Shiva Dhawan, współzałożyciel i CEO Attentive.ai – seria wywiadów

Shiva Dhawan, współzałożyciel i CEO Attentive.ai, jest przedsiębiorcą skupionym na stosowaniu sztucznej inteligencji w celu transformacji procesów infrastrukturalnych i budowlanych. Przed założeniem Attentive.ai pełnił role kierownicze i operacyjne w dziedzinie technologii i biznesu, pomagając kształtować wizję firmy wokół automatyzacji tradycyjnie ręcznych procesów w branżach takich jak budownictwo, mapowanie i analiza geoprzestrzenna. Pod jego kierownictwem firma rozwinęła się na arenie międzynarodowej, rozwijając systemy AI zaprojektowane w celu poprawy wydajności w szacowaniu, rozbiórce i zarządzaniu infrastrukturą dla przedsiębiorstw i wykonawców.

Attentive.ai to firma technologiczna z branży budowlanej, wykorzystująca sztuczną inteligencję do automatyzacji procesów przedbudowlanych i infrastrukturalnych za pomocą wizji komputerowej i inteligencji geoprzestrzennej. Jej platforma pomaga wykonawcom, firmom ogrodniczym i operatorom infrastruktury przyspieszyć zadania szacowania, pomiaru i analizy terenu, które historycznie opierały się na pracy ręcznej. Produkt firmy Beam AI jest zaprojektowany w celu wykorzystania obrazów lotniczych i AI do generowania szczegółowych pomiarów nieruchomości i informacji ogrodniczych, pomagając firmom poprawić dokładność szacowania, zmniejszyć problemy operacyjne i skalować projekty w sposób bardziej efektywny dzięki automatyzacji.

Założyłeś Attentive.ai po rozwoju biznesu usługowego w dziedzinie mapowania i ubezpieczeń, a następnie wprowadziłeś Beam AI jako swój flagowy produkt. Jakie konkretnie spostrzeżenia z tego wcześniejszego etapu skłoniły cię do budowy Beam AI, i dlaczego wybrałeś rozbiórkę i szacowanie jako punkt wejścia do transformacji procesów budowlanych?

Mój współzałożyciel, Rishabjit, i ja przybyliśmy na rynek budowlany w Stanach Zjednoczonych podczas COVID, kiedy wykonawcy musieli szacować prace bez wizyty na miejscu. Co ciągle się pojawiało, to ten sam ogranicznik: wykonawcy tracili prace nie dlatego, że nie mogli ich wykonać, ale dlatego, że nie mieli czasu na ich wycenę. Jeden szacujący, setki stron planów, 4 do 8 godzin na pracę. Nie możesz rozwinąć biznesu w ten sposób.

Wybraliśmy rozbiórkę, ponieważ jest to punkt wyjścia dla wszystkiego. Nic innego nie rusza, dopóki ktoś nie zmierzy zakresu. A wynik jest weryfikowalny; albo masz ilości prawidłowe, albo nie. Błąd 2% w pracy wartej 10 milionów dolarów to 200 000 dolarów straconych. To nie jest abstrakcja. To realny koszt, który szacujący ponoszą każdego dnia.

Budownictwo i usługi terenowe często są postrzegane jako wolniejsze w przyjmowaniu nowych technologii. Jaki był największy barierą w przyjęciu AI w tym sektorze, i jak ją pokonujesz?

Zaufanie. Szacujący zbudowali swoje kariery na dokładności. Kiedy coś pomijają, ich firma za to płaci. Kiedy więc pojawiłyśmy się z AI, naturalną reakcją było: jak mogę być pewien, że to jest prawidłowe?

Nie próbowaliśmy przekonywać ludzi do odejścia od tego problemu. Zajęliśmy się nim bezpośrednio. Każda gotowa rozbiórka jest sprawdzana przez przeszkolonego człowieka przed wysłaniem do klienta. Automatyzacja zajmuje się objętością i szybkością.

Kontrola jakości łapie wszystko, co wymaga ponownego spojrzenia. Po kilku pracach klienci widzą wzorzec: ilości są prawidłowe, ich zespół nie jest przytłoczony planami, a oferty wychodzą szybciej. Jeden z naszych klientów, Bommarito Construction, złożył 50 więcej ofert w ciągu sześciu miesięcy za pomocą platformy. To jest bardziej przekonywające niż jakakolwiek prezentacja.

