Shiva Dhawan, Co-fondateur et PDG d’Attentive.ai – Série d’entretiens

Shiva Dhawan, Co-fondateur et PDG d’Attentive.ai, est un entrepreneur axé sur l’application de l’intelligence artificielle pour transformer les flux de travail de l’infrastructure et de la construction. Avant de lancer Attentive.ai, il a occupé des postes de direction et opérationnels dans les domaines de la technologie et des affaires, aidant à façonner la vision de l’entreprise autour de l’automatisation de processus traditionnellement manuels dans des secteurs tels que la construction, la cartographie et l’analyse géospatiale. Sous sa direction, l’entreprise s’est étendue à l’échelle internationale tout en développant des systèmes d’IA conçus pour améliorer l’efficacité dans l’estimation, les décomptes et la gestion des infrastructures pour les entreprises et les entrepreneurs.

Attentive.ai est une entreprise de technologie de construction alimentée par l’IA, axée sur l’automatisation des flux de travail de préconstruction et d’infrastructure à l’aide de la vision par ordinateur et de l’intelligence géospatiale. Sa plateforme aide les entrepreneurs, les entreprises de paysage et les opérateurs d’infrastructure à accélérer les tâches d’estimation, de mesure et d’analyse de site qui ont historiquement reposé sur la main-d’œuvre manuelle. Le produit Beam AI de l’entreprise est conçu pour exploiter les images aériennes et l’IA pour générer des mesures de propriété très détaillées et des informations sur le paysage, aidant les entreprises à améliorer la précision des offres, à réduire les goulets d’étranglement opérationnels et à mettre à l’échelle les projets de manière plus efficace grâce à l’automatisation.

Vous avez fondé Attentive.ai après avoir développé une entreprise de services dans la cartographie et l’assurance, et vous avez ensuite introduit Beam AI comme votre produit phare. Quelles sont les connaissances spécifiques de cette phase antérieure qui vous ont amené à créer Beam AI, et pourquoi avez-vous choisi les décomptes et l’estimation comme point d’entrée pour transformer les flux de travail de construction ?

Mon co-fondateur, Rishabjit, et moi sommes arrivés sur le marché de la construction américain pendant la COVID, lorsque les entrepreneurs devaient estimer les emplois sans être sur le site. Ce qui revenait sans cesse, c’était la même contrainte : les entrepreneurs perdaient des contrats non pas parce qu’ils ne pouvaient pas faire le travail, mais parce qu’ils manquaient de temps pour le tarifer. Un estimateur, des centaines de pages de plans, 4 à 8 heures par emploi. Vous ne pouvez pas développer une entreprise sur cette base.

Nous avons choisi les décomptes parce qu’ils constituent le point de départ de tout. Rien d’autre ne bouge jusqu’à ce que quelqu’un mesure la portée. Et le résultat est vérifiable ; vous avez soit obtenu les quantités correctes, soit vous ne les avez pas obtenues. Un écart de 2 % sur un emploi de 10 millions de dollars représente 200 000 dollars perdus. Ce n’est pas abstrait. C’est un coût réel que les estimateurs supportent chaque jour.

La construction et les services sur le terrain sont souvent considérés comme plus lents à adopter les nouvelles technologies. Quel a été l’obstacle le plus important à l’adoption de l’IA dans ce secteur, et comment le surmontez-vous ?

La confiance. Les estimateurs ont bâti leur carrière sur la précision. Lorsqu’ils manquent quelque chose, leur entreprise paie pour cela. Lorsque nous sommes arrivés avec l’IA, la réaction naturelle a été : comment sais-je que c’est juste ?

Nous n’avons pas essayé de convaincre les gens de renoncer à cette préoccupation. Nous l’avons abordée directement. Chaque décompte prêt à l’emploi est examiné par une personne formée avant d’être renvoyé au client. L’automatisation gère le volume et la vitesse.

Le contrôle qualité attrape tout ce qui nécessite un second regard. Après quelques emplois, les clients voient le modèle : les quantités sont correctes, leur équipe n’est pas submergée par les plans, et les offres sont envoyées plus rapidement. L’un de nos clients, Bommarito Construction, a soumis 50 offres supplémentaires en six mois en utilisant la plateforme. C’est plus convaincant que n’importe quel démo.

