’IA pouvait vraiment faire d’une manière pratique et conviviale. Cela a rendu la technologie beaucoup plus accessible et a accéléré l’adoption de solutions d’IA conçues pour des industries spécifiques, y compris la construction.

Aujourd’hui, les équipes de construction sont chargées de réaliser des projets plus importants et plus complexes avec une marge d’erreur plus faible, tout en gérant des chaînes d’approvisionnement volatiles et difficiles à prédire. C’est pourquoi nous voyons un tel intérêt pour l’IA. L’industrie n’adopte pas la technologie pour la technologie en soi ; elle cherche des moyens pratiques d’aider les équipes à gérer la complexité, à maintenir la visibilité et à faire avancer les projets.

Krane se décrit comme une plateforme de chaîne d’approvisionnement de construction native IA. Quelles sont les principales inef ficacités qui existent encore aujourd’hui dans l’approvisionnement, les demandes de matériaux, les livraisons et la coordination des fournisseurs que la plupart des personnes en dehors de l’industrie ne réalisent pas ?

La plupart des gens sont surpris par la quantité de processus d’approvisionnement de construction qui fonctionnent encore à l’aide de tableurs, d’e-mails, d’appels téléphoniques et de suivi manuel. Un grand projet peut impliquer des centaines de matériaux, des dizaines de fournisseurs, des milliers de documents et des calendriers en constante évolution, et pourtant, de nombreuses décisions d’approvisionnement sont encore prises sur la base d’estimations de fournisseurs, d’expérience passée et d’hypothèses sur les conditions du marché.

Lorsque nous avons examiné les projets exécutés sur Krane, nous avons constaté que beaucoup des retards de calendrier et des dépassements de coûts les plus coûteux pouvaient être attribués à des décisions d’approvisionnement prises des mois plus tôt. Le défi était de identifier les risques suffisamment tôt pour pouvoir agir.

Selon nos propres données, les risques d’approvisionnement ont émergé en moyenne 47 jours avant qu’ils n’apparaissent sur un calendrier de projet. Cela signifie que les équipes peuvent avoir des semaines d’exposition à un risque avant qu’il ne devienne suffisamment visible pour prendre des mesures.

C’est exactement pourquoi nous avons lancé Procurement OS. Le module Procurement OS de Krane apporte une intelligence de chaîne d’approvisionnement en temps réel directement dans les flux de travail d’approvisionnement. Puisque Krane gère déjà le flux quotidien de matériaux sur plus de 17 milliards de dollars de projets de construction actifs, nous sommes en mesure de capturer les délais de livraison réels, les performances des fournisseurs, les cycles de temps de soumission et la disponibilité des matériaux à mesure qu’ils se produisent.

Procurement OS identifie automatiquement les matériaux critiques à partir des spécifications de projet, établit des délais de livraison en temps réel, évalue les fournisseurs en fonction de leurs performances réelles et vérifie les offres pour la conformité avant qu’elles ne soient attribuées. Nous passons de l’approvisionnement par hypothèse à l’approvisionnement par preuve.

De nombreuses entreprises d’IA se concentrent sur la génération d’informations, tandis que Krane semble se diriger vers des agents IA qui peuvent exécuter activement des tâches. Comment voyez-vous l’évolution du rôle de l’IA d’assistant à opérateur dans les flux de travail de construction ?

Nous croyons que la prochaine étape de l’IA dans la construction est de passer de la fourniture d’informations à l’aide des équipes pour exécuter des tâches. Les projets de construction génèrent une quantité énorme de données, mais identifier un problème n’est que le premier pas. Les équipes ont encore besoin de coordonner les fournisseurs, de valider les délais de livraison, de gérer les demandes de matériaux et de maintenir les matériaux en mouvement.

C’est pourquoi nous avons construit une équipe de construction IA où chaque agent possède une partie spécifique du flux de travail des matériaux.

