Shiva Dhawan, Co-fondatore e Amministratore Delegato di Attentive.ai – Serie di Interviste

Shiva Dhawan, Co-fondatore e Amministratore Delegato di Attentive.ai, è un imprenditore che si concentra sull’applicazione dell’intelligenza artificiale per trasformare i flussi di lavoro di infrastrutture e costruzioni. Prima di lanciare Attentive.ai, ha ricoperto ruoli di leadership e operativi in tecnologia e funzioni aziendali, aiutando a plasmare la visione della società intorno all’automazione di processi tradizionalmente manuali in settori come costruzioni, mapping e analisi geospaziale. Sotto la sua guida, la società si è espansa a livello internazionale mentre sviluppava sistemi di intelligenza artificiale progettati per migliorare l’efficienza nella stima, nei prelievi e nella gestione delle infrastrutture per imprese e appaltatori.

Attentive.ai è una società di tecnologia per la costruzione alimentata da intelligenza artificiale che si concentra sull’automazione dei flussi di lavoro di pre-costruzione e infrastrutture utilizzando la visione computerizzata e l’intelligenza geospaziale. La sua piattaforma aiuta i contractor, le società di paesaggistica e gli operatori di infrastrutture ad accelerare i compiti di stima, misurazione e analisi del sito che storicamente si sono basati sul lavoro manuale. Il prodotto Beam AI della società è progettato per sfruttare le immagini aeree e l’intelligenza artificiale per generare misurazioni di proprietà dettagliate e informazioni sulla paesaggistica, aiutando le imprese a migliorare l’accuratezza delle offerte, ridurre gli ostacoli operativi e scalare i progetti in modo più efficiente attraverso l’automazione.

Hai fondato Attentive.ai dopo aver scalato un’attività di servizi nel settore della mappatura e delle assicurazioni, e in seguito hai introdotto Beam AI come tuo prodotto di punta. Quali sono le specifiche intuizioni di quella fase precedente che ti hanno portato a costruire Beam AI, e perché hai scelto la stima e la misurazione come punto di ingresso per la trasformazione dei flussi di lavoro di costruzione?

Il mio co-fondatore, Rishabjit, e io siamo entrati nel mercato statunitense delle costruzioni durante la pandemia di COVID, quando i contractor dovevano stimare i lavori senza essere sul sito. Quello che continuava a emergere era la stessa limitazione: i contractor perdevano lavoro non perché non potevano eseguire il lavoro, ma perché non avevano tempo per stimarlo. Un estimatore, centinaia di pagine di piani, 4-8 ore per lavoro. Non puoi crescere un’attività su quella base.

Avevamo scelto la misurazione perché è il punto di partenza per tutto. Nulla si muove finché qualcuno non misura l’ambito. E l’output è verificabile; hai ottenuto le quantità giuste o no. Un errore del 2% su un lavoro da 10 milioni di dollari significa 200.000 dollari persi. Non è un concetto astratto. È un costo reale che gli estimatori portano con sé ogni giorno.

La costruzione e i servizi di campo sono spesso visti come più lenti nell’adozione di nuove tecnologie. Qual è stato il più grande ostacolo all’adozione dell’intelligenza artificiale in questo settore, e come lo state superando?

La fiducia. Gli estimatori hanno costruito le loro carriere sull’accuratezza. Quando si verificano errori, la loro società paga per questo. Quindi, quando siamo arrivati con l’intelligenza artificiale, la reazione naturale è stata: come faccio a sapere che è giusto?

Non abbiamo cercato di convincere le persone a superare quella preoccupazione. L’abbiamo affrontata direttamente. Ogni misurazione già fatta viene revisionata da una persona addestrata prima di essere inviata al cliente. L’automazione gestisce il volume e la velocità.

