ชีวะ ธวาน, ผู้ร่วมก่อตั้งและซีอีโอของ Attentive.ai – ซีรีส์สัมภาษณ์

ชีวะ ธวาน ผู้ร่วมก่อตั้งและซีอีโอของ Attentive.ai เป็นนักธุรกิจที่มุ่งเน้นในการนำเทคโนโลยี trí tuệ nhân tạoมาเปลี่ยนแปลงกระบวนการทำงานด้านโครงสร้างพื้นฐานและก่อสร้าง ก่อนที่จะก่อตั้ง Attentive.ai เขาเคยดำรงตำแหน่งผู้นำและผู้ดำเนินการในด้านเทคโนโลยีและธุรกิจ ช่วย塑造วิสัยทัศน์ของบริษัทเกี่ยวกับการทำให้กระบวนการทำงานแบบดั้งเดิมเป็นอัตโนมัติในอุตสาหกรรมต่างๆ เช่น การก่อสร้าง การทำแผนที่ และการวิเคราะห์ทางภูมิศาสตร์ ภายใต้การนำของเขา บริษัทได้ขยายธุรกิจไปทั่วโลกในขณะที่พัฒนาระบบ trí tuệ nhân tạoที่ออกแบบมาเพื่อปรับปรุงประสิทธิภาพในการประมาณการ การวัด และการจัดการโครงสร้างพื้นฐานสำหรับธุรกิจและผู้รับเหมา

Attentive.ai เป็นบริษัทเทคโนโลยีการก่อสร้างที่ใช้ trí tuệ nhân tạoในการทำให้กระบวนการทำงานก่อนการก่อสร้างและโครงสร้างพื้นฐานเป็นอัตโนมัติ โดยใช้การมองเห็นของคอมพิวเตอร์และ trí tuệ ภูมิศาสตร์ แพลตฟอร์มของบริษัทช่วยให้ผู้รับเหมา บริษัททำสวน และผู้ดำเนินการโครงสร้างพื้นฐานสามารถเร่งกระบวนการประมาณการ การวัด และการวิเคราะห์ไซต์ที่เคยพึ่งพาการทำงานด้วยมือ

คุณก่อตั้ง Attentive.ai หลังจากที่ขยายธุรกิจบริการในด้านการทำแผนที่และการประกันภัย และหลังจากนั้นก็เปิดตัว Beam AI เป็นผลิตภัณฑ์หลักของคุณ สิ่งใดที่คุณได้รับจากช่วงแรกที่ทำให้คุณสร้าง Beam AI และทำไมคุณจึงเลือกกระบวนการประมาณการและการวัดเป็นจุดเริ่มต้นในการเปลี่ยนแปลงกระบวนการทำงานด้านการก่อสร้าง?

ผู้ร่วมก่อตั้ง củaฉัน ริชาบจิต และฉันเข้าสู่ตลาดการก่อสร้างในสหรัฐอเมริกาในช่วงการระบาดของโควิด-19 เมื่อผู้รับเหมาจำเป็นต้องประมาณการงานโดยไม่ต้องไปที่ไซต์งาน สิ่งที่เกิดขึ้นซ้ำๆ คือข้อจำกัดเดียวกัน: ผู้รับเหมาเสียงานไม่ใช่เพราะไม่สามารถทำได้ แต่เพราะไม่มีเวลามาให้ราคา 1 ผู้ประมาณการ 100 หน้าแผน 4-8 ชั่วโมงต่องาน คุณไม่สามารถเติบโตธุรกิจได้ด้วยวิธีนี้

เราเลือกกระบวนการวัดเพราะเป็นจุดเริ่มต้นของทุกอย่าง ไม่มีสิ่งใดเคลื่อนไหวจนกว่าใครสักคนจะวัดขอบเขต และผลลัพธ์สามารถตรวจสอบได้: คุณได้ปริมาณที่ถูกต้องหรือไม่ การพลาด 2% ในงานมูลค่า 10 ล้านเหรียญสหรัฐฯ คือ 200,000 เหรียญสหรัฐฯ ที่หายไป นั่นไม่ใช่สิ่งสมมุติ แต่เป็นต้นทุนจริงที่ผู้ประมาณการต้องแบกทุกวัน

การก่อสร้างและบริการภาคสนามมักถูกมองว่าเป็นอุตสาหกรรมที่ช้าในการนำเทคโนโลยีใหม่ๆ มาใช้ อุปสรรคที่ใหญ่ที่สุดในการนำ trí tuệ nhân tạoมาใช้ในภาคส่วนนี้คืออะไร และคุณกำลังเอาชนะมันอย่างไร?