• Milo transforme les spécifications, les dessins et les calendriers en journaux de demande de matériaux et d’approvisionnement complets en quelques minutes
• Arlo connecte les calendriers cloisonnés, les demandes de matériaux et les journaux d’approvisionnement en un seul système et fournit une stratégie d’approvisionnement claire pour les équipes de pré-construction
• Chase suit les partenaires commerciaux pour donner la priorité aux demandes de matériaux, valider les délais de livraison et les statuts des matériaux
• Lana crée des modèles de demande de matériaux et des contrôles de qualité afin que les entrepreneurs généraux et les partenaires commerciaux puissent améliorer la qualité des paquets de demande de matériaux et les soumettre à temps
• Rio automatise la planification de la livraison, empêche les conflits et analyse l’utilisation de l’équipement
• Theo contrôle le processus d’approvisionnement, de la comparaison des devis à la livraison

Les humains prennent encore les décisions importantes, mais l’IA gère le travail qui a historiquement consommé des heures de la journée d’une équipe de projet.

Les centres de données sont devenus l’un des principaux domaines d’application de Krane. Alors que la demande d’IA stimule un boom de construction mondial pour les infrastructures numériques, quels nouveaux défis de chaîne d’approvisionnement émergent qui sont difficiles à gérer avec les outils de gestion de projet traditionnels ?

Les centres de données mettent en évidence les limites des processus d’approvisionnement traditionnels.

De nombreux composants critiques qui alimentent ces installations ont désormais des délais de livraison extrêmement longs. Les transformateurs de puissance peuvent prendre trois à cinq ans pour être livrés, tandis que les appareils électriques et mécaniques peuvent représenter jusqu’à 75 % du prix maximum garanti d’un projet, ce qui signifie que les décisions d’approvisionnement ont des conséquences financières énormes.

Les outils de gestion de projet traditionnels sont conçus pour suivre le statut du projet après que les décisions aient déjà été prises. Ils ne fournissent pas de visibilité en temps réel sur les performances des fournisseurs, les délais de livraison changeants ou les contraintes de chaîne d’approvisionnement émergentes.

Procurement OS répond à ces défis. En exploitant les données de chaîne d’approvisionnement en temps réel à partir de projets actifs, les équipes peuvent prendre des décisions d’approvisionnement basées sur ce qui se passe sur le marché aujourd’hui, plutôt que sur ce qui s’est passé sur le dernier projet.

L’un des plus grands soucis entourant les agents IA est la confiance. Dans la construction, où les retards ou les erreurs peuvent avoir des conséquences de plusieurs millions de dollars, comment équilibrez-vous l’automatisation avec la supervision humaine ?

La confiance est cruciale car les décisions de construction ont des conséquences réelles en termes de calendrier et de budget.

Notre philosophie est que l’IA devrait gérer la coordination, tandis que les humains restent responsables du jugement et de la prise de décision. Chaque action de l’IA dans Krane comprend un score de confiance, les décisions critiques nécessitent une approbation humaine et l’activité est consignée via des journaux d’audit. Cela donne aux équipes une visibilité sur ce que fait le système et pourquoi.

L’autre aspect de la confiance est les résultats. À travers notre portefeuille, Krane a suivi plus de 2 000 risques de chaîne d’approvisionnement avant qu’ils n’atteignent le chantier et a aidé les clients à atteindre un taux de livraison à temps de 92 %. Lorsque les équipes voient constamment les risques identifiés plus tôt et la coordination se produire plus rapidement, la confiance suit naturellement.

Les projets de construction impliquent souvent des dizaines de contractants, de sous-traitants, de fournisseurs et de parties prenantes travaillant sur des systèmes déconnectés. Combien est-il difficile de créer une véritable source unique de vérité, et quel rôle l’IA joue-t-elle pour rendre cela possible ?

C’est l’un des problèmes les plus difficiles de la construction.

L’information moyenne du projet est répartie entre plusieurs parties prenantes et systèmes. Les entrepreneurs généraux, les sous-traitants, les propriétaires, les fournisseurs et les consultants travaillent tous à partir de différentes sources de données, ce qui crée des lacunes, des informations contradictoires et des retards.

L’IA joue un rôle important car elle peut relier et interpréter les informations à travers ces environnements. Krane rassemble les calendriers, les dessins, les journaux d’approvisionnement, les demandes de matériaux et les communications avec les fournisseurs dans un seul environnement où les équipes peuvent voir l’état actuel d’un projet en temps réel.

