Eshan Jayamanne, Oprichter en CEO van Krane – Interviewreeks

Eshan Jayamanne, Oprichter en CEO van Krane, combineert diepe expertise in de bouwsector met een achtergrond in techniek, analyse en technologie. Voordat hij Krane in 2023 oprichtte, werkte hij aan grote projecten voor organisaties zoals Microsoft (MSFT ), Chevron (CVX ), UCSF en Caltrans, met een focus op verbetering van de productiviteit, optimalisatie van de supply chain, lean construction en operationele efficiëntie. Zijn ervaring met het beheren van complexe bouwprojecten bracht de persistente coördinatie- en inkoopuitdagingen in de sector aan het licht, waardoor hij werd geïnspireerd om technologie te ontwikkelen die teams helpt bij het nemen van betere beslissingen en het verminderen van dure vertragingen.

Krane is een AI-gepowered platform voor de bouwsupply chain dat is ontworpen om de zichtbaarheid en coördinatie te verbeteren over inkoop, materiaalbeheer en projectoperaties. Het platform gebruikt AI-agents om taken zoals materiaalvolging, leveranciersbeheer, risicoidentificatie en factuurverwerking te automatiseren, waardoor bouwteams vertragingen kunnen verminderen en de efficiëntie kunnen verbeteren. Gericht op grote projecten zoals datacenters, gezondheidsfaciliteiten en infrastructuurontwikkelingen, streeft Krane ernaar om een van de meest gefragmenteerde en gegevensintensieve workflows in de bouwsector te moderniseren.

U hebt jarenlang gewerkt aan constructie-engineering, productieanalyse, projectoptimalisatie en grote infrastructuurprojecten voordat u Krane oprichtte. Na het zien van de impact van inkoopvertragingen, materiaalvolgproblemen en gefragmenteerde workflows op grote projecten, wat was het specifieke moment dat u ervan overtuigd raakte dat AI problemen kon oplossen die de bouwsector al decennialang teistert?

Ik heb meer dan een decennium gewerkt aan complexe energie-, infrastructuur- en datacenterprojecten, waaronder projecten voor bedrijven als Microsoft en Chevron. Ongeacht de projectgrootte, zag ik steeds dezelfde uitdagingen: teams werden overspoeld met submittals, materialen werden te laat vrijgegeven en leveringen werden niet correct gecoördineerd, waardoor dure vertragingen ontstonden.

Wat me ervan overtuigde dat AI een verschil kon maken, was het zien van hoeveel van dit werk nog steeds werd beheerd met behulp van losse spreadsheets, e-mails en telefoontjes. Constructieteams hadden geen gebrek aan expertise; ze besteedden te veel tijd aan het achterhalen van informatie over gefragmenteerde workflows.

Recente vooruitgang in AI maakte het mogelijk om constructiespecificaties, tekeningen, schema’s en inkooprecords te lezen en veel van de coördinatietaken te automatiseren die traditioneel veel handmatige inspanning vereisten. Toen werd het duidelijk dat AI kon helpen om de operationele last van projectteams te verlichten en hen meer tijd te geven om te bouwen.

Die gedachte werd uiteindelijk Krane. Vandaag beheert het platform meer dan $17 miljard aan actieve bouwprojecten in Noord-Amerika en heeft onlangs een Seed-rond van $9 miljoen opgehaald om de uitbreiding van ons AI-natieve constructie-operatiecrew voort te zetten.

Bouw heeft historisch gezien achtergestaan bij sectoren als financiën en software in de adoptie van technologie. Waarom denkt u dat de huidige golf van AI anders is en waarom is de sector eindelijk klaar voor meer autonome systemen?

De sector staat voor twee uitdagingen tegelijk: toenemende projectcomplexiteit en een groeiend tekort aan arbeidskrachten. De vraag en complexiteit van datacenters, gezondheidsfaciliteiten en andere grote projecten leggen meer druk op de bouwsupply chain dan ooit tevoren. Tegelijkertijd gaan ervaren professionals sneller met pensioen dan ze worden vervangen.