Il controllo di qualità coglie qualsiasi cosa che richieda un secondo sguardo. Dopo alcuni lavori, i clienti vedono il modello: le quantità sono giuste, il loro team non è sommerso dai set di piani, e le offerte vengono inviate più velocemente. Uno dei nostri clienti, Bommarito Construction, ha presentato 50 offerte in più in sei mesi utilizzando la piattaforma. È più convincente di qualsiasi demo.

Beam AI si concentra sull’automazione della misurazione, un processo tradizionalmente manuale e dispendioso in termini di tempo. Perché questo flusso di lavoro è un punto di ingresso così critico per la trasformazione guidata dall’intelligenza artificiale?

Ogni progetto inizia qui. Prima di poter stimare qualsiasi cosa, qualcuno deve sedersi con i piani e misurare tutto. Una sola misurazione può richiedere un’intera giornata. Quando le cose si fanno impegnative, diventa il soffitto per quanto lavoro un team possa perseguire.

I contractor non rifiutano i lavori perché non li vogliono. Li rifiutano perché non c’è tempo per stimarli.

Le misurazioni hanno anche un output chiaro e verificabile: quantità di materiali. Sai se qualcosa è stato omesso. Ciò rende ragionevole costruire fiducia in un nuovo sistema, specialmente quando le poste in gioco sono alte.

La vostra piattaforma consente alle società di aumentare il volume delle offerte senza aggiungere personale. Come vedete questo ridisegnare la concorrenza e i margini in tutta l’industria?

Sta già accadendo. Quando un contractor può perseguire tre volte più lavori con lo stesso team, diventa selettivo. Va a caccia di lavori ad alto margine. Può rispondere rapidamente quando si presenta un’opportunità importante, invece di passarla perché è già al massimo.

I contractor che non stanno pensando a questo sentiranno la pressione da parte di quelli che lo stanno facendo. Rays Stairs ha raddoppiato il volume delle offerte e ha aumentato i ricavi da 900.000 a 2 milioni di dollari in due mesi. Guardian Roofing ha ridotto il tempo di misurazione da 25 ore a settimana a 5. Non sono piccoli guadagni. Cambiano ciò che un’attività può effettivamente perseguire.

Beam AI incorpora un livello di controllo di qualità umano-automatizzato accanto all’automazione. Come determinate il giusto equilibrio tra l’autonomia dell’intelligenza artificiale e il controllo umano?

Ci pensiamo in termini di fiducia e di cosa è in gioco. L’intelligenza artificiale gestisce bene il lavoro strutturato e ripetitivo: leggere documenti, identificare componenti e estrarre quantità. Ma i risultati sono specifici del settore in modi che contano molto. Come si misurano le attrezzature HVAC è diverso dal misurare l’acciaio strutturale o le barre di armatura.

Il livello di controllo di qualità è lì per quelle situazioni. Per il servizio già fatto, un revisore addestrato esamina ogni output prima che venga inviato. Per le misurazioni automatizzate da 10 minuti, abbiamo accumulato abbastanza dati, in particolare nell’HVAC e nella meccanica, per muoverci più velocemente senza quel passaggio. L’acciaio sta per essere lanciato presto. Il livello di autonomia segue il commercio e la complessità del lavoro.

Man mano che i modelli migliorano, vedete il livello di controllo di qualità diventare meno centrale nel tempo, o rimarrà una parte permanente dei flussi di lavoro ad alto rischio come la stima?

Entrambe le cose, a seconda di come si definisce. La forma che assume cambierà. Molto di ciò che un revisore umano coglie oggi si sposterà verso controlli automatizzati all’interno del sistema man mano che i modelli migliorano e accumuliamo più dati. Ma non credo che si possa mai eliminare la verifica da un flusso di lavoro ad alto rischio come questo. Se un contractor sta stimando un lavoro di acciaio da 50 milioni di dollari, vorrà un punto di controllo.

Ciò a cui stiamo lavorando è rendere quel punto di controllo più veloce e meno dispendioso in termini di manodopera. L’obiettivo non è eliminare il controllo di qualità. È renderlo più leggero.

