Cómo la inteligencia artificial puede transformar la construcción

La inteligencia artificial y los algoritmos de aprendizaje automático han tenido problemas para dar sentido a los lugares de trabajo de construcción caóticos, pero en los últimos años las empresas de la industria han construido los vastos lagos de datos y los sistemas de análisis necesarios para que estas máquinas brinden consejos útiles sobre cómo planificar, programar y ejecutar proyectos. En algunos casos, estos asesores de IA se han convertido en una parte estándar de los métodos de ejecución de proyectos de algunas empresas. Pero sigue siendo un desafío convencer a los profesionales de la construcción de que escuchen a estos asesores de IA, y surgen preguntas sobre cómo se asignará el riesgo una vez que las decisiones impulsadas por algoritmos comiencen a dirigir los proyectos.

Uno de los usos más directos de la IA en la construcción ha sido el análisis de programación de proyectos realizado por el algoritmo de aprendizaje automático de ALICE Technologies, ALICE. La compañía ha hecho incursiones en la industria en los últimos años (ENR 5/28/18 p.22), pero el fundador René Morkos dice que la construcción puede