希瓦·德瓦恩，Attentive.ai 联合创始人兼 CEO – 采访系列

希瓦·德瓦恩，Attentive.ai 联合创始人兼 CEO，是一位专注于将人工智能应用于变革基础设施和建筑工作流程的企业家。在创立 Attentive.ai 之前，他曾在技术和商业功能领域担任领导和运营角色，帮助塑造公司围绕自动化传统手动流程的愿景，例如建筑、测绘和地理空间分析。在他的领导下，公司已经在国际上扩张，同时开发了旨在提高企业和承包商估算、拆除和基础设施管理效率的 AI 系统。

Attentive.ai 是一家专注于使用计算机视觉和地理空间智能自动化建筑技术公司的前期施工和基础设施工作流程。其平台帮助承包商、景观公司和基础设施运营商加速估算、测量和现场分析任务，这些任务在过去通常依赖于手动劳动。公司的 Beam AI 产品旨在利用航空影像和 AI 生成高度详细的物业测量和景观洞察，帮助企业提高出价准确性、减少运营瓶颈、并通过自动化更高效地扩大项目规模。

您在扩大服务业务到测绘和保险领域后创立了 Attentive.ai，并随后推出了 Beam AI 作为您的旗舰产品。您从早期阶段获得了哪些具体见解，导致您构建了 Beam AI，并为什么选择起始和估算作为变革建筑工作流程的入口点？

我的联合创始人 Rishabjit 和我在 COVID 期间进入美国建筑市场，当时承包商必须在没有现场的情况下估算工作。反复出现的问题是同一个限制：承包商由于无法估算工作而失去业务，而不是因为他们无法完成工作。一个估算师，数百页的计划， 每个工作 4 到 8 小时。你不能建立一个业务来依赖这种方式。

我们选择起始点，因为这是所有事情的起点。除非有人测量范围，否则其他事情都不会移动。输出是可验证的；您要么获得正确的数量，要么没有。对 1,000 万美元工作的 2% 错误是 20 万美元的损失。这不是抽象的。这是估算师每天承担的真正成本。

建筑和现场服务通常被视为采用新技术较慢的行业。您认为 AI 在该行业的采用中面临的最大障碍是什么，您如何克服它？

信任。估算师已经在准确性上建立了他们的职业生涯。当他们错过某些东西时，他们的公司为此付出代价。因此，当我们带着 AI 出现时，自然的反应是：我怎么知道这是正确的？

我们没有试图说服人们放弃这种担忧。我们直接解决了它。每个已完成的起始点都会在交给客户之前由一名受过训练的人进行审查。自动化处理体积和速度。

QA 捕获任何需要再次检查的情况。经过几份工作后，客户会看到模式：数量是正确的，他们的团队没有被埋在计划集中，出价更快。我们的客户 Bommarito 建筑公司使用该平台在六个月内提交了 50 多份出价。这比任何演示更有说服力。

Beam AI 专注于自动化起始点，这是一个传统上手动且耗时的过程。为什么这个工作流程对于 AI 驱动的转型如此关键的入口点？

每个项目都从这里开始。在您可以对任何东西进行估算之前，必须有人坐在计划旁边测量一切。一个起始点可能需要一整天。当事情变得繁忙时，这就成为团队可以追求的工作量的上限。

承包商不会因为他们不想要工作而拒绝工作。他们拒绝工作是因为没有时间来估算它们。

起始点还具有明确的可检查输出：材料数量。您知道是否遗漏了某些东西。这使其成为在新系统中建立信任的合理地方，特别是当风险很高时。

您的平台使公司能够在不增加人员的情况下增加出价量。您如何看待这将如何重塑整个行业的竞争和利润率？

这已经正在发生。当承包商可以使用相同的团队追求三倍的工作时，他们会变得更加挑剔。他们会追求高利润工作。当一个大机会出现时，他们可以快速响应，而不是因为已经达到最大容量而放弃它。

那些没有考虑到这一点的承包商将会感到来自那些正在做这件事的承包商的压力。Rays Stairs 将出价量增加了一倍，并在两个月内将收入从 90 万美元增加到 200 万美元。Guardian Roofing 将起始时间从每周 25 小时减少到 5 小时。这些并不是小的收益。它们改变了业务可以追求的内容。