Tools zoals ChatGPT hebben ook geholpen om te demonstreren wat AI in de praktijk kan doen op een gebruikersvriendelijke manier. Dat maakte de technologie veel toegankelijker en versnelde de adoptie van AI-oplossingen die zijn gebouwd voor specifieke sectoren, waaronder de bouw.

Vandaag worden bouwteams gevraagd om grotere en complexere projecten te leveren met minder marge voor fouten, terwijl ze te maken hebben met volatiele en moeilijk te voorspellen supply chains. Daarom zien we zo veel interesse in AI. De sector adopteert technologie niet voor de technologie zelf; het zoekt naar praktische manieren om teams te helpen bij het beheren van complexiteit, het behouden van zichtbaarheid en het laten voortgang van projecten.

Krane beschrijft zichzelf als een AI-natief platform voor het beheren van de bouwsupply chain. Wat zijn de grootste inefficiënties die nog steeds bestaan in inkoop, submittals, leveringen en leverancierscoördinatie die de meeste mensen buiten de sector niet beseffen?

De meeste mensen zijn verrast door hoeveel van de bouwinkoop nog steeds via spreadsheets, e-mails, telefoontjes en handmatige follow-up verloopt. Een groot project kan honderden materialen, tientallen leveranciers, duizenden documenten en constant veranderende schema’s omvatten, maar veel inkoopbeslissingen worden nog steeds gebaseerd op leveranciersschattingen, historische ervaring en aannamen over marktomstandigheden.

Toen we naar de projecten keken die op Krane draaien, vonden we dat veel van de meest kostbare vertragingen en budgetoverschrijdingen konden worden herleid tot inkoopbeslissingen die maanden eerder waren genomen. De uitdaging was om risico’s vroeg genoeg te identificeren om er iets aan te doen.

In onze eigen gegevens werden inkooprisico’s gemiddeld 47 dagen voor ze op een projectschema verschenen. Dat betekent dat teams wekenlang blootgesteld kunnen zijn aan een risico voordat het zichtbaar genoeg wordt om actie te ondernemen.

Dat is precies waarom we Procurement OS lanceerden. De Procurement OS-module van Krane brengt live supply chain-inzicht rechtstreeks in inkoopworkflows. Omdat Krane al het dagelijkse materiaalverkeer beheert over meer dan $17 miljard aan actieve bouwprojecten, kunnen we echte levertijden, leveranciersprestaties, submittal-cyclustijden en materiaalbeschikbaarheid vastleggen zoals ze gebeuren.

Procurement OS identificeert automatisch kritieke materialen uit projectspecificaties, benchmarkt live levertijden, beoordeelt leveranciers op basis van hun werkelijke prestaties en screent offertes op conformiteit voordat ze worden toegekend. We verplaatsen de bouw van inkoop op basis van aannamen naar inkoop op basis van bewijs.

Veel AI-bedrijven focussen op het genereren van inzichten, terwijl Krane lijkt te bewegen in de richting van AI-agents die taken kunnen uitvoeren. Hoe ziet u de rol van AI evolueren van assistent naar operator binnen bouwworkflows?

We geloven dat de volgende evolutie van AI in de bouw het verplaatsen van het verstrekken van informatie naar het helpen van teams bij het uitvoeren van werk is. Bouwprojecten genereren een enorme hoeveelheid gegevens, maar het identificeren van een probleem is slechts de eerste stap. Teams moeten nog steeds leveranciers coördineren, levertijden valideren, submittals beheren en materialen in beweging houden.

Dat is waarom we een AI-constructiecrew hebben gebouwd waarbij elke agent een specifiek deel van de materiaalworkflow bezit.

• Milo zet specificaties, tekeningen en schema’s om in complete submittal- en inkooplogs in enkele minuten
• Arlo verbindt gesiloerde schema’s, submittals en inkooplogs in één systeem en biedt een duidelijke inkoopstrategie voor de pre-construction teams
• Chase volgt leveranciers op om submittals te prioriteren, levertijden en materiaalstatussen te valideren
• Lana maakt submittal-sjablonen en QCs zodat aannemers en leveranciers de kwaliteit van submittal-pakketten kunnen verbeteren en ze op tijd kunnen indienen
• Rio automatiseert leveringsplanning, voorkomt conflicten en analyseert equipmentgebruik
• Theo controleert het inkoopproces van offerte-vergelijking, RFP-creatie tot levering

Mensen nemen nog steeds de belangrijke beslissingen, maar AI behandelt het werk dat historisch gezien uren van een projectteams dag in beslag nam.