ความเชื่อถือ ผู้ประมาณการสร้างอาชีพของตนบนความแม่นยำ เมื่อพวกเขาพลาดบางสิ่ง บริษัทของพวกเขาจ่ายค่าใช้จ่าย เมื่อเรามาแสดง trí tuệ nhân tạo การตอบสนองตามธรรมชาติคือ: ฉันจะรู้ได้อย่างไรว่านี่ถูกต้อง?

เราจะไม่พยายามพูดคุยกับคนเหล่านั้นให้หลุดพ้นจากความกังวลนั้น เราแก้ไขมันโดยตรง ทุกๆ การวัดที่ทำเสร็จแล้วจะได้รับการตรวจสอบโดยผู้ที่ได้รับการฝึกอบรมก่อนที่จะส่งกลับไปยังลูกค้า ระบบอัตโนมัติจะจัดการปริมาณและความเร็ว

การตรวจสอบคุณภาพจะจับอะไรที่ต้องการการตรวจสอบครั้งที่สอง หลังจากหลายงาน ลูกค้าเห็นรูปแบบ: ปริมาณที่ถูกต้อง ทีมของพวกเขาจะไม่ถูกฝังอยู่ในแผน และการเสนอราคาออกไปเร็วขึ้น หนึ่งในลูกค้าของเรา Bommarito Construction ส่งการเสนอราคาออกไป 50 รายการใน 6 เดือนโดยใช้แพลตฟอร์ม นั่นเป็นการพิสูจน์ที่น่าเชื่อถือมากกว่าการแสดงตัวอย่างใดๆ

Beam AI มุ่งเน้นไปที่การทำให้กระบวนการวัดเป็นอัตโนมัติ ซึ่งเป็นกระบวนการที่ทำด้วยมือและใช้เวลานาน ทำไมกระบวนการทำงานนี้จึงเป็นจุดเริ่มต้นที่สำคัญสำหรับการเปลี่ยนแปลงด้วย trí tuệ nhân tạo?

ทุกๆ โครงการเริ่มต้นที่นี่ ก่อนที่คุณจะสามารถกำหนดราคาใดๆ ได้ บางคนจะต้องนั่งกับแผนและวัดทุกอย่าง การวัดหนึ่งครั้งอาจใช้เวลาทั้งวัน เมื่อมีสิ่งที่ต้องทำ ผู้รับเหมาจะไม่ปฏิเสธงานเพราะไม่ต้องการ แต่พวกเขาปฏิเสธเพราะไม่มีเวลามาให้ราคา

การวัดยังมีผลลัพธ์ที่ชัดเจนและตรวจสอบได้: ปริมาณวัสดุ คุณรู้ว่าสิ่งใดถูกพลาด นั่นทำให้เป็นสถานที่ที่สมเหตุสมผลในการสร้างความเชื่อถือในระบบใหม่ โดยเฉพาะเมื่อเสี่ยงสูง

แพลตฟอร์มของคุณช่วยให้บริษัทสามารถเพิ่มปริมาณการเสนอราคาโดยไม่ต้องเพิ่มจำนวนพนักงาน คุณเห็นภาพการแข่งขันและอัตรากำไรในอุตสาหกรรมเปลี่ยนแปลงไปอย่างไร?

มันเกิดขึ้นแล้ว เมื่อผู้รับเหมาสามารถติดตามงานได้ 3 เท่าด้วยทีมเดียวกัน พวกเขาจะเลือกงานที่มีอัตรากำไรสูงกว่า พวกเขาสามารถตอบสนองอย่างรวดเร็วเมื่อมีโอกาสใหญ่ๆ มาถึง แทนที่จะผ่านไปเพราะพวกเขาเต็มที่แล้ว

ผู้รับเหมาผู้ที่ไม่ได้คิดถึงสิ่งนี้จะรู้สึกกดดันจากผู้ที่ทำอยู่แล้ว Rays Stairs เพิ่มปริมาณการเสนอราคาเป็น 2 เท่าและเติบโตรายได้จาก 900,000 เหรียญสหรัฐฯ เป็น 2 ล้านเหรียญสหรัฐฯ ใน 2 เดือน Guardian Roofing ลดเวลาในการวัดจาก 25 ชั่วโมงต่อสัปดาห์เป็น 5 ชั่วโมง นั่นไม่ใช่การเพิ่มขึ้นเล็กๆ น้อยๆ มันเปลี่ยนแปลงสิ่งที่ธุรกิจสามารถทำได้จริงๆ

Beam AI รวมถึงชั้นการตรวจสอบคุณภาพของมนุษย์ (QA) ควบคู่ไปกับการทำงานอัตโนมัติ คุณกำหนดความสมดุลระหว่างความเป็นอิสระของ trí tuệ nhân tạoและความต้องการการตรวจสอบของมนุษย์อย่างไร?