Beam AI 将人工质量保证（QA）层与自动化结合在一起。您如何确定 AI 自主性和人工监督之间的正确平衡？

我们认为这是信心和风险的问题。AI 处理结构化、重复的工作很好：读取计划集、识别组件、提取数量。但是建筑图纸并不统一。规格可能不清楚。计划集可能缺少一张纸。

QA 层用于这些情况。对于已完成的服务，受过训练的审查员会在输出交给客户之前查看每个输出。对于 10 分钟的自动起始点，我们已经积累了足够的数据，特别是在 HVAC 和管道领域，因此我们可以在没有这一步骤的情况下更快地移动。钢铁很快就会推出。自治水平遵循交易和工作复杂性。

随着模型的改进，您是否认为 QA 层将在未来变得不那么重要，还是会在高风险工作流程中（例如估算）继续发挥作用？

两者都有，取决于您如何定义它。它的形式将会改变。今天人类审查员捕获的大部分内容将转移到系统内部的自动检查中，随着模型的改进和我们积累更多数据。但是我不认为您会从这种高风险的工作流程中删除验证。

如果承包商正在估算一个 5,000 万美元的钢铁工作，他们会希望有一个检查点。

我们正在努力使这个检查点更快、更不耗费劳动力。目标不是消除 QA，而是使其更轻松。

Attentive.ai 将 AI 自动化与现实世界的运营工作流程相结合。您是否认为建筑业中的 AI 未来的发展方向是混合的，而不是完全自治的？

在可预见的未来，是的。而且我会反对“混合”是一种安慰奖的想法。建筑涉及判断，这些判断并没有被计划集捕捉到。一个好的估算师了解他们的当地分包商市场。他们知道某个总承包商如何编写规格。他们知道工作的实际成本，这并不总是与图纸上的内容相同。

AI 处理可量化的工作。人类带来了背景。目标不是取代估算师，而是让他们摆脱重复的测量工作，以便他们可以花时间做需要他们判断的工作。这也是为什么我们构建了 Beam AI 作为一个增强器，像一个插入式初级估算师一样处理机械任务。

您将 AI 描述为前期施工的操作骨干。五年内，这个愿景将如何展开？

目前，我们专注于前端：计划到材料数量，尽快、尽可能准确地完成。下一层是投标管理。我们已经发布了 Bid Dashboard 和 Bid Sniper，这些工具为承包商提供了对其管道、截止日期、RFI 和补充说明的单一视图。

在接下来的五年里，我希望该平台能够直接将起始点连接到定价和采购。承包商上传计划，并在几小时内获得对工作成本和需要采购的内容的真实了解。这是与大多数团队今天所做的前期施工工作完全不同的方式。

Beam AI 支持多个行业，从景观到土木和电气工作。您如何在构建通用 AI 系统的需要与对特定领域优化的需求之间取得平衡？

这是一个真正的紧张关系。底层工作在各个行业中是共享的：阅读文档、解析图纸和提取数量。但输出是特定于行业的，以重要的方式不同。测量 HVAC 设备的方式与测量结构钢或混凝土钢筋的方式完全不同。

我们已经为每个行业建立了特定于行业的模型，并投资了大量的训练数据。我们从 HVAC 和机械开始，因为我们的数据集在这些领域最强，然后扩展到管道和钢铁。我们涵盖了 15 个或更多的行业，但我们对自己的成熟度是诚实的。我们在扩张的同时建立深度。

AI 正在重塑传统的离线行业。您是否认为建筑业可能在未来十年内成为最具转型性的行业之一，这种转型将如何在实践中体现？

我认为会这样。部分原因是它已经手动操作了这么久。没有深层次的软件层需要被取代，就像金融或医疗保健领域那样。数据尚未数字化。工作流程尚未标准化。这听起来像是一个问题，但从我们的角度来看，这是一个机会。我们不是在取代现有的系统。在很多情况下，我们正在建立第一个系统。

再加上目前流入数据中心、制造业和基础设施的资金，以及价格和建设速度的压力只会越来越大。那些解决这个问题的承包商将会领先。那些没有解决这个问题的承包商将会想知道发生了什么。

感谢这次精彩的采访，希望了解更多的读者可以访问 Attentive.ai 或 Beam AI。