시바 다완, Attentive.ai의 공동 창립자 및 CEO – 인터뷰 시리즈

시바 다완, Attentive.ai의 공동 창립자 및 CEO는 인프라와 건설 워크플로우를 변革하기 위해 인공 지능을 적용하는 기업가입니다. Attentive.ai를 설립하기 전에 그는 기술 및 비즈니스 기능을 통해 리더십과 운영 역할을 수행했으며, 건설, 매핑, 지형 분석 등의 산업에서 전통적으로 수동으로 처리되는 프로세스를 자동화하는 회사의 비전을 형성하는 데 도움을 주었습니다. 그의 리더십 하에, 회사는 국제적으로 확장하면서 기업과 계약자에게 추정, 테이크오프, 인프라 관리의 효율성을 개선하기 위해 설계된 AI 시스템을 개발했습니다.

Attentive.ai는 컴퓨터 비전과 지형 정보를 사용하여 건설 기술을 자동화하는 AI 기반 건설 기술 회사입니다. 플랫폼은 계약자, 조경 회사, 인프라 운영자가 역사적으로 수동 노동에 의존하는 추정, 측정, 현장 분석 작업을 가속화하는 데 도움을 줍니다. 회사의 Beam AI 제품은 항공 사진과 AI를 사용하여 매우 상세한 재산 측정과 조경 정보를 생성하도록 설계되어 사업이 입찰 정확도를 개선하고, 운영 병목 현상을 줄이고, 자동화를 통해 프로젝트를 더 효율적으로 확장할 수 있도록 합니다.

Attentive.ai를 설립한 후 Beam AI를 플래그십 제품으로 출시했습니다. 이전 단계에서 얻은 어떤 통찰력이 Beam AI를 구축하도록 이끌었나요? 또한 왜 테이크오프와 추정을 건설 워크플로우를 변革하는 데 입장으로 선택했나요?

제 공동 창립자인 Rishabjit과 저는 COVID-19 기간 동안 미국 건설 시장에 진출했을 때, 계약자가 현장에 가지 않고도 작업을 추정해야 하는 상황이었습니다. 계속해서 나타나는 제약은 계약자가 작업을 수행할 수 없기 때문에 작업을 잃는 것이 아니라, 작업의 가격을 매길 시간이 없다는 것이었습니다. 하나의 추정자, 수백 페이지의 계획, 작업당 4~8시간. 이러한 상황에서는 사업을 성장시킬 수 없습니다.

테이크오프를 선택한 이유는 그것이 모든 것의 시작점이기 때문입니다. 아무도 측정을 하지 않으면 다른 모든 것이 진행되지 않습니다. 또한 출력은 검증 가능합니다. 즉, 수량이 올바른지 여부를 알 수 있습니다. 1,000만 달러의 작업에서 2%의 오차는 20만 달러의 손실을 의미합니다. 이는 추정자가 매일 겪는 실제 비용입니다.

건설 및 현장 서비스는 일반적으로 새로운 기술을 채택하는 데 더 느립니다. 이 섹터에서 AI 채택의 가장 큰 장벽은 무엇이었나요? 어떻게 그것을 극복하고 있나요?

신뢰입니다. 추정자는 자신의 경력을 정확성에 기반으로 구축했습니다.何か를 놓치면 회사가 그 비용을 지불합니다. 따라서 우리가 AI를 제시했을 때 자연스러운 반응은 “이것이 정확한지 어떻게 알 수 있나요?”라는 질문이었습니다.

우리는 그 우려를 직접 해결했습니다. 모든 완성된 테이크오프는 고객에게 전달되기 전에 훈련된 사람이 검토합니다. 자동화는 볼륨과 속도를 처리합니다.

QA는 필요한 경우를 잡습니다. 몇 개의 작업 후에 고객은 패턴을 보게 됩니다. 즉, 수량이 올바르고, 팀이 계획 세트에 묻히지 않고, 입찰이 더 빠르게 나가고 있습니다. 우리의 고객 중 하나인 Bommarito Construction은 플랫폼을 사용하여 6개월 동안 50개의 추가 입찰을 제출했습니다. 이는 어떤 데모보다도 더 설득력 있습니다.

Beam AI는 전통적으로 수동적이고 시간이 소요되는 테이크오프를 자동화하는 데 중점을 두었습니다. 왜 이 워크플로우가 AI 주도 변혁의 중요한 입장인지 설명해 주세요.

