Eshan Jayamanne, Fondatore e Amministratore Delegato di Krane – Serie di Interviste

Eshan Jayamanne, Fondatore e Amministratore Delegato di Krane, combina una profonda esperienza nel settore delle costruzioni con una formazione in ingegneria, analisi e tecnologia. Prima di fondare Krane nel 2023, ha lavorato su importanti progetti per aziende come Microsoft (MSFT ), Chevron (CVX ), UCSF e Caltrans, concentrandosi sull’miglioramento della produttività, l’ottimizzazione della catena di approvvigionamento, la costruzione lean e l’efficienza operativa. La sua esperienza nella gestione di complessi progetti di costruzione ha messo in luce le persistenti sfide di coordinamento e approvvigionamento del settore, ispirandolo a costruire tecnologie che aiutino i team a prendere decisioni migliori e ridurre i costosi ritardi.

Krane è una piattaforma di catena di approvvigionamento per la costruzione alimentata da intelligenza artificiale progettata per migliorare la visibilità e la coordinazione tra approvvigionamento, gestione dei materiali e operazioni di progetto. La piattaforma utilizza agenti di intelligenza artificiale per automatizzare attività come la tracciabilità dei materiali, la gestione dei fornitori, l’identificazione dei rischi e la riconciliazione delle fatture, aiutando i team di costruzione a ridurre i ritardi e migliorare l’efficienza. Concentrata su grandi progetti come data center, strutture sanitarie e sviluppi infrastrutturali, Krane mira a modernizzare una delle workflow più frammentate e intensive di dati del settore delle costruzioni.

Hai trascorso anni lavorando nel settore delle costruzioni, dell’ingegneria, dell’analisi della produzione, dell’ottimizzazione dei progetti e dei grandi progetti infrastrutturali prima di fondare Krane. Dopo aver visto di persona come i ritardi di approvvigionamento, i problemi di tracciabilità dei materiali e le workflow frammentate abbiano influenzato i grandi progetti, qual è stato il momento specifico che ti ha convinto che l’intelligenza artificiale potesse risolvere i problemi con cui il settore delle costruzioni ha lottato per decenni?

Ho trascorso più di un decennio lavorando su complessi progetti di energia, infrastrutture e data center, compresi progetti per aziende come Microsoft e Chevron. Indipendentemente dalle dimensioni del progetto, continuavo a vedere le stesse sfide: i team erano sommersi da submittals, i materiali venivano rilasciati in ritardo e le consegne non venivano coordinate correttamente, creando costosi ritardi.

Ciò che mi ha convinto che l’intelligenza artificiale potesse fare la differenza è stato vedere quanto lavoro venisse ancora gestito attraverso fogli di calcolo disconnessi, email e telefonate. I team di costruzione non mancavano di competenze; stavano spendendo troppo tempo a cercare informazioni attraverso workflow frammentate.

I recenti progressi nell’intelligenza artificiale hanno reso possibile leggere le specifiche di costruzione, i disegni, le schede di produzione e i registri di approvvigionamento, quindi automatizzare molte delle attività di coordinamento che tradizionalmente richiedevano un significativo sforzo manuale. È allora che è diventato chiaro che l’intelligenza artificiale potesse aiutare a spostare il carico operativo fuori dai team di progetto e dar loro più tempo per concentrarsi sulla costruzione.

Quell’idea è diventata Krane. Oggi, la piattaforma gestisce oltre 17 miliardi di dollari in progetti di costruzione attivi in Nord America e ha recentemente raccolto un round di finanziamento di 9 milioni di dollari per continuare a espandere il nostro team di operazioni di costruzione nativo di intelligenza artificiale.

Il settore delle costruzioni ha storicamente perso terreno rispetto ad altri settori come la finanza e il software nell’adozione della tecnologia. Perché pensi che l’attuale ondata di intelligenza artificiale sia diversa e perché il settore è finalmente pronto per sistemi più autonomi?

Il settore sta affrontando due sfide contemporaneamente: l’aumento della complessità dei progetti e la carenza di manodopera. La domanda e la complessità dei data center, delle strutture sanitarie e di altri grandi progetti stanno mettendo più pressione sulle catene di approvvigionamento delle costruzioni che mai prima d’ora. Allo stesso tempo, i professionisti esperti si stanno ritirando più velocemente di quanto vengano sostituiti.