เราคิดถึงมันในแง่ของความมั่นใจและอะไรที่มีเสี่ยง ระบบ trí tuệ nhân tạoจัดการงานที่ซ้ำซ้อนและเป็นระบบได้ดี: การอ่านแผน การระบุองค์ประกอบ และการดึงปริมาณ แต่การวาดภาพโครงสร้างไม่เหมือนกัน ข้อกำหนดอาจไม่ชัดเจน ชุดแผนอาจหายไป

ชั้นการตรวจสอบคุณภาพมีไว้สำหรับสถานการณ์เหล่านั้น สำหรับบริการที่ทำเสร็จแล้ว ผู้ตรวจสอบที่ได้รับการฝึกอบรมจะตรวจสอบผลลัพธ์ก่อนที่จะส่งกลับไปยังลูกค้า สำหรับการวัดอัตโนมัติภายใน 10 นาที เราได้สะสมข้อมูลเพียงพอ โดยเฉพาะในด้าน HVAC และการทำพลังงาน เราเริ่มต้นด้วย HVAC และเครื่องกล่อนก่อนที่จะขยายไปยังประปาและเหล็ก เราครอบคลุมมากกว่า 15 อุตสาหกรรม แต่เรารู้ว่าไม่ทุกอุตสาหกรรมมีความต้องการเท่ากัน เราเพิ่มความลึกเมื่อเราขยาย

เมื่อมีการปรับปรุงแบบจำลอง คุณเห็นว่าชั้นการตรวจสอบคุณภาพจะลดความสำคัญลงเมื่อเวลาผ่านไป หรือจะยังคงเป็นส่วนสำคัญของกระบวนการทำงานที่มีความเสี่ยงสูง เช่น การประมาณการ?

ทั้งสองอย่าง ขึ้นอยู่กับว่าคุณนิยามมันอย่างไร รูปแบบที่มันจะเปลี่ยนไป เมื่อแบบจำลองดีขึ้น สิ่งที่ผู้ตรวจสอบจับได้ในปัจจุบันจะเปลี่ยนไปเป็นการตรวจสอบอัตโนมัติภายในระบบ แต่ฉันไม่คิดว่าคุณจะเอาการตรวจสอบออกจากกระบวนการทำงานที่มีความเสี่ยงสูงได้ หากผู้รับเหมากำลังกำหนดราคาโครงการเหล็กมูลค่า 50 ล้านเหรียญสหรัฐฯ พวกเขาจะต้องการจุดตรวจสอบ

สิ่งที่เรากำลังพยายามทำคือการทำให้จุดตรวจสอบนั้นเร็วขึ้นและใช้แรงงานน้อยลง เป้าหมายไม่ใช่การกำจัดการตรวจสอบคุณภาพ แต่เป็นการทำให้มันเบาลง

Attentive.ai ผสมผสานการทำงานอัตโนมัติด้วย trí tuệ nhân tạoเข้ากับกระบวนการทำงานจริง คุณเห็นอนาคตของ trí tuệ nhân tạoในอุตสาหกรรมการก่อสร้างเป็นแบบผสมผสานมากกว่าแบบอัตโนมัติเต็มรูปแบบหรือไม่?

สำหรับอนาคตที่เห็นได้ ใช่ และฉันจะโต้แย้งความคิดที่ว่า “ผสมผสาน” เป็นรางวัลปลอบใจ การก่อสร้างต้องใช้การตัดสินใจที่ไม่ได้ถูกจับได้ในแผน การประมาณการที่ดีจะรู้จักตลาดผู้รับเหมาในพื้นที่ของตน รู้ว่าผู้รับเหมาหลักเขียนข้อกำหนดอย่างไร รู้ว่างานจะใช้เงินจริงในการสร้าง ซึ่งไม่จำเป็นต้องเป็นไปตามที่วาดในแผน

trí tuệ nhânạiจัดการงานที่สามารถวัดได้ มนุษย์นำความเข้าใจมาให้ เป้าหมายไม่ใช่การแทนที่ผู้ประมาณการ แต่เป็นการทำให้พวกเขาหลุดพ้นจากงานซ้ำๆ เพื่อให้พวกเขาใช้เวลาในการทำงานที่ต้องใช้การตัดสินใจ ซึ่งเป็นเหตุผลที่เราสร้าง Beam AI ให้เป็นตัวช่วยเสริม เช่น ผู้ประมาณการช่วยเหลือที่จัดการงานเครื่องจักร

คุณอธิบาย trí tuệ nhânạiว่าเป็นกระดูกสันหลังในการทำงานก่อนการก่อสร้างในอนาคต คุณเห็นภาพนั้นเป็นอย่างไรใน 5 ปี?

