Eshan Jayamanne, grundare och VD för Krane – Intervjuerien

Eshan Jayamanne, grundare och VD för Krane, kombinerar djup expertis inom byggbranschen med en bakgrund inom ingenjörsvetenskap, analys och teknik. Innan han grundade Krane 2023 arbetade han med stora projekt för organisationer som Microsoft (MSFT ), Chevron (CVX ), UCSF och Caltrans, med fokus på produktivitetsförbättring, optimering av leverantörskedjor, lean construction och operativ effektivitet. Hans erfarenhet av att hantera komplexa byggprojekt avslöjade branschens bestående samordnings- och upphandlingsutmaningar, vilket inspirerade honom att bygga teknologi som hjälper team att fatta bättre beslut och minska dyra förseningar.

Krane är en AI-driven plattform för byggleverantörskedjor som är utformad för att förbättra synligheten och samordningen över upphandling, materialhantering och projektkörning. Plattformen använder AI-agenter för att automatisera uppgifter som materialspårning, leverantörshantering, riskidentifiering och fakturaunderlag, vilket hjälper byggnadsteam att minska förseningar och förbättra effektiviteten. Inriktad på stora projekt som datacenter, hälsofaciliteter och infrastrukturutveckling syftar Krane till att modernisera en av byggbranschens mest fragmenterade och dataintensiva arbetsflöden.

Du tillbringade år med att arbeta inom byggnadsingenjörskonst, produktionsanalys, projektoptimering och stora infrastrukturprojekt innan du grundade Krane. Efter att ha sett förstahands hur upphandlingsförseningar, materialspårningsproblem och fragmenterade arbetsflöden påverkade stora projekt, vad var den specifika ögonblicket som övertygade dig om att AI kunde lösa problem som byggbranschen hade kämpat med i decennier?

Jag tillbringade mer än ett decennium med att arbeta med komplexa energi-, infrastruktur- och datacenterprojekt, inklusive att leda projekt för företag som Microsoft och Chevron. Oavsett projektets storlek såg jag alltid samma utmaningar: team var överbelastade med underlag, material släpptes sent och leveranser koordinerades inte korrekt, vilket skapade dyra förseningar.

Det som övertygade mig om att AI kunde göra en skillnad var att se hur mycket av det här arbetet fortfarande hanterades genom frånkopplade kalkylblad, e-postmeddelanden och telefonsamtal. Byggnadsteam saknade inte expertis; de tillbringade för mycket tid med att jaga information över fragmenterade arbetsflöden.

De senaste framstegen inom AI gjorde det möjligt att läsa byggspecifikationer, ritningar, scheman och upphandlingsregister och sedan automatisera många av de samordningsuppgifter som traditionellt krävde betydande manuell ansträngning. Då blev det klart att AI kunde hjälpa till att flytta den operativa bördan från projektteam och ge dem mer tid att fokusera på byggnation.

Den idén blev till slut Krane. Idag hanterar plattformen mer än 17 miljarder dollar i aktiva byggprojekt i Nordamerika och har nyligen fått en seedfinansiering på 9 miljoner dollar för att fortsätta expandera vår AI-nativa byggnadsverksamhet.

Byggbranschen har historiskt sett legat efter andra branscher som finans och programvara när det gäller teknikanvändning. Varför tror du att den nuvarande AI-vågen är annorlunda, och varför är branschen äntligen redo för mer autonoma system?

Branschen står inför två utmaningar samtidigt: ökad projektkomplexitet och en växande arbetskraftsbrist. Kraven och komplexiteten i datacenter, hälsofaciliteter och andra stora projekt sätter mer press på byggleverantörskedjor än någonsin tidigare. Samtidigt går erfarna proffs i pension snabbare än de ersätts.

Verktyg som ChatGPT har också hjälpt till att demonstrera vad AI kan göra i praktiken på ett användarvänligt sätt. Det gjorde teknologin mer tillgänglig och accelererade antagandet av AI-lösningar byggda för specifika branscher, inklusive bygg.

Idag måste byggnadsteam leverera större och mer komplexa projekt med mindre marginal för fel samtidigt som de hanterar volatila och svårförutsägbara leverantörskedjor. Därför ser vi så mycket intresse för AI. Branschen antar inte teknologi för teknologins skull; den letar efter praktiska sätt att hjälpa team att hantera komplexitet, upprätthålla synlighet och hålla projekt i rörelse.

Krane beskriver sig själv som en AI-nativ plattform för hantering av byggleverantörskedjor. Vilka är de största ineffektiviteterna som fortfarande existerar idag i upphandling, underlag, leveranser och leverantörssamordning som de flesta människor utanför branschen inte är medvetna om?

De flesta människor är förvånade över hur mycket av byggupphandling som fortfarande sker via kalkylblad, e-postmeddelanden, telefonsamtal och manuell uppföljning. Ett stort projekt kan involvera hundratals material, dussintals leverantörer, tusentals dokument och ständigt ändrade scheman, men många upphandlingsbeslut fattas fortfarande baserat på leverantörsuppskattningar, historisk erfarenhet och antaganden om marknadsförhållanden.