Strumenti come ChatGPT hanno anche aiutato a dimostrare cosa potesse fare l’intelligenza artificiale in modo pratico e utente-friendly. Ciò ha reso la tecnologia molto più accessibile e ha accelerato l’adozione di soluzioni di intelligenza artificiale costruite per settori specifici, compreso quello delle costruzioni.

Oggi, i team di costruzione sono chiamati a consegnare progetti più grandi e complessi con meno margine di errore, gestendo allo stesso tempo catene di approvvigionamento volatile e difficili da prevedere. È per questo che vediamo tanto interesse per l’intelligenza artificiale. Il settore non sta adottando la tecnologia per amore della tecnologia; sta cercando modi pratici per aiutare i team a gestire la complessità, mantenere la visibilità e tenere i progetti in movimento.

Krane si descrive come una piattaforma di catena di approvvigionamento per la costruzione nativa di intelligenza artificiale. Quali sono le maggiori inefficienze che ancora esistono oggi nell’approvvigionamento, nelle submittals, nelle consegne e nella coordinazione dei fornitori che la maggior parte delle persone al di fuori del settore non si rende conto?

La maggior parte delle persone è sorpresa da quanto dell’approvvigionamento per la costruzione ancora funzioni attraverso fogli di calcolo, email, telefonate e follow-up manuali. Un grande progetto può coinvolgere centinaia di materiali, decine di fornitori, migliaia di documenti e calendari in costante cambiamento, eppure molte decisioni di approvvigionamento vengono ancora prese sulla base di stime dei fornitori, esperienza storica e ipotesi sulle condizioni di mercato.

Mentre esaminavamo i progetti in esecuzione su Krane, abbiamo scoperto che molti dei più costosi ritardi di calendario e sforamenti di budget potevano essere ricondotti a decisioni di approvvigionamento prese mesi prima. La sfida era identificare i rischi abbastanza presto per poter fare qualcosa al riguardo.

Nei nostri dati, i rischi di approvvigionamento sono emersi in media 47 giorni prima che apparissero nel calendario del progetto. Ciò significa che i team possono avere settimane di esposizione a un rischio prima che diventi abbastanza visibile da poter agire.

È proprio per questo che abbiamo lanciato Procurement OS. Il nuovo modulo Procurement OS di Krane porta l’intelligenza della catena di approvvigionamento live direttamente nei flussi di lavoro di approvvigionamento. Poiché Krane già gestisce il flusso quotidiano dei materiali attraverso oltre 17 miliardi di dollari in progetti di costruzione attivi, possiamo catturare tempi di consegna reali, prestazioni dei fornitori, tempi di ciclo di submittals e disponibilità dei materiali mentre accadono.

Procurement OS identifica automaticamente i materiali critici dalle specifiche del progetto, confronta i tempi di consegna live, valuta i fornitori in base alle prestazioni effettive e verifica le offerte per la conformità prima che vengano assegnate. Stiamo spostando la costruzione dall’approvvigionamento basato su ipotesi all’approvvigionamento basato su prove.

Molte aziende di intelligenza artificiale si concentrano sulla generazione di insight, mentre Krane sembra stare muovendosi verso agenti di intelligenza artificiale che possono eseguire attivamente compiti. Come vedi l’evoluzione del ruolo dell’intelligenza artificiale da assistente a operatore all’interno dei flussi di lavoro delle costruzioni?

Crediamo che la prossima evoluzione dell’intelligenza artificiale nelle costruzioni sarà il passaggio dal fornire informazioni all’aiutare i team a eseguire il lavoro. I progetti di costruzione generano una quantità enorme di dati, ma identificare un problema è solo il primo passo. I team devono ancora coordinare i fornitori, convalidare i tempi di consegna, gestire le submittals e tenere i materiali in movimento.

È per questo che abbiamo costruito un team di costruzione di intelligenza artificiale in cui ogni agente possiede una parte specifica del flusso di lavoro dei materiali.

