Shiva Dhawan, Co-fundador e CEO da Attentive.ai – Série de Entrevistas

Shiva Dhawan, Co-fundador e CEO da Attentive.ai, é um empreendedor focado em aplicar inteligência artificial para transformar fluxos de trabalho de infraestrutura e construção. Antes de lançar a Attentive.ai, ele ocupou cargos de liderança e operacionais em tecnologia e funções de negócios, ajudando a moldar a visão da empresa em torno da automação de processos tradicionalmente manuais em indústrias como construção, mapeamento e análise geoespacial. Sob sua liderança, a empresa expandiu-se internacionalmente, desenvolvendo sistemas de IA projetados para melhorar a eficiência em estimativas, medições e gestão de infraestrutura para empresas e contratantes.

Attentive.ai é uma empresa de tecnologia de construção impulsionada por IA, focada em automatizar fluxos de trabalho de pré-construção e infraestrutura usando visão computacional e inteligência geoespacial. Sua plataforma ajuda contratantes, empresas de paisagismo e operadores de infraestrutura a acelerar tarefas de estimativa, medição e análise de sites que historicamente dependiam de mão de obra manual. O produto Beam AI da empresa é projetado para aproveitar imagens aéreas e IA para gerar medições de propriedades altamente detalhadas e insights de paisagismo, ajudando empresas a melhorar a precisão das ofertas, reduzir gargalos operacionais e escalonar projetos de forma mais eficiente por meio da automação.

Você fundou a Attentive.ai após expandir um negócio de serviços em mapeamento e seguros, e mais tarde introduziu o Beam AI como seu produto principal. Quais insights específicos daquela fase anterior o levaram a construir o Beam AI, e por que você escolheu a estimativa como o ponto de entrada para transformar os fluxos de trabalho de construção?

Meu co-fundador, Rishabjit, e eu chegamos ao mercado de construção dos EUA durante a COVID, quando os contratantes tiveram que estimar trabalhos sem estar no local. O que sempre surgia era a mesma restrição: os contratantes perdiam trabalhos não porque não pudessem fazer o trabalho, mas porque não tinham tempo para precificar. Um estimador, centenas de páginas de planos, 4 a 8 horas por trabalho. Você não pode crescer um negócio com isso.

Nós escolhemos a estimativa porque é o ponto de partida para tudo. Nada mais se move até que alguém meça o escopo. E a saída é verificável; você obteve as quantidades certas ou não. Um erro de 2% em um trabalho de $10 milhões é $200.000 perdidos. Isso não é abstrato. É um custo real que os estimadores carregam todos os dias.

A construção e os serviços de campo são frequentemente vistos como mais lentos para adotar novas tecnologias. Qual é a maior barreira para a adoção de IA nesse setor, e como você está superando isso?

Confiança. Os estimadores construíram suas carreiras em torno da precisão. Quando eles erram algo, sua empresa paga por isso. Então, quando chegamos com a IA, a reação natural foi: como eu sei que isso está certo?

Nós não tentamos convencer as pessoas a sair dessa preocupação. Nós a abordamos diretamente. Cada estimativa pronta é revisada por uma pessoa treinada antes de ser devolvida ao cliente. A automação lida com o volume e a velocidade.

A verificação de qualidade captura qualquer coisa que precise de um segundo olhar. Depois de alguns trabalhos, os clientes veem o padrão: as quantidades estão certas, sua equipe não está sobrecarregada com conjuntos de planos, e as ofertas estão saindo mais rápido. Um de nossos clientes, Bommarito Construction, apresentou 50 ofertas a mais em seis meses usando a plataforma. Isso é mais convincente do que qualquer demonstração.

O Beam AI se concentra em automatizar a estimativa, um processo tradicionalmente manual e demorado. Por que esse fluxo de trabalho é um ponto de entrada crítico para a transformação impulsionada por IA?

Cada projeto começa aqui. Antes que você possa precificar qualquer coisa, alguém precisa sentar com os planos e medir tudo. Uma estimativa pode levar um dia inteiro. Quando as coisas ficam movimentadas, isso se torna o teto para a quantidade de trabalho que uma equipe pode perseguir.

Os contratantes não recusam trabalhos porque não os querem. Eles os recusam porque não há tempo para precificá-los.

A estimativa também tem uma saída clara e verificável: quantidades de materiais. Você sabe se algo foi perdido. Isso torna um local razoável para construir confiança em um novo sistema, especialmente quando as apostas são altas.

Sua plataforma permite que as empresas aumentem o volume de ofertas sem adicionar pessoal. Como você vê isso redefinindo a concorrência e as margens em toda a indústria?

Isso já está acontecendo. Quando um contratante pode perseguir três vezes mais trabalhos com a mesma equipe, eles se tornam seletivos. Eles vão atrás de trabalhos de margem mais alta. Eles podem responder rapidamente quando uma grande oportunidade surge, em vez de passar porque já estão no limite.

Os contratantes que não estão pensando nisso vão sentir a pressão daqueles que estão. Rays Stairs dobrou o volume de ofertas e cresceu a receita de $900.000 para $2 milhões em dois meses. Guardian Roofing reduziu o tempo de estimativa de 25 horas por semana para 5. Esses não são ganhos pequenos. Eles mudam o que um negócio pode realmente perseguir.