Datacenters zijn een van de belangrijkste focusgebieden van Krane geworden. Aangezien de vraag naar AI een wereldwijde bouwboom voor digitale infrastructuur aandrijft, welke nieuwe supply chain-uitdagingen ontstaan die traditionele projectmanagementtools moeilijk aankunnen?

Datacenters brengen de beperkingen van traditionele inkoopprocessen aan het licht.

Veel van de kritieke componenten die deze faciliteiten aandrijven, hebben nu buitengewoon lange levertijden. Stroomtransformators kunnen drie tot vijf jaar duren om in te kopen, terwijl mediumspannings-schakelapparatuur meer dan 60 weken kan duren. Tegelijkertijd kunnen elektrische en mechanische apparatuur tot 75% van de gegarandeerde maximale prijs van een project vertegenwoordigen, wat betekent dat inkoopbeslissingen enorme financiële gevolgen hebben.

Traditionele projectmanagementtools zijn ontworpen om projectstatus bij te houden nadat beslissingen al zijn genomen. Ze bieden geen real-time zichtbaarheid in leveranciersprestaties, veranderende levertijden of opkomende supply chain-beperkingen.

Procurement OS adresseert deze uitdagingen. Door live supply chain-gegevens van actieve projecten te gebruiken, kunnen teams inkoopbeslissingen nemen op basis van wat er vandaag in de markt gebeurt, in plaats van wat er op het vorige project is gebeurd.

Een van de grootste zorgen rond AI-agents is vertrouwen. In de bouw, waar vertragingen of fouten miljoenen dollars aan gevolgen kunnen hebben, hoe balanceert u automatisering met menselijke toezicht?

Vertrouwen is kritiek omdat bouwbeslissingen echte gevolgen hebben voor de planning en het budget.

Onze filosofie is dat AI coördinatie moet behandelen, terwijl mensen verantwoordelijk blijven voor oordeel en beslissingen. Elke AI-actie in Krane bevat een vertrouwensscore, kritieke beslissingen vereisen menselijke goedkeuring en activiteit wordt gelogd via audit-trails. Dat geeft teams zichtbaarheid in wat het systeem doet en waarom.

De andere kant van vertrouwen is resultaten. Binnen onze portefeuille heeft Krane meer dan 2.000 supply chain-risico’s getraceerd voordat ze het bouwterrein bereikten en heeft geholpen om een leveringstermijn van 92% te bereiken. Wanneer teams consistent risico’s zien worden geïdentificeerd en coördinatie sneller gebeurt, volgt vertrouwen van nature.

Bouwprojecten omvatten vaak tientallen aannemers, onderaannemers, leveranciers en stakeholders die werken met gesiloede systemen. Hoe moeilijk is het om een echte enkele bron van waarheid te creëren en welke rol speelt AI bij het mogelijk maken hiervan?

Het is een van de moeilijkste problemen in de bouw.

De gemiddelde projectomvat informatie die is verspreid over meerdere stakeholders en systemen. Aannemers, onderaannemers, eigenaren, leveranciers en consultants werken allemaal met verschillende gegevensbronnen, wat gaten, conflicterende informatie en vertragingen creëert.

AI speelt een belangrijke rol omdat het informatie kan verbinden en interpreteren over deze omgevingen. Krane brengt schema’s, tekeningen, inkooplogs, submittals, leveringen en leverancierscommunicatie samen in één omgeving waarin teams de huidige staat van een project in real-time kunnen zien.

