Shiva Dhawan, Đồng sáng lập và CEO của Attentive.ai – Loạt phỏng vấn

Shiva Dhawan, Đồng sáng lập và CEO của Attentive.ai, là một doanh nhân tập trung vào việc áp dụng trí tuệ nhân tạo để chuyển đổi các quy trình xây dựng và cơ sở hạ tầng. Trước khi thành lập Attentive.ai, anh đã giữ các vị trí lãnh đạo và vận hành trong lĩnh vực công nghệ và kinh doanh, giúp định hình tầm nhìn của công ty về việc tự động hóa các quy trình thủ công truyền thống trong các ngành như xây dựng, lập bản đồ và phân tích địa không gian. Dưới sự lãnh đạo của anh, công ty đã mở rộng hoạt động quốc tế trong khi phát triển các hệ thống trí tuệ nhân tạo nhằm cải thiện hiệu suất trong việc ước lượng, đo lường và quản lý cơ sở hạ tầng cho các doanh nghiệp và nhà thầu.

Attentive.ai là một công ty công nghệ xây dựng được hỗ trợ bởi trí tuệ nhân tạo, tập trung vào việc tự động hóa các quy trình xây dựng và cơ sở hạ tầng bằng cách sử dụng tầm nhìn máy tính và thông tin địa không gian. Nền tảng của công ty giúp các nhà thầu, công ty cảnh quan và nhà điều hành cơ sở hạ tầng tăng tốc các nhiệm vụ ước lượng, đo lường và phân tích địa điểm mà trước đây phụ thuộc vào lao động thủ công. Sản phẩm Beam AI của công ty được thiết kế để tận dụng hình ảnh trên không và trí tuệ nhân tạo để tạo ra các đo lường tài sản chi tiết và thông tin cảnh quan, giúp các doanh nghiệp cải thiện độ chính xác của giá thầu, giảm thiểu các nút thắt hoạt động và mở rộng dự án một cách hiệu quả hơn thông qua tự động hóa.

Bạn đã thành lập Attentive.ai sau khi mở rộng một doanh nghiệp dịch vụ trong lĩnh vực lập bản đồ và bảo hiểm, và sau đó giới thiệu Beam AI như sản phẩm chính của mình. Những hiểu biết cụ thể nào từ giai đoạn trước đó đã dẫn bạn đến việc xây dựng Beam AI, và tại sao bạn lại chọn việc đo lường và ước lượng như điểm khởi đầu để chuyển đổi các quy trình xây dựng?

Đồng sáng lập của tôi, Rishabjit và tôi đã đến thị trường xây dựng của Mỹ trong thời kỳ COVID, khi các nhà thầu phải ước lượng công việc mà không cần có mặt tại hiện trường. Điều mà chúng tôi nhận thấy là sự hạn chế giống nhau: các nhà thầu mất việc không phải vì họ không thể thực hiện công việc, mà vì họ không có đủ thời gian để định giá nó. Một người ước lượng, hàng trăm trang kế hoạch, 4 đến 8 giờ cho mỗi công việc. Bạn không thể phát triển một doanh nghiệp dựa trên điều đó.

Chúng tôi đã chọn việc đo lường vì đó là điểm khởi đầu cho mọi thứ. Không có gì di chuyển cho đến khi ai đó đo lường phạm vi. Và đầu ra là có thể kiểm chứng; bạn либо có được số lượng chính xác, hoặc không. Một sai sót 2% trong một công việc 10 triệu đô la là 200.000 đô la bị mất. Đó không phải là một chi phí trừu tượng. Đó là một chi phí thực tế mà các nhà ước lượng phải gánh chịu mỗi ngày.

Xây dựng và dịch vụ hiện trường thường được coi là chậm trong việc áp dụng công nghệ mới. Điều gì là rào cản lớn nhất đối với việc áp dụng trí tuệ nhân tạo trong lĩnh vực này, và bạn đang vượt qua rào cản đó như thế nào?

Sự tin tưởng. Các nhà ước lượng đã xây dựng sự nghiệp của mình dựa trên độ chính xác. Khi họ bỏ lỡ một điều gì đó, công ty của họ phải trả tiền cho điều đó. Vì vậy, khi chúng tôi xuất hiện với trí tuệ nhân tạo, phản ứng tự nhiên là: làm thế nào tôi biết điều này là chính xác?

Chúng tôi không cố gắng thuyết phục mọi người rằng lo lắng của họ là không cần thiết. Thay vào đó, chúng tôi đã giải quyết trực tiếp vấn đề đó. Mỗi công việc đo lường được thực hiện bởi một người được đào tạo trước khi nó được gửi lại cho khách hàng. Tự động hóa xử lý khối lượng và tốc độ.

Quy trình kiểm soát chất lượng bắt住 bất kỳ điều gì cần được xem xét lại. Sau một vài công việc, khách hàng thấy được mô hình: số lượng là chính xác, đội ngũ của họ không bị chôn vùi trong các bộ kế hoạch, và giá thầu đang được gửi đi nhanh hơn. Một trong những khách hàng của chúng tôi, Bommarito Construction, đã gửi 50 giá thầu hơn trong sáu tháng bằng cách sử dụng nền tảng. Điều đó thuyết phục hơn bất kỳ bản demo nào.