• Milo trasforma le specifiche, i disegni e i calendari in registri di submittal e approvvigionamento completi in pochi minuti
• Arlo collega calendari, submittals e registri di approvvigionamento in un unico sistema e fornisce una chiara strategia di approvvigionamento per i team di pre-costruzione
• Chase segue i partner commerciali per dare priorità alle submittals, convalidare i tempi di consegna e lo stato dei materiali
• Lana crea modelli di submittal e QC in modo che i GC e i partner commerciali possano migliorare la qualità dei pacchetti di submittal e presentarli in tempo
• Rio automatizza la pianificazione delle consegne, prevenendo conflitti e analizzando l’utilizzo delle attrezzature
• Theo controlla il processo di approvvigionamento dalla comparazione delle offerte, alla creazione di RFP fino alla consegna

Gli esseri umani prendono ancora le decisioni importanti, ma l’intelligenza artificiale gestisce il lavoro che storicamente ha consumato ore della giornata di un team di progetto.

I data center sono diventati una delle aree di focus principale di Krane. Mentre la domanda di intelligenza artificiale guida un boom di costruzione globale per l’infrastruttura digitale, quali nuove sfide della catena di approvvigionamento stanno emergendo che gli strumenti di gestione dei progetti tradizionali faticano a gestire?

I data center stanno mettendo in luce i limiti dei processi di approvvigionamento tradizionali.

Molti dei componenti critici che alimentano queste strutture hanno ora tempi di consegna straordinariamente lunghi. I trasformatori di potenza possono richiedere tre o cinque anni per l’approvvigionamento, mentre gli interruttori di media tensione possono superare i 60 settimane. Allo stesso tempo, le attrezzature elettriche e meccaniche possono rappresentare fino al 75% del prezzo massimo garantito di un progetto, il che significa che le decisioni di approvvigionamento hanno enormi conseguenze finanziarie.

Gli strumenti di gestione dei progetti tradizionali sono progettati per tracciare lo stato del progetto dopo che le decisioni sono già state prese. Non forniscono visibilità in tempo reale sulle prestazioni dei fornitori, sui tempi di consegna in cambiamento o sulle vincolanti della catena di approvvigionamento in via di sviluppo.

Procurement OS affronta queste sfide. Sfruttando i dati live della catena di approvvigionamento da progetti attivi, i team possono prendere decisioni di approvvigionamento basate su ciò che sta accadendo nel mercato oggi, piuttosto che su ciò che è accaduto nell’ultimo progetto.

Una delle maggiori preoccupazioni riguardo agli agenti di intelligenza artificiale è la fiducia. Nelle costruzioni, dove i ritardi o gli errori possono avere conseguenze di milioni di dollari, come bilanci l’automazione con la supervisione umana?

La fiducia è critica perché le decisioni di costruzione hanno conseguenze reali in termini di calendario e budget.

La nostra filosofia è che l’intelligenza artificiale dovrebbe gestire la coordinazione, mentre le persone rimangono responsabili del giudizio e della presa di decisioni. Ogni azione di intelligenza artificiale in Krane include un punteggio di confidenza, le decisioni critiche richiedono l’approvazione umana e l’attività è registrata attraverso tracciati di audit. Ciò dà ai team la visibilità su ciò che il sistema sta facendo e perché.

L’altro lato della fiducia sono i risultati. Nel nostro portfolio, Krane ha tracciato oltre 2.000 rischi della catena di approvvigionamento prima che raggiungessero il cantiere e ha aiutato i clienti a raggiungere un tasso di consegna puntuale del 92%. Quando i team vedono costantemente i rischi identificati prima e la coordinazione che avviene più velocemente, la fiducia segue naturalmente.

I progetti di costruzione spesso coinvolgono dozzine di appaltatori, subappaltatori, fornitori e stakeholder che lavorano su sistemi disconnessi. Quanto è difficile creare una vera e unica fonte di verità e quale ruolo gioca l’intelligenza artificiale nel rendere ciò possibile?

È uno dei problemi più difficili nelle costruzioni.

Il progetto medio coinvolge informazioni sparse attraverso più stakeholder e sistemi. I general contractor, i subappaltatori, i proprietari, i fornitori e i consulenti stanno tutti lavorando da diverse fonti di dati, creando lacune, informazioni in conflitto e ritardi.

L’intelligenza artificiale gioca un ruolo importante perché può connettere e interpretare le informazioni attraverso questi ambienti. Krane unisce calendari, disegni, registri di approvvigionamento, submittals, consegne e comunicazioni dei fornitori in un unico ambiente in cui i team possono vedere lo stato attuale del progetto in tempo reale.