Attentive.ai combina l’automazione dell’intelligenza artificiale con flussi di lavoro operativi reali. Vedete il futuro dell’intelligenza artificiale nella costruzione come ibrido piuttosto che completamente autonomo?

Per il prossimo futuro, sì. E mi oppongo all’idea che “ibrido” sia un premio di consolazione. La costruzione coinvolge giudizi che non sono catturati in un set di piani. Un buon estimatore conosce il mercato dei subappaltatori locali. Conosce come un GC scrive le specifiche. Conosce cosa costerà effettivamente costruire un lavoro, che non è sempre ciò che dicono i disegni.

L’intelligenza artificiale gestisce il lavoro quantificabile. L’essere umano porta il contesto. L’obiettivo non è sostituire gli estimatori. È farli uscire dal lavoro ripetitivo di misurazione in modo che possano spendere tempo sul lavoro che richiede effettivamente il loro giudizio. È anche il motivo per cui abbiamo costruito Beam AI come un augmentatore, come un junior estimatore plug-and-play che gestisce i compiti meccanici.

Hai descritto l’intelligenza artificiale come la spina dorsale operativa della pre-costruzione. Cosa significa questa visione nei prossimi cinque anni?

Attualmente ci concentriamo sulla parte anteriore: piani a quantità di materiali, il più velocemente e accuratamente possibile. Il prossimo livello è la gestione delle offerte. Abbiamo già spedito Bid Dashboard e Bid Sniper, che danno ai contractor una visione unica della loro pipeline, scadenze, RFIs e addenda.

Nei prossimi cinque anni, voglio che la piattaforma colleghi le misurazioni direttamente al prezzo e all’approvvigionamento. Un contractor carica i piani e, entro poche ore, ha un’immagine reale di cosa costa il lavoro e cosa deve essere approvvigionato. È un modo genuinamente diverso di gestire la pre-costruzione rispetto a ciò che la maggior parte delle squadre fa oggi.

Beam AI supporta ora più commerci, dalla paesaggistica ai lavori civili e elettrici. Come bilanciate la costruzione di sistemi di intelligenza artificiale generalizzati con la necessità di ottimizzazione specifica del dominio?

È una vera tensione. Il lavoro sottostante è condiviso tra i commerci: leggere documenti, analizzare disegni e estrarre quantità. Ma i risultati sono specifici del commercio in modi che contano molto. Come si misurano le attrezzature HVAC è diverso dal misurare l’acciaio strutturale o le barre di armatura.

Abbiamo costruito modelli specifici del commercio e investito in dati di formazione per ognuno. È il motivo per cui abbiamo iniziato con l’HVAC e la meccanica, dove il nostro set di dati era più forte, prima di espanderci alla meccanica e all’acciaio. Copriamo 15 o più commerci, ma siamo onesti che non ogni commercio è allo stesso livello di maturità. Costruiamo profondità man mano che ci espandiamo.

L’intelligenza artificiale sta iniziando a ridisegnare settori tradizionalmente offline. Credete che la costruzione potrebbe diventare uno dei settori più trasformati nel prossimo decennio, e cosa significherebbe questa trasformazione nella pratica?

Sì, lo credo. Parte del motivo per cui è sottovalutato è che è stato così manuale per così tanto tempo. Non c’è uno strato di software profondamente radicato da sostituire, come c’è nel settore finanziario o sanitario. I dati non sono stati digitalizzati. I flussi di lavoro non sono standardizzati. Sembra un problema, ma da dove ci troviamo, è un’apertura. Non stiamo sostituendo un sistema esistente. In molti casi, stiamo costruendo il primo.

Aggiungete a ciò il capitale che sta entrando nei centri di dati, nella produzione e nelle infrastrutture in questo momento, e la pressione per costruire più velocemente sta aumentando. I contractor che capiscono questo saranno quelli che avanzeranno. Quelli che non lo faranno si chiederanno cosa è successo.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Attentive.ai o Beam AI.