Beam AI tập trung vào việc tự động hóa việc đo lường, một quy trình truyền thống và tốn thời gian. Tại sao quy trình này lại là điểm khởi đầu quan trọng cho sự chuyển đổi do trí tuệ nhân tạo?

Mỗi dự án bắt đầu từ đây. Trước khi bạn có thể định giá bất kỳ điều gì, ai đó phải ngồi với các kế hoạch và đo lường mọi thứ. Một công việc đo lường có thể mất một ngày đầy đủ. Khi mọi thứ trở nên bận rộn, điều đó trở thành trần cho số lượng công việc mà một đội có thể theo đuổi.

Các nhà thầu không từ chối công việc vì họ không muốn thực hiện. Họ từ chối công việc vì không có thời gian để định giá.

Các công việc đo lường cũng có một đầu ra rõ ràng và có thể kiểm chứng: số lượng vật liệu. Bạn biết liệu có điều gì đó bị bỏ lỡ. Điều đó làm cho nó trở thành một nơi hợp lý để xây dựng niềm tin vào một hệ thống mới, đặc biệt là khi có nhiều rủi ro.

Nền tảng của bạn cho phép các công ty tăng số lượng giá thầu mà không cần tăng số lượng nhân viên. Bạn nhìn thấy điều này sẽ thay đổi cạnh tranh và lợi nhuận trong ngành như thế nào?

Điều đó đã đang xảy ra. Khi một nhà thầu có thể theo đuổi nhiều công việc hơn với cùng một đội, họ trở nên chọn lọc. Họ theo đuổi công việc có lợi nhuận cao hơn. Họ có thể phản ứng nhanh khi một cơ hội lớn xuất hiện, thay vì bỏ qua vì họ đã quá tải.

Các nhà thầu không nghĩ về điều này sẽ cảm thấy áp lực từ những người đang làm điều đó. Rays Stairs đã tăng số lượng giá thầu lên gấp đôi và tăng doanh thu từ 900.000 đô la lên 2 triệu đô la trong hai tháng. Guardian Roofing đã cắt giảm thời gian đo lường từ 25 giờ một tuần xuống còn 5 giờ. Những không phải là lợi ích nhỏ. Chúng thay đổi những gì một doanh nghiệp có thể thực sự theo đuổi.

Beam AI kết hợp một lớp kiểm soát chất lượng con người trong quy trình tự động hóa. Bạn xác định sự cân bằng giữa tự chủ của trí tuệ nhân tạo và giám sát của con người như thế nào?

Chúng tôi nghĩ về nó theo cách tự tin và những gì đang bị đe dọa. Trí tuệ nhân tạo xử lý công việc có cấu trúc và lặp lại tốt: đọc các bộ kế hoạch, xác định các thành phần và trích xuất số lượng. Nhưng các bản vẽ xây dựng không đồng nhất. Các thông số kỹ thuật có thể không rõ ràng. Một bộ kế hoạch có thể thiếu một tờ.

Lớp kiểm soát chất lượng được thiết kế cho những tình huống đó. Đối với dịch vụ đo lường đã được thực hiện, một người xem xét được đào tạo sẽ xem xét mọi đầu ra trước khi nó được gửi lại cho khách hàng. Đối với các công việc đo lường tự động trong 10 phút, chúng tôi đã tích lũy đủ dữ liệu, đặc biệt là trong lĩnh vực HVAC và ống nước, để di chuyển nhanh hơn mà không cần bước đó. Thép đang được triển khai sớm. Mức độ tự chủ theo dõi theo ngành nghề và độ phức tạp của công việc.

Khi các mô hình được cải thiện, bạn có nghĩ rằng lớp kiểm soát chất lượng sẽ trở nên ít quan trọng hơn theo thời gian, hay nó sẽ vẫn là một phần永久 của các quy trình có rủi ro cao như ước lượng?

Cả hai, tùy thuộc vào cách bạn định nghĩa nó. Hình thức nó sẽ thay đổi. Nhiều điều mà một người xem xét bắt gặp ngày nay sẽ chuyển sang các kiểm tra tự động trong hệ thống khi các mô hình được cải thiện và chúng tôi xây dựng thêm dữ liệu. Nhưng tôi không nghĩ bạn bao giờ loại bỏ việc xác minh ra khỏi một quy trình này.

Nếu một nhà thầu đang định giá một công việc thép 50 triệu đô la, họ sẽ muốn một điểm kiểm tra.

Điều chúng tôi đang hướng tới là làm cho điểm kiểm tra đó nhanh hơn và ít tốn công hơn. Mục tiêu không phải là loại bỏ kiểm soát chất lượng. Mà là làm cho nó nhẹ hơn.