모든 프로젝트는 여기서 시작됩니다. 무엇인가를 가격하기 전에 누군가가 계획을 검토하고 모든 것을 측정해야 합니다. 하나의 테이크오프는 하루를 소요할 수 있습니다. 일이 바쁠 때それは 팀이 추구할 수 있는 작업의 상한선이 됩니다.

계약자는 작업을 거부하는 이유가 작업을 수행할 수 없기 때문이 아닙니다. 작업의 가격을 매길 시간이 없기 때문입니다.

테이크오프에는 명확한 출력이 있습니다. 즉, 재료의 수량입니다. 무엇인가를 놓쳤는지 알 수 있습니다. 이는 특히 위험이 높은 상황에서 신뢰를 구축하는 합리적인 장소입니다.

플랫폼을 통해 회사들이 헤드카운트를 추가하지 않고 입찰 볼륨을 증가시킬 수 있습니다. 어떻게 이것이 산업 전반의 경쟁과 마진을 재편할지 보세요.

이미 일어나고 있습니다. 계약자가 동일한 팀으로 작업의 3배를 추구할 수 있을 때, 그들은 선택적이 됩니다. 그들은 높은 마진의 작업을 추구합니다. 그들은 이미 최대 용량에 도달했기 때문에 기회가 생겼을 때 빠르게 반응할 수 있습니다.

이것에 대해 생각하지 않는 계약자는 압력을 느끼게 될 것입니다. Rays Stairs는 입찰 볼륨을 두 배로 늘리고 2개월 만에 매출을 90만 달러에서 200만 달러로 증가시켰습니다. Guardian Roofing은 테이크오프 시간을 25시간에서 5시간으로 줄였습니다. 이러한 이익은 작지 않습니다. 그것은 사업이 실제로 추구할 수 있는 것을 변경합니다.

Beam AI에는 자동화와 함께 인간의 QA(품질 보증) 계층이 통합되어 있습니다. 어떻게 AI의 자율성과 인간의 감독 사이의 균형을 결정합니까?

우리는 이것을 신뢰와 무엇이 걸려 있는지에 따라 생각합니다. AI는 구조화된 반복 작업을 잘 처리합니다. 즉, 계획 세트를 읽고, 구성 요소를 식별하고, 수량을 추출합니다. 그러나 출력은 중요한 방식으로 거래 별로 다릅니다. HVAC 장비를 측정하는 방법은 구조적 강재 또는 콘크리트 철근을 측정하는 방법과 다릅니다.

QA 계층은 이러한 상황에 있습니다. 완성된 서비스의 경우, 훈련된 검토자가 출력을 검토한 후에 고객에게 전달됩니다. 10분 테이크오프의 경우, 특히 HVAC 및 플럼빙에서 데이터 세트가 강력하기 때문에 우리는 그 단계 없이 더 빠르게 이동할 수 있습니다. 강재는 곧 출시될 예정입니다. 자율성의 수준은 거래와 작업의 복잡성에 따라 달라집니다.

모델이 개선됨에 따라 QA 계층이 시간이 지남에 따라 덜 중심이 되는지, 아니면 높은 위험의 워크플로우인 추정과 같은 곳에서 영구적으로 유지되는지 보세요.

둘 다, 정의에 따라 다릅니다. 형태는 변경될 것입니다. 현재 인간 검토자가 잡는 많은 내용은 모델이 개선되고 더 많은 데이터를 구축함에 따라 시스템 내에서 자동화된 검사로 이동할 것입니다. 그러나 이러한 워크플로우에서 검증을 제거하는 것은 생각하지 않습니다. 5,000만 달러의 강재 작업을 가격으로 내는 계약자가 있다면, 체크포인트를 원할 것입니다.

우리가 추구하는 것은 그 체크포인트를 더 빠르고 노동 집중적으로 만드는 것입니다. 목표는 QA를 제거하는 것이 아닙니다. 그것을 더 가볍게 만드는 것입니다.

Attentive.ai는 AI 자동화와 실제 운영 워크플로우를 결합합니다. 건설의 미래는 완전히 자율적인 것이 아니라 혼합형으로 보입니까?