När vi tittade på projekten som körs på Krane fann vi att många av de mest kostsamma schemaförseningarna och budgetöverskridandena kunde spåras tillbaka till upphandlingsbeslut som fattats månader tidigare. Utmaningen var att identifiera risker tidigt nog för att kunna göra något åt dem.

I våra egna data upptäckte vi att upphandlingsrisker uppstod i genomsnitt 47 dagar innan de syntes i ett projektschema. Det betyder att team kan ha veckor av exponering för en risk innan den blir synlig nog för att vidta åtgärder.

Det är exakt varför vi lanserade Procurement OS. Krane’s nya Procurement OS-modul bringar live leverantörskedjeinformation direkt in i upphandlingsarbetsflöden. Eftersom Krane redan hanterar den dagliga flödet av material över mer än 17 miljarder dollar i aktiva byggprojekt kan vi fånga realistiska ledtider, leverantörsprestationer, underlagscykeltider och materialtillgänglighet allteftersom.

Procurement OS identifierar automatiskt kritiska material från projektspecifikationer, jämför live-ledtider, poängsätter leverantörer baserat på faktisk prestanda och granskar anbud för efterlevnad innan de tilldelas. Vi flyttar byggnationen från upphandling baserad på antagande till upphandling baserad på bevis.

Många AI-företag fokuserar på att generera insikter, medan Krane verkar vara på väg mot AI-agenter som kan aktivt utföra uppgifter. Hur ser du på AI-rollens utveckling från assistent till operatör inom byggnadsarbetsflöden?

Vi tror att den nästa utvecklingen av AI inom bygg är att flytta från att tillhandahålla information till att hjälpa team att utföra arbete. Byggprojekt genererar en enorm mängd data, men att identifiera ett problem är bara det första steget. Team måste fortfarande samordna leverantörer, validera ledtider, hantera underlag och hålla material i rörelse.

Det är därför vi har byggt en AI-byggnadsbesättning där varje agent äger en specifik del av materialflödet.

• Milo omvandlar specifikationer, ritningar och scheman till kompletta underlags- och upphandlingsloggar på några minuter
• Arlo ansluter avskilda scheman, underlag och upphandlingsloggar till ett system och tillhandahåller en tydlig upphandlingsstrategi för förbyggnadsteam
• Chase följer upp med underentreprenörer för att prioritera underlag, validera ledtider och materialstatus
• Lana skapar underlagsmallar och kvalitetskontroller så att entreprenörer och underentreprenörer kan förbättra kvaliteten på underlagspaket och lämna in dem i tid
• Rio automatiserar leveransschemaläggning, förhindrar konflikter och analyserar utrustningsanvändning
• Theo kontrollerar upphandlingsprocessen från anbudsjämförelse, RFP-skapande till leverans

Människor fattar fortfarande de viktiga besluten, men AI hanterar det arbete som historiskt sett har konsumerat timmar av en projektgrupps dag.

Datacenter har blivit en av Krane’s huvudfokusområden. När AI-efterfrågan driver en global byggboom för digital infrastruktur, vilka nya leverantörskedjeutmaningar uppstår som traditionella projektledningsverktyg har svårt att hantera?

Datacenter avslöjar gränserna för traditionella upphandlingsprocesser.

Många av de kritiska komponenterna som driver dessa anläggningar har nu extremt långa ledtider. Krafttransformatorer kan ta tre till fem år att upphandla, medan medelspänningsbrytare kan överstiga 60 veckor. Samtidigt kan elektrisk och mekanisk utrustning representera upp till 75% av ett projekts garanterade maximala pris, vilket innebär att upphandlingsbeslut har enorma ekonomiska konsekvenser.

Traditionella projektledningsverktyg är utformade för att spåra projektsstatus efter att beslut redan har fattats. De tillhandahåller inte realtidsynlighet i leverantörsprestanda, ändrade ledtider eller uppkommande leverantörskedjebegränsningar.

Procurement OS hanterar dessa utmaningar. Genom att utnyttja live leverantörskedjeinformation från aktiva projekt kan team fatta upphandlingsbeslut baserat på vad som händer på marknaden idag snarare än vad som hände på det senaste projektet.

En av de största problemen med AI-agenter är förtroende. I byggbranschen, där förseningar eller misstag kan ha multi-miljonkonsekvenser, hur balanserar du automatisering med mänsklig tillsyn?

Förtroende är avgörande eftersom byggnadsbeslut har verkliga schematiska och budgetmässiga konsekvenser.

Vår filosofi är att AI bör hantera samordning, medan människor förblir ansvariga för bedömning och beslutsfattande. Varje AI-åtgärd i Krane innehåller en förtroendepoäng, kritiska beslut kräver mänskligt godkännande och aktivitet loggas genom revisionslogg. Det ger team synlighet i vad systemet gör och varför.