Attentive.ai kết hợp tự động hóa trí tuệ nhân tạo với các quy trình vận hành thế giới thực. Bạn có nghĩ rằng tương lai của trí tuệ nhân tạo trong xây dựng là sự kết hợp giữa con người và máy móc hơn là hoàn toàn tự động?

Trong tương lai gần, có. Và tôi sẽ phản đối ý tưởng rằng “kết hợp” là một giải pháp thay thế. Xây dựng liên quan đến sự phán đoán mà không được bắt gặp trong một bộ kế hoạch. Một nhà ước lượng tốt biết thị trường thầu phụ địa phương của họ. Họ biết cách một nhà thầu tổng hợp viết thông số kỹ thuật. Họ biết công việc sẽ thực sự tốn bao nhiêu tiền để xây dựng, điều mà không phải lúc nào cũng được chỉ ra trong các bản vẽ.

Trí tuệ nhân tạo xử lý công việc có thể đo lường. Con người mang lại ngữ cảnh. Mục tiêu không phải là thay thế các nhà ước lượng. Mà là để họ thoát khỏi việc đo lường lặp lại để họ có thể dành thời gian cho công việc thực sự đòi hỏi sự phán đoán của họ. Đó là lý do tại sao chúng tôi đã xây dựng Beam AI để trở thành một công cụ hỗ trợ, như một trợ lý junior ước lượng tự động hóa các nhiệm vụ cơ học.

Bạn đã mô tả trí tuệ nhân tạo như một xương sống hoạt động của quy trình xây dựng trước khi bắt đầu. Tầm nhìn của bạn cho năm năm tới sẽ như thế nào?

Hiện tại, chúng tôi tập trung vào giai đoạn đầu: từ kế hoạch đến số lượng vật liệu, càng nhanh và chính xác càng tốt. Lớp tiếp theo là quản lý giá thầu. Chúng tôi đã gửi Bid Dashboard và Bid Sniper, cung cấp cho các nhà thầu một cái nhìn tổng quan về đường ống, thời hạn, RFIs và addenda.

Trong năm năm tới, tôi muốn nền tảng kết nối các công việc đo lường trực tiếp vào định giá và mua sắm. Một nhà thầu tải lên các kế hoạch và, trong vài giờ, có một bức tranh thực sự về chi phí của công việc và những gì họ cần mua. Đó là một cách vận hành quy trình xây dựng trước khi bắt đầu khác biệt so với những gì hầu hết các đội đang làm ngày nay.

Beam AI hiện hỗ trợ nhiều ngành nghề, từ cảnh quan đến dân sự và công việc điện. Bạn cân bằng giữa việc xây dựng hệ thống trí tuệ nhân tạo tổng quát và nhu cầu tối ưu hóa cụ thể cho từng lĩnh vực như thế nào?

Đó là một căng thẳng thực sự. Công việc cơ bản được chia sẻ giữa các ngành: đọc tài liệu, phân tích bản vẽ và trích xuất số lượng. Nhưng đầu ra là cụ thể cho từng ngành theo cách quan trọng. Cách đo lường thiết bị HVAC khác với cách đo lường thép kết cấu hoặc cốt thép.

Chúng tôi đã xây dựng các mô hình cụ thể cho từng ngành và đầu tư vào dữ liệu đào tạo cho từng mô hình. Đó là lý do tại sao chúng tôi bắt đầu với HVAC và cơ khí, nơi chúng tôi có tập dữ liệu mạnh nhất, trước khi mở rộng sang ống nước và thép. Chúng tôi bao gồm 15 ngành hoặc hơn, nhưng chúng tôi trung thực rằng không mọi ngành đều có cùng mức độ trưởng thành. Chúng tôi xây dựng độ sâu khi chúng tôi mở rộng.

Trí tuệ nhân tạo đang bắt đầu thay đổi các ngành truyền thống ngoại tuyến. Bạn có nghĩ rằng xây dựng có thể trở thành một trong những ngành được chuyển đổi nhiều nhất trong thập kỷ tới, và sự chuyển đổi đó sẽ như thế nào trong thực tế?

Tôi có. Một phần lý do tại sao nó bị đánh giá thấp là vì nó đã được thực hiện thủ công trong một thời gian dài. Không có một lớp phần mềm sâu sắc để thay thế, giống như trong tài chính hoặc chăm sóc sức khỏe. Dữ liệu chưa được số hóa. Các quy trình không được tiêu chuẩn hóa. Điều đó nghe có vẻ như một vấn đề, nhưng từ góc độ của chúng tôi, đó là một cơ hội. Chúng tôi không thay thế một hệ thống hiện có. Trong nhiều trường hợp, chúng tôi đang xây dựng hệ thống đầu tiên.

Thêm vào đó, số vốn đang được đầu tư vào các trung tâm dữ liệu, sản xuất và cơ sở hạ tầng hiện nay, và áp lực để định giá và xây dựng nhanh hơn đang tăng lên. Các nhà thầu tìm ra cách này sẽ vượt lên dẫn đầu. Những người không làm như vậy sẽ tự hỏi điều gì đã xảy ra.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm có thể truy cập Attentive.ai hoặc Beam AI.