Beam AI koncentruje się na automatyzacji rozbiórki, tradycyjnie ręcznego i czasochłonnego procesu. Dlaczego ten proces jest tak krytycznym punktem wejścia dla transformacji napędzanej przez AI?

Każdy projekt zaczyna się tutaj. Przed tym, jak można cokolwiek wycenić, ktoś musi usiąść z planami i zmierzyć wszystko. Jedna rozbiórka może zająć cały dzień. Kiedy wszystko staje się zajęte, staje się to sufitem, jaki poziom pracy może zostać podjęty przez zespół.

Wykonawcy nie odrzucają prac, bo ich nie chcą. Odrzucają je, bo nie mają czasu na ich wycenę.

Rozbiórki mają również jasny, sprawdzalny wynik: ilości materiałów. Wie się, czy coś zostało pominięte. To sprawia, że jest to rozsądne miejsce, aby zbudować zaufanie w nowym systemie, zwłaszcza gdy stawki są wysokie.

Twoja platforma umożliwia firmom zwiększenie liczby ofert bez zwiększania zatrudnienia. Jak widzisz, że to zmienia konkurencję i marże w branży?

Już się to dzieje. Kiedy wykonawca może podejmować trzykrotnie więcej prac z tym samym zespołem, staje się bardziej wybredny. Idzie za pracami o wyższych marżach. Może szybko reagować, kiedy pojawia się duża okazja, zamiast ją odrzucać, bo jest już maksymalnie obciążony.

Wykonawcy, którzy nie myślą o tym, będą czuć presję ze strony tych, którzy o tym myślą. Rays Stairs podwoił liczbę ofert i zwiększył przychody z 900 000 do 2 milionów dolarów w ciągu dwóch miesięcy. Guardian Roofing skrócił czas rozbiórki z 25 godzin tygodniowo do 5. To nie są małe zyski. Zmieniają to, co firma może rzeczywiście podejmować.

Beam AI zawiera warstwę jakościową z ludzkim nadzorem obok automatyzacji. Jak określasz odpowiednią równowagę między autonomią AI a nadzorem ludzkim?

Myślimy o tym w kategoriach zaufania i tego, co jest na szali. AI zajmuje się strukturalną, powtarzalną pracą: czytaniem planów, identyfikowaniem komponentów, wyciąganiem ilości. Ale rysunki budowlane nie są ujednolicone. Specyfikacje mogą być niejasne. Zestaw planów może być niekompletny.

Warstwa jakościowa jest tam, aby zajmować się tymi sytuacjami. Dla usługi “gotowej” rozbiórki przeszkolony recenzent sprawdza każdy wynik przed wysłaniem do klienta. Dla zautomatyzowanych 10-minutowych rozbiórek zgromadziliśmy wystarczająco danych, zwłaszcza w HVAC i hydraulice, aby poruszać się szybciej bez tego kroku. Stal jest teraz wdrażana. Poziom autonomii śledzi branżę i złożoność pracy.

Gdy modele się poprawiają, widzisz, że warstwa jakościowa staje się mniej centralna w czasie, czy pozostanie stałym elementem wysokostopniowych procesów, takich jak szacowanie?

Obydwa, w zależności od tego, jak definiujesz to. Forma, jaką przybiera, zmieni się. Wiele z tego, co recenzent ludzki łapie dzisiaj, przeniesie się do zautomatyzowanych kontroli w systemie, gdy modele się poprawią i zgromadzimy więcej danych. Ale nie myślę, że kiedykolwiek usuniesz weryfikację z procesu o tak wysokich stawkach. Jeśli wykonawca wycenia pracę o wartości 50 milionów dolarów, będzie chciał punkt kontrolny.

Co do czego dążymy, to uczynienie tego punktu kontrolnego szybszym i mniej pracochłonnym. Cel nie polega na wyeliminowaniu kontroli jakości. Polega na uczynieniu jej lżejszą.