Den andra sidan av förtroende är resultat. I vår portfölj har Krane spårat över 2 000 leverantörskedjerisker innan de nådde byggarbetsplatsen och hjälpt kunder att uppnå en på-tid-leveransgrad på 92%. När team konsekvent ser risker identifierade tidigare och samordning som sker snabbare, följer förtroendet naturligt.

Byggprojekt involverar ofta dussintals entreprenörer, underentreprenörer, leverantörer och intressenter som arbetar över frånkopplade system. Hur svårt är det att skapa en sanningskälla, och vilken roll spelar AI för att göra det möjligt?

Det är ett av de svåraste problemen i byggbranschen.

Den genomsnittliga projektsinformationen sprids över flera intressenter och system. Entreprenörer, underentreprenörer, ägare, leverantörer och konsulter arbetar alla från olika datakällor, vilket skapar luckor, motstridig information och förseningar.

AI spelar en viktig roll eftersom den kan ansluta och tolka information över dessa miljöer. Krane bringar samman scheman, ritningar, upphandlingsloggar, underlag, leveranser och leverantörskommunikation i en enda miljö där team kan se det aktuella tillståndet i ett projekt i realtid.

När alla arbetar från samma information kan team få bättre synlighet för att hjälpa dem fatta snabbare och mer informerade beslut under hela projektcykeln. Lika viktigt är att det tillåter organisationer att lära av ett projekt och applicera dessa insikter på nästa. Historiskt sett har mycket av den kunskapen funnits i kalkylblad, e-postmeddelanden och enskilda teammedlemmars erfarenhet, vilket gör det svårt att föra det vidare. Genom att fånga och strukturera leverantörskedjedata över projekt hjälper Krane team att fatta bättre upphandlings- och planeringsbeslut över tid.

Krane integrerar med plattformar som redan används inom branschen snarare än att försöka ersätta dem. Tror du att framtiden för bygg-AI kommer att byggas runt förstärkning av befintliga programvaruekosystem eller helt nya operativsystem för bygg?

På kort sikt är förstärkning avgörande.

Byggföretag har investerat tungt i plattformar som Autodesk, Procore, Microsoft Project, CMiC, SharePoint, Trimble Viewpoint och Oracle Primavera P6. Att be dem att ersätta dessa system är inte realistiskt, och ärligt talat är det inte nödvändigt.

Vår strategi är att integrera med de verktyg team redan använder och skapa ett anslutet lager över dem. Det tillåter kunder att fortsätta arbeta inom bekanta arbetsflöden samtidigt som de drar nytta av AI-driven upphandling, materialhantering och leverantörskedjesamordning.

Över tid tror jag att vi kommer att se fler AI-nativa system uppstå. Men de företag som lyckas kommer att vara de som passar naturligt in i den bredare byggnadsteknologiska ekosfären snarare än att tvinga kunder att börja från scratch.

Den bredare AI-industrin rör sig snabbt mot agenterbaserade arbetsflöden. Vilka lärdomar från byggbranschen kan andra branscher lära sig om att distribuera AI-agenter i miljöer där realvärldens körning och logistik är lika viktiga som digitala arbetsflöden?

En lärdom är att AI blir mycket mer värdefullt när det är anslutet till operativ data.

Procurement OS fungerar eftersom det inte är byggt på teoretiska modeller av hur byggleverantörskedjor bör fungera. Det är byggt på den faktiska rörelsen av material över aktiva projekt. Varje beslut som fattas i Krane skapar data som hjälper till att förbättra framtida projektkörning.

Vi har sett att det har resonans med kunder som sträcker sig från hälsovårdssystem till några av de största entreprenörerna i branschen, inklusive Boldt, HITT Contracting, UCSF Health och Juneau Construction. De letar inte efter AI som bara genererar insikter; de vill ha system som hjälper team att fatta bättre beslut och utföra arbete mer effektivt.

En annan lärdom är att körning är viktigare än insikter. Att identifiera ett problem är användbart, men att lösa det är där värdet skapas. I branscher där fysisk körning och logistik är viktiga måste AI hjälpa organisationer att vidta åtgärder.

Om fem år, vad ser en fullständigt AI-koordinerad byggnadsprojekt ut som? Vilka beslut kommer fortfarande att tillhöra människor, och vilka delar av projektkörning förväntar du dig att intelligenta system kommer att hantera autonomt?

Jag tror att vi kommer att se AI bli djupt inbäddat i byggleverantörskedjan.

Uppgifter som är mycket upprepade, administrativa och konsumerar projektteamets dag kommer att bli alltmer automatiserade.

På många sätt är vi redan på väg i den riktningen med Procurement OS och vår AI-byggnadsbesättning. Visionen är ett system som lär av varje projekt och hjälper team att fatta bättre beslut tidigare i projektcykeln.

Byggbranschen kommer alltid att vara en människobranch. Projektstrategi, intressenthantering, kommersiella förhandlingar och stora avvägningsbeslut kommer fortfarande att kräva mänsklig bedömning och erfarenhet. AI kommer att hantera mer av den operativa bördan, medan människor fokuserar på ledarskap, relationer och beslutsfattande.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Krane.