Wanneer iedereen werkt met dezelfde informatie, krijgen teams beter zicht om snellere, meer geïnformeerde beslissingen te nemen gedurende de projectlevenscyclus. Net zo belangrijk is het dat het organisaties in staat stelt om te leren van het ene project en die inzichten toe te passen op het volgende. Historisch gezien woonde veel van die kennis in spreadsheets, e-mails en individuele teamledenervaring, waardoor het moeilijk was om het door te geven. Door supply chain-gegevens te capteren en te structureren over projecten, helpt Krane teams bij het nemen van betere inkoop- en planningsbeslissingen over tijd.

Krane integreert met platforms die al in de sector worden gebruikt, in plaats van te proberen ze te vervangen. Denkt u dat de toekomst van AI in de bouw zal worden gebouwd rond de uitbreiding van bestaande software-ecosystemen of rond geheel nieuwe besturingssystemen voor de bouw?

Op korte termijn is uitbreiding essentieel.

Bouwbedrijven hebben zwaar geïnvesteerd in platforms zoals Autodesk, Procore, Microsoft Project, CMiC, SharePoint, Trimble Viewpoint en Oracle Primavera P6. Het vragen om die systemen te vervangen is niet realistisch en, eerlijk gezegd, niet nodig.

Onze aanpak is om te integreren met de tools die teams al gebruiken en een verbonden laag te creëren over hen. Dat stelt klanten in staat om te blijven werken binnen vertrouwde workflows, terwijl ze profiteren van AI-gedreven inkoop, materiaalbeheer en supply chain-coördinatie.

Op lange termijn denk ik dat we meer AI-natieve systemen zullen zien ontstaan. Maar de bedrijven die zullen slagen, zijn degenen die natuurlijk passen in het bredere constructietechnologie-ecosysteem, in plaats van klanten te dwingen om van scratch te beginnen.

De bredere AI-industrie beweegt zich snel in de richting van agente-workflows. Wat voor lessen kunnen andere sectoren leren uit de bouw over het inzetten van AI-agents in omgevingen waar echte uitvoering en logistiek net zo belangrijk zijn als digitale workflows?

Een les is dat AI veel waardevoller wordt wanneer het is verbonden met operationele gegevens.

Procurement OS werkt omdat het niet is gebouwd op theoretische modellen van hoe bouwsupply chains zouden moeten functioneren. Het is gebouwd op de daadwerkelijke beweging van materialen over actieve projecten. Elke beslissing genomen in Krane creëert gegevens die helpen om toekomstige projectuitvoering te verbeteren.

We hebben gezien dat dit resoneert met klanten, variërend van gezondheidszorgsystemen tot enkele van de grootste aannemers in de industrie, waaronder Boldt, HITT Contracting, UCSF Health en Juneau Construction. Ze zoeken niet naar AI dat alleen inzichten genereert; ze willen systemen die teams helpen bij het nemen van betere beslissingen en het efficiënter uitvoeren van werk.

Een andere les is dat uitvoering meer telt dan inzichten. Het identificeren van een probleem is nuttig, maar het oplossen ervan is waar de waarde wordt gecreëerd. In sectoren waar fysieke operaties en logistiek ertoe doen, moet AI organisaties helpen om actie te ondernemen.

Kijkend naar de toekomst, over vijf jaar, wat ziet een volledig AI-gecoördineerd bouwproject eruit? Welke beslissingen zullen nog steeds bij mensen liggen en welke delen van projectuitvoering verwacht u dat intelligente systemen autonoom zullen beheren?

Ik denk dat we zullen zien dat AI diep geworteld raakt in de bouwsupply chain.

Taken die zeer repetitief, administratief en projectteams consumeren, zullen steeds meer geautomatiseerd worden.

Op veel manieren zijn we al in die richting aan het bewegen met Procurement OS en onze AI-constructiecrew. De visie is een systeem dat leert van elk project en teams helpt bij het nemen van betere beslissingen eerder in de projectlevenscyclus.

Dat gezegd hebbende, zal de bouw altijd een mensenbusiness blijven. Projectstrategie, stakeholdermanagement, commerciële onderhandelingen en belangrijke keuzes zullen nog steeds menselijk oordeel en ervaring vereisen. AI zal meer van de operationele last afhandelen, terwijl mensen zich richten op leiderschap, relaties en beslissingen.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen Krane bezoeken.