O Beam AI incorpora uma camada de garantia de qualidade (QA) com autonomia humana ao lado da automação. Como você determina o equilíbrio certo entre a autonomia da IA e a supervisão humana?

Nós pensamos nisso em termos de confiança e o que está em jogo. A IA lida bem com o trabalho estruturado e repetitivo: ler conjuntos de planos, identificar componentes e extrair quantidades. Mas os resultados são específicos do comércio de forma que importa. Como você mede equipamentos de HVAC é nada como medir aço estrutural ou rebites de concreto.

A camada de QA está lá para essas situações. Para o serviço pronto, um revisor treinado olha para cada saída antes que ela seja enviada. Para as estimativas automatizadas de 10 minutos, acumulamos dados suficientes, particularmente em HVAC e instalações hidráulicas, para se mover mais rápido sem essa etapa. O aço agora está sendo lançado em breve. O nível de autonomia acompanha o comércio e a complexidade do trabalho.

À medida que os modelos melhoram, você vê a camada de QA se tornando menos central com o tempo, ou ela permanecerá como uma parte permanente de fluxos de trabalho de alto risco, como a estimativa?

Ambos, dependendo de como você define. A forma que ela toma mudará. Muito do que um revisor humano captura hoje será transferido para verificações automatizadas dentro do sistema à medida que os modelos melhoram e acumulamos mais dados. Mas não acho que você remova a verificação de um fluxo de trabalho com esse nível de risco. Se um contratante está precificando um trabalho de aço de $50 milhões, eles vão querer um ponto de verificação.

O que estamos trabalhando para alcançar é tornar esse ponto de verificação mais rápido e menos trabalhoso. O objetivo não é eliminar a QA. É torná-la mais leve.

A Attentive.ai combina automação de IA com fluxos de trabalho operacionais do mundo real. Você vê o futuro da IA na construção como intrinsicamente híbrido, em vez de totalmente autônomo?

Para o futuro previsível, sim. E eu discordaria da ideia de que “híbrido” é um prêmio de consolação. A construção envolve julgamento que não é capturado em um conjunto de planos. Um bom estimador conhece o mercado de subcontratantes locais. Eles conhecem como um GC escreve especificações. Eles sabem o que um trabalho realmente custará para ser construído, o que nem sempre é o que os desenhos dizem.

A IA lida com o trabalho quantificável. O humano traz o contexto. O objetivo não é substituir os estimadores. É tirá-los do trabalho repetitivo de medição para que possam gastar tempo no trabalho que realmente requer seu julgamento. É por isso que construímos o Beam AI para ser um auxiliar, como um estimador júnior que lida com tarefas mecânicas.

Você descreveu a IA como se tornando a espinha dorsal operacional da pré-construção. O que essa visão parece nos próximos cinco anos?

Agora estamos focados na frente: planos para quantidades de materiais, o mais rápido e preciso possível. A próxima camada é o gerenciamento de ofertas. Já enviamos o Painel de Ofertas e o Sniper de Ofertas, que dão aos contratantes uma visão única de seu pipeline, prazos, RFIs e adendas.

Nos próximos cinco anos, quero que a plataforma conecte as estimativas diretamente ao preço e à aquisição. Um contratante carrega os planos e, em questão de horas, tem uma visão realista do que o trabalho custa e do que precisa ser fonte. Isso é uma forma genuinamente diferente de executar a pré-construção do que a maioria das equipes faz hoje.

O Beam AI agora suporta vários comércios, desde paisagismo até trabalhos civis e elétricos. Como você equilibra a construção de sistemas de IA generalizados com a necessidade de otimização específica do domínio?

É uma tensão real. O trabalho subjacente é compartilhado entre comércios: ler documentos, analisar desenhos e extrair quantidades. Mas os resultados são específicos do comércio de forma que importa. Como você mede equipamentos de HVAC é nada como medir aço estrutural ou rebites de concreto.

Construímos modelos específicos do comércio e investimos em dados de treinamento para cada um. É por isso que começamos com HVAC e mecânica, onde nosso conjunto de dados era mais forte, antes de expandir para instalações hidráulicas e aço. Cobrimos 15 ou mais comércios, mas somos honestos que nem todos os comércios estão no mesmo nível de maturidade. Construímos profundidade à medida que expandimos.

A IA está começando a redefinir indústrias tradicionalmente offline. Você acredita que a construção possa se tornar um dos setores mais transformados nos próximos dez anos, e como essa transformação pareceria na prática?

Sim. Parte do porquê isso é subestimado é que tem sido tão manual por tanto tempo. Não há uma camada de software profundamente enraizada para deslocar, como há em finanças ou saúde. Os dados não foram digitalizados. Os fluxos de trabalho não são padronizados. Isso soa como um problema, mas do nosso ponto de vista, é uma abertura. Nós não estamos substituindo um sistema existente. Em muitos casos, estamos construindo o primeiro.

Adicione a isso o capital que está sendo investido em centros de dados, manufatura e infraestrutura agora, e a pressão para precificar e construir mais rápido está aumentando. Os contratantes que descobrirem isso vão se destacar. Os que não o fizerem vão se perguntar o que aconteceu.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Attentive.ai ou Beam AI.