Attentive.ai łączy automatyzację AI z realnymi procesami operacyjnymi. Czy widzisz przyszłość AI w budownictwie jako wewnętrznie hybrydową, a nie w pełni autonomiczną?

Dla widocznej przyszłości, tak. I odrzucę pomysł, że “hybrydowy” jest nagrodą pocieszenia. Budownictwo obejmuje osąd, który nie jest ujęty w planie. Dobry szacujący wie o swoim lokalnym rynku podwykonawców. Wie, jak konkretny generalny wykonawca pisze specyfikacje. Wie, jaka będzie rzeczywista cena budowy, co nie zawsze jest tym, co mówią rysunki.

AI zajmuje się ilościową pracą. Człowiek przychodzi z kontekstem. Cel nie polega na zastąpieniu szacujących. Polega na tym, aby wydostać ich z powtarzalnego pomiaru, aby mogli spędzić czas na pracy, która wymaga ich osądu. Dlatego też zbudowaliśmy Beam AI, aby był augmentatorem, jak wtyczka juniora szacującego, który zajmuje się mechanicznymi zadaniami.

Opisałeś AI jako stającą się kręgosłupem operacyjnym przedbudowy. Jak wygląda ta wizja przez najbliższe pięć lat?

Obecnie koncentrujemy się na froncie: plany do ilości materiałów, tak szybko i dokładnie, jak to możliwe. Następna warstwa to zarządzanie ofertami. Wdrożyliśmy już Bid Dashboard i Bid Sniper, które dają wykonawcom pojedynczy widok ich potoku, terminów, RFIs i dodatków.

Przez najbliższe pięć lat chcę, aby platforma połączyła rozbiórki bezpośrednio z wyceną i zakupami. Wykonawca uploaduje plany i w ciągu kilku godzin ma prawdziwy obraz tego, jaka jest cena pracy i co musi zaopatrzyć. To jest naprawdę inny sposób prowadzenia przedbudowy niż to, co robią większość zespołów dzisiaj.

Beam AI obsługuje obecnie wiele branż, od ogrodniczych po prace budowlane i elektryczne. Jak balansujesz budowę uogólnionych systemów AI z potrzebą głębokiej optymalizacji branżowej?

Jest to prawdziwa napięta sytuacja. Podstawowa praca jest wspólna dla wszystkich branż: czytanie dokumentów, parsowanie rysunków i wyciąganie ilości. Ale wyniki są branżowo specyficzne w sposób, który ma znaczenie. Jak mierzy się sprzęt HVAC, nie jest podobne do mierzenia stali konstrukcyjnej czy prętów zbrojeniowych.

Zbudowaliśmy branżowo specyficzne modele i zainwestowaliśmy w dane szkoleniowe dla każdego z nich. Dlatego zaczęliśmy od HVAC i mechanicznych, gdzie nasz zestaw danych był najmocniejszy, zanim rozszerzyliśmy się na hydraulikę i stal. Obsługujemy 15 lub więcej branż, ale jesteśmy szczerzy, że nie każda branża jest na tym samym poziomie dojrzałości. Budujemy głębię, gdy się rozwijamy.

AI zaczyna zmieniać tradycyjnie offline’owe branże. Uważasz, że budownictwo może stać się jedną z najbardziej przekształconych branż w ciągu najbliższej dekady, i jak ta transformacja będzie wyglądać w praktyce?

Tak. Część z tego, dlaczego jest to niedoceniane, polega na tym, że było tak ręczne przez tak długo. Nie ma głęboko zakorzenionego oprogramowania, które trzeba by zastąpić, jak to ma miejsce w finansach czy opiece zdrowotnej. Dane nie zostały zdigitizowane. Przepływy pracy nie są ustandaryzowane. To brzmi jak problem, ale z naszego punktu widzenia, jest to okazja. Nie zastępujemy istniejącego systemu. W wielu przypadkach budujemy pierwszy.

Dodaj do tego kapitał płynący do centrów danych, produkcji i infrastruktury w tej chwili, i presja, aby budować szybciej, rośnie. Wykonawcy, którzy to rozwiązują, będą przewodzić. Ci, którzy nie, będą się zastanawiać, co się stało.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Attentive.ai lub Beam AI.