ปัจจุบันเราเน้นไปที่ส่วนหน้า: แผนไปสู่ปริมาณวัสดุ โดยเร็วและแม่นยำที่สุด ต่อไปคือการบริหารการเสนอราคา เราได้ส่ง Bid Dashboard และ Bid Sniper แล้ว ซึ่งให้ภาพรวมของการเสนอราคา ความต้องการ และการเพิ่มเติม

ใน 5 ปี ฉันต้องการให้แพลตฟอร์มเชื่อมต่อการวัดเข้ากับการกำหนดราคาและการจัดซื้อโดยตรง ผู้รับเหมาอัปโหลดแผนและภายในไม่กี่ชั่วโมงจะมีภาพที่แท้จริงของต้นทุนและวัสดุที่ต้องการ นั่นคือวิธีการทำงานก่อนการก่อสร้างที่แตกต่างจากทีมส่วนใหญ่ทำในปัจจุบัน

Beam AI รองรับหลายอุตสาหกรรม ตั้งแต่การทำสวนไปจนถึงงานโยธาและงานไฟฟ้า คุณสร้างสมดุลระหว่างการสร้างระบบ trí tuệ nhânạiที่เป็นอิสระและความต้องการการปรับให้เหมาะสมเฉพาะด้านอย่างไร?

มันเป็นความตึงเครียดที่แท้จริง งานพื้นฐานที่ใช้ร่วมกันระหว่างอุตสาหกรรม: การอ่านเอกสาร การระบุองค์ประกอบ และการดึงปริมาณ แต่ผลลัพธ์เฉพาะอุตสาหกรรมที่สำคัญ การวัดอุปกรณ์ HVAC ไม่เหมือนกับการวัดเหล็กโครงสร้างหรือคอนกรีต

เราสร้างแบบจำลองเฉพาะอุตสาหกรรมและลงทุนในการฝึกอบรมข้อมูลสำหรับแต่ละอุตสาหกรรม เราเริ่มต้นด้วย HVAC และเครื่องกล่อนก่อนที่จะขยายไปยังประปาและเหล็ก เราครอบคลุมมากกว่า 15 อุตสาหกรรม แต่เรารู้ว่าไม่ทุกอุตสาหกรรมมีความต้องการเท่ากัน เราเพิ่มความลึกเมื่อเราขยาย

trí tuệ nhânạiเริ่มเปลี่ยนแปลงอุตสาหกรรมที่ไม่เชื่อมต่ออินเทอร์เน็ต คุณเชื่อว่าการก่อสร้างอาจเป็นอุตสาหกรรมที่เปลี่ยนแปลงมากที่สุดใน 10 ปี และการเปลี่ยนแปลงนั้นจะเกิดขึ้นอย่างไรในทางปฏิบัติ?

ฉันเชื่อ ส่วนหนึ่งของเหตุผลที่มันถูกมองข้ามคือมันช้าในการนำเทคโนโลยีมาใช้มาเป็นเวลานาน ไม่มีระดับซอฟต์แวร์ที่มีอยู่มาก่อนที่จะถูกแทนที่ เช่น ในด้านการเงินหรือการดูแลสุขภาพ ข้อมูลไม่ได้ถูกแปลงเป็นดิจิทัล กระบวนการทำงานไม่ได้มาตรฐาน นั่นดูเหมือนเป็นปัญหา แต่จากที่เรานั่ง มันเป็นโอกาส เราไม่ได้แทนที่ระบบที่มีอยู่แล้ว ในหลายกรณี เรากำลังสร้างระบบแรก

เมื่อบวกกับการลงทุนในศูนย์ข้อมูล การผลิต และโครงสร้างพื้นฐานที่กำลังเกิดขึ้น และความกดดันที่จะกำหนดราคาและสร้างเร็วขึ้นเพิ่มขึ้น ผู้รับเหมาผู้ที่เข้าใจสิ่งนี้จะดึงหน้าไปข้างหน้า ผู้ที่ไม่ทำเช่นนั้นจะสงสัยว่าเกิดอะไรขึ้น

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมสามารถเยี่ยมชม Attentive.ai หรือ Beam AI