Quando tutti lavorano dalle stesse informazioni, i team guadagnano una migliore visibilità per aiutarli a prendere decisioni più rapide e più informate durante l’intero ciclo di vita del progetto. Allo stesso tempo, ciò consente alle organizzazioni di apprendere da un progetto e applicare quelle conoscenze al prossimo. Storicamente, molta di quella conoscenza viveva in fogli di calcolo, email e esperienze individuali dei team, rendendola difficile da portare avanti. Catturando e strutturando i dati della catena di approvvigionamento attraverso i progetti, Krane aiuta i team a prendere decisioni di approvvigionamento e pianificazione migliori nel tempo.

Krane si integra con piattaforme già utilizzate nel settore piuttosto che tentare di sostituirle. Pensi che il futuro dell’intelligenza artificiale nelle costruzioni sarà costruito intorno all’aumento degli ecosistemi software esistenti o intorno a nuovi sistemi operativi per la costruzione?

Nel breve termine, l’aumento è essenziale.

Le aziende di costruzione hanno investito molto in piattaforme come Autodesk, Procore, Microsoft Project, CMiC, SharePoint, Trimble Viewpoint e Oracle Primavera P6. Chiedere loro di sostituire quei sistemi non è realistico e, francamente, non è necessario.

Il nostro approccio è integrarsi con gli strumenti che i team già utilizzano e creare uno strato connesso tra di essi. Ciò consente ai clienti di continuare a lavorare all’interno dei flussi di lavoro familiari mentre beneficiano dell’approvvigionamento, della gestione dei materiali e della coordinazione della catena di approvvigionamento guidati dall’intelligenza artificiale.

Nel lungo termine, credo che vedremo più sistemi nativi di intelligenza artificiale emergere. Ma le aziende che avranno successo saranno quelle che si adattano naturalmente all’ampio ecosistema tecnologico delle costruzioni piuttosto che costringere i clienti a ricominciare da zero.

L’industria dell’intelligenza artificiale si sta muovendo rapidamente verso flussi di lavoro agentic. Quali lezioni dalle costruzioni potrebbero altri settori apprendere sul deploy di agenti di intelligenza artificiale in ambienti in cui l’esecuzione e la logistica del mondo reale sono altrettanto importanti quanto i flussi di lavoro digitali?

Una lezione è che l’intelligenza artificiale diventa molto più preziosa quando è connessa ai dati operativi.

Procurement OS funziona perché non è costruito su modelli teorici di come le catene di approvvigionamento delle costruzioni dovrebbero funzionare. È costruito sui movimenti reali dei materiali attraverso progetti attivi. Ogni decisione presa in Krane crea dati che aiutano a migliorare l’esecuzione dei progetti futuri.

Abbiamo visto che questo risuona con i clienti, che vanno da sistemi sanitari a alcuni dei più grandi appaltatori del settore, compresi Boldt, HITT Contracting, UCSF Health e Juneau Construction. Non stanno cercando un’intelligenza artificiale che semplicemente generi insight; stanno cercando sistemi che aiutino i team a prendere decisioni migliori ed eseguire il lavoro in modo più efficiente.

Un’altra lezione è che l’esecuzione conta più degli insight. Identificare un problema è utile, ma risolverlo è dove si crea il valore. In settori in cui le operazioni fisiche e la logistica contano, l’intelligenza artificiale deve aiutare le organizzazioni ad agire.

Guardando avanti di cinque anni, cosa assomiglia un progetto di costruzione completamente coordinato dall’intelligenza artificiale? Quali decisioni saranno ancora appannaggio degli esseri umani e quali parti dell’esecuzione del progetto ci si aspetta che i sistemi intelligenti gestiscano in modo autonomo?

Credo che vedremo l’intelligenza artificiale diventare profondamente integrata in tutta la catena di approvvigionamento delle costruzioni.

I compiti che sono altamente ripetitivi, amministrativi e consumano il giorno del team di progetto diventeranno sempre più automatizzati.

In molti modi, stiamo già muovendoci in quella direzione con Procurement OS e il nostro team di costruzione di intelligenza artificiale. La visione è un sistema che impara da ogni progetto e aiuta i team a prendere decisioni migliori più presto nel ciclo di vita del progetto.

Detto questo, le costruzioni saranno sempre un’attività umana. La strategia del progetto, la gestione degli stakeholder, le negoziazioni commerciali, e le decisioni di compromesso importante richiederanno sempre giudizio e esperienza umana. L’intelligenza artificiale gestirà più del carico operativo, mentre le persone si concentreranno sulla leadership, le relazioni e la presa di decisioni.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Krane.