Beam AI se concentre sur l’automatisation des décomptes, un processus traditionnellement manuel et chronophage. Pourquoi ce flux de travail est-il un point d’entrée critique pour la transformation impulsée par l’IA ?

Chaque projet commence ici. Avant de pouvoir tarifer quoi que ce soit, quelqu’un doit s’asseoir avec les plans et mesurer tout. Un décompte peut prendre une journée complète. Lorsque les choses s’intensifient, cela devient le plafond de la quantité de travail que peut poursuivre une équipe.

Les entrepreneurs ne refusent pas les emplois parce qu’ils ne les veulent pas. Ils les refusent parce qu’il n’y a pas le temps de les tarifer.

Les décomptes ont également un résultat clair et vérifiable : les quantités de matériaux. Vous savez si quelque chose a été manqué. Cela en fait un endroit raisonnable pour établir la confiance dans un nouveau système, surtout lorsque les enjeux sont élevés.

Votre plateforme permet aux entreprises d’augmenter le volume des offres sans augmenter les effectifs. Comment voyez-vous cela remodeler la concurrence et les marges dans l’industrie ?

Cela se produit déjà. Lorsqu’un entrepreneur peut poursuivre trois fois plus d’emplois avec la même équipe, il devient sélectif. Il va après des travaux à plus forte marge. Il peut répondre rapidement lorsqu’une grande opportunité se présente, au lieu de passer parce qu’il est déjà à plein régime.

Les entrepreneurs qui ne pensent pas à cela vont ressentir la pression de la part de ceux qui le font. Rays Stairs a doublé le volume des offres et a augmenté les revenus de 900 000 à 2 millions de dollars en deux mois. Guardian Roofing a réduit le temps de décompte de 25 heures par semaine à 5. Ce ne sont pas de petits gains. Ils changent ce qu’une entreprise peut réellement poursuivre.

Beam AI intègre une couche de contrôle qualité humaine (QA) avec l’automatisation. Comment déterminez-vous l’équilibre entre l’autonomie de l’IA et la surveillance humaine ?

Nous y réfléchissons en termes de confiance et de ce qui est en jeu. L’IA gère bien le travail structuré et répétitif : la lecture des plans, l’identification des composants, l’extraction des quantités. Mais les sorties sont spécifiques au commerce de manière qui compte beaucoup. La façon de mesurer les équipements HVAC n’est pas la même que celle de mesurer l’acier structural ou les barres d’armature.

La couche de contrôle qualité est là pour ces situations. Pour le service prêt à l’emploi, un réviseur formé examine chaque sortie avant qu’elle ne soit renvoyée au client. Pour les décomptes automatisés de 10 minutes, nous avons accumulé suffisamment de données, en particulier dans les domaines de la HVAC et de la plomberie, pour aller plus vite sans cette étape. L’acier est sur le point d’être mis en œuvre prochainement. Le niveau d’autonomie suit le commerce et la complexité de l’emploi.

À mesure que les modèles s’améliorent, voyez-vous la couche de contrôle qualité devenir moins centrale avec le temps, ou restera-t-elle une partie permanente des flux de travail à enjeux élevés comme l’estimation ?

Les deux, selon la façon dont on définit cela. La forme qu’elle prendra changera. Beaucoup de ce que les réviseurs humains détectent aujourd’hui sera déplacé vers des vérifications automatisées à l’intérieur du système à mesure que les modèles s’améliorent et que nous accumulons plus de données. Mais je ne pense pas que l’on puisse jamais supprimer la vérification d’un flux de travail à enjeux élevés comme celui de l’estimation. Si un entrepreneur est en train de tarifer un emploi de 50 millions de dollars en acier, il voudra un point de contrôle.

Ce que nous visons, c’est rendre ce point de contrôle plus rapide et moins coûteux en main-d’œuvre. L’objectif n’est pas d’éliminer le contrôle qualité. C’est de le rendre plus léger.

Attentive.ai combine l’automatisation de l’IA avec les flux de travail opérationnels du monde réel. Voyez-vous l’avenir de l’IA dans la construction comme inhérentement hybride plutôt que pleinement autonome ?