Lorsque tout le monde travaille à partir des mêmes informations, les équipes gagnent une meilleure visibilité pour les aider à prendre des décisions plus rapides et plus éclairées tout au long du cycle de vie du projet. De même, cela leur permet d’apprendre d’un projet et d’appliquer ces connaissances au projet suivant. Historiquement, beaucoup de ces connaissances vivaient dans des tableurs, des e-mails et l’expérience individuelle des membres de l’équipe, ce qui rendait difficile de les transmettre. En capturant et en structurant les données de chaîne d’approvisionnement à travers les projets, Krane aide les équipes à prendre de meilleures décisions d’approvisionnement et de planification avec le temps.

Krane intègre des plateformes déjà utilisées dans l’industrie plutôt que d’essayer de les remplacer. Pensez-vous que l’avenir de l’IA dans la construction sera construit autour de l’amélioration des écosystèmes logiciels existants ou de nouveaux systèmes d’exploitation pour la construction ?

À court terme, l’amélioration est essentielle.

Les sociétés de construction ont investi massivement dans des plateformes comme Autodesk, Procore, Microsoft Project, CMiC, SharePoint, Trimble Viewpoint et Oracle Primavera P6. Les demander de remplacer ces systèmes n’est pas réaliste, et franchement, ce n’est pas nécessaire.

Notre approche consiste à intégrer avec les outils que les équipes utilisent déjà et à créer une couche connectée entre eux. Cela permet aux clients de continuer à travailler dans des flux de travail familiers tout en bénéficiant d’une approvisionnement, d’une gestion des matériaux et d’une coordination de la chaîne d’approvisionnement alimentées par l’IA.

À long terme, je pense que nous verrons plus de systèmes natifs IA émerger. Mais les entreprises qui réussiront seront celles qui s’intègrent naturellement dans l’écosystème technologique de la construction plus large, plutôt que de forcer les clients à repartir de zéro.

L’industrie de l’IA dans son ensemble se dirige rapidement vers des flux de travail agencés. Quelles leçons la construction pourrait-elle enseigner à d’autres industries sur le déploiement d’agents IA dans des environnements où l’exécution et la logistique mondiales sont tout aussi importantes que les flux de travail numériques ?

Une leçon est que l’IA devient beaucoup plus précieuse lorsqu’elle est connectée aux données opérationnelles.

Procurement OS fonctionne car il n’est pas construit sur des modèles théoriques de la façon dont les chaînes d’approvisionnement de construction devraient fonctionner. Il est construit sur le mouvement réel des matériaux à travers les projets actifs. Chaque décision prise dans Krane crée des données qui aident à améliorer l’exécution des projets futurs.

Nous avons vu cela résonner avec des clients allant des systèmes de santé à certains des plus grands entrepreneurs de l’industrie, notamment Boldt, HITT Contracting, UCSF Health et Juneau Construction. Ils ne recherchent pas d’IA qui génère simplement des informations ; ils veulent des systèmes qui aident les équipes à prendre de meilleures décisions et à exécuter des tâches plus efficacement.

Une autre leçon est que l’exécution compte plus que les informations. Identifier un problème est utile, mais résoudre le problème est où la valeur est créée. Dans les industries où les opérations physiques et la logistique comptent, l’IA doit aider les organisations à agir.

En regardant cinq ans dans le futur, à quoi ressemblera un projet de construction entièrement coordonné par l’IA ? Quelles décisions appartiendront encore aux humains, et quelles parties de l’exécution du projet l’IA gérera-t-elle de manière autonome ?

Je pense que nous allons voir l’IA devenir profondément intégrée à la chaîne d’approvisionnement de construction.

Les tâches qui sont hautement répétitives, administratives et consomment des heures de la journée d’une équipe de projet seront de plus en plus automatisées.

De nombreuses manières, nous nous dirigeons déjà dans cette direction avec Procurement OS et notre équipe de construction IA. La vision est un système qui apprend de chaque projet et aide les équipes à prendre de meilleures décisions plus tôt dans le cycle de vie du projet.

Cela étant dit, la construction sera toujours une affaire humaine. La stratégie de projet, la gestion des parties prenantes, les négociations commerciales et les décisions de compromis majeur continueront à nécessiter un jugement et une expérience humaine. L’IA gérera plus de la charge opérationnelle, tandis que les humains se concentreront sur le leadership, les relations et la prise de décision.

Merci pour cette grande interview. Les lecteurs qui souhaitent en savoir plus peuvent visiter Krane.