예상할 수 있는 미래에 대해서는 그렇습니다. 또한 “혼합”이 보상으로 간주되는 것은 아니라고 주장합니다. 건설에는 계획 세트에 포착되지 않은 판단이 포함됩니다. 좋은 추정자는 현지 하도급 시장, 일반 계약자(GC)가 사양을 작성하는 방식, 작업의 실제 건설 비용을 알고 있습니다. 이는 도면에 항상 명시된 것은 아닙니다.

AI는 정량화 가능한 작업을 처리합니다. 인간은 맥락을 제공합니다. 목표는 추정자를 대체하는 것이 아닙니다. 추정자가 반복적인 측정을 수행하는 것을 피하게 하여 판단이 필요한 작업에 시간을 할애할 수 있도록 하는 것입니다. 이것이 Beam AI를 junior estimator로 구축한 이유입니다. 이는 기계적인 작업을 처리하는 플러그 앤 플레이입니다.

AI가 전건설의 운영 백본이 되는 것을 묘사했습니다. 5년 동안의 비전은 무엇입니까?

현재 우리는 전면에 초점을 맞추고 있습니다. 즉, 계획에서 재료의 수량까지, 가능한 한 빠르고 정확하게 진행됩니다. 다음 계층은 입찰 관리입니다. 이미 Bid Dashboard와 Bid Sniper를 출시했으며, 계약자에게 입찰 파이프라인, 마감일, RFIs, 추가 사항에 대한 단일 뷰를 제공합니다.

5년 내에 플랫폼이 테이크오프를 직접 가격 및 조달로 연결하도록 하고 싶습니다. 계약자가 계획을 업로드하고 몇 시간 내에 작업의 실제 비용과 소싱해야 할 내용에 대한 실제 그림을 얻을 수 있습니다. 이는 대부분의 팀이 오늘날 수행하는 것과真正로 다른 방식입니다.

Beam AI는 조경부터 시민 및 전기 작업까지 여러 거래를 지원합니다. 일반화된 AI 시스템을 구축하는 것과 도메인별 최적화를 필요로 하는 것 사이의 균형을 어떻게 조정합니까?

진짜 긴장입니다. 기본 작업은 거래를 통해 공유됩니다. 즉, 문서를 읽고, 도면을 파싱하고, 수량을 추출합니다. 그러나 출력은 중요한 방식으로 거래 별로 다릅니다. HVAC 장비를 측정하는 방법은 구조적 강재 또는 콘크리트 철근을 측정하는 방법과 다릅니다.

우리는 거래 별 모델을 구축하고 각 모델에 대한 훈련 데이터에 투자했습니다. 이것이 우리가 처음에 HVAC 및 기계를 시작한 이유입니다. 여기서 데이터 세트가 가장 강력했습니다. 그런 다음 플럼빙 및 강재로 확장했습니다. 우리는 15개 이상의 거래를 다루고 있지만, 모든 거래가 동일한 성숙도를 가진 것은 아니라는 것을 인정합니다. 우리는 확장함에 따라 깊이를 구축합니다.

AI는 전통적으로 오프라인 산업을 변革하기 시작했습니다. 건설이 향후 10년 동안 가장 변革될 산업 중 하나가 될 수 있다고 생각합니까? 실제로는 어떤 모습일까요?

그렇습니다. 부분적으로는 오랫동안 수동적인 방식으로 운영되어 왔기 때문에 과소평가되고 있습니다. 금융 또는 의료와 같은 분야에서 대체해야 하는 기존의 소프트웨어 계층이 없습니다. 데이터가 디지털화되지 않았습니다. 워크플로우가 표준화되지 않았습니다. 이것은 문제로 보일 수 있지만, 우리의 관점에서 보면, 이것은 기회입니다. 우리는 기존 시스템을 대체하지 않습니다. 많은 경우에, 우리는 첫 번째 시스템을 구축하고 있습니다.

데이터 센터, 제조, 인프라에 투자되는 자본을 추가하고, 더 빠르게 건설해야 하는 압력이 증가하고 있다는 점을 고려하면, 이 산업이 변革될 것입니다. 이것을 해결하는 계약자는 앞서갈 것입니다. 그렇지 못한 계약자는 무슨 일이 일어났는지 궁금해할 것입니다.

멋진 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 Attentive.ai 또는 Beam AI를 방문할 수 있습니다.