Pour l’avenir prévisible, oui. Et je contesterai l’idée que « hybride » est un prix de consolation. La construction implique un jugement qui n’est pas capturé dans un plan. Un bon estimateur connaît son marché de sous-traitants local. Il sait comment un GC particulier rédige des spécifications. Il sait ce qu’un emploi coûtera réellement à construire, ce qui n’est pas toujours ce que les plans indiquent.

L’IA gère le travail quantifiable. L’humain apporte le contexte. L’objectif n’est pas de remplacer les estimateurs. C’est de les sortir du travail répétitif de mesure afin qu’ils puissent passer du temps sur le travail qui nécessite réellement leur jugement. C’est pourquoi nous avons conçu Beam AI pour être un outil d’augmentation, comme un junior estimateur intégré qui gère les tâches mécaniques.

Vous avez décrit l’IA comme devenant la colonne vertébrale opérationnelle de la préconstruction. Quelle est votre vision pour les cinq prochaines années ?

Actuellement, nous nous concentrons sur le front-end : les plans aux quantités de matériaux, le plus rapidement et avec la plus grande précision possible. La prochaine couche est la gestion des offres. Nous avons déjà expédié Bid Dashboard et Bid Sniper, qui offrent aux entrepreneurs une vue unique de leur pipeline, de leurs délais, de leurs RFIs et de leurs addendas.

Au cours des cinq prochaines années, je veux que la plateforme relie les décomptes directement à la tarification et à la passation des marchés. Un entrepreneur télécharge des plans et, dans les heures qui suivent, a une image réelle de ce que coûte l’emploi et de ce qu’il doit approvisionner. C’est une façon vraiment différente de gérer la préconstruction par rapport à ce que font la plupart des équipes aujourd’hui.

Beam AI prend en charge plusieurs corps de métier, de la paysagerie aux travaux publics et à l’électricité. Comment équilibrez-vous la construction de systèmes d’IA généralisés avec le besoin d’optimisation spécifique au domaine ?

C’est une tension réelle. Le travail sous-jacent est partagé entre les corps de métier : la lecture des documents, l’analyse des plans et l’extraction des quantités. Mais les sorties sont spécifiques au commerce de manière qui compte beaucoup. La façon de mesurer les équipements HVAC n’est pas la même que celle de mesurer l’acier structural ou les barres d’armature.

Nous avons construit des modèles spécifiques au commerce et investi dans les données de formation pour chacun d’eux. C’est pourquoi nous avons commencé par la HVAC et la mécanique, où notre ensemble de données était le plus fort, avant de nous étendre à la plomberie et à l’acier. Nous couvrons 15 corps de métier ou plus, mais nous sommes honnêtes en disant que chaque commerce n’est pas au même niveau de maturité. Nous construisons de la profondeur à mesure que nous nous étendons.

L’IA commence à remodeler des secteurs traditionnellement hors ligne. Pensez-vous que la construction pourrait devenir l’un des secteurs les plus transformés au cours de la prochaine décennie, et à quoi ressemblerait cette transformation dans la pratique ?

Je le pense. Une partie de la raison pour laquelle cela est sous-estimé est qu’il s’agit d’un secteur qui a été si manuel pendant si longtemps. Il n’y a pas de couche de logiciel profondément ancrée à remplacer, comme c’est le cas dans la finance ou les soins de santé. Les données n’ont pas été numérisées. Les flux de travail ne sont pas standardisés. Cela ressemble à un problème, mais de notre point de vue, c’est une ouverture. Nous ne remplaçons pas un système existant. Dans de nombreux cas, nous en construisons le premier.

Ajoutez à cela les capitaux qui sont investis dans les centres de données, la fabrication et les infrastructures en ce moment, et la pression pour tarifer et construire plus rapidement ne cesse de croître. Les entrepreneurs qui comprennent cela vont prendre les devants. Ceux qui ne le font pas vont se demander ce qui s’est passé.

Je vous remercie pour cette grande interview. Les lecteurs qui souhaitent en savoir plus peuvent visiter Attentive.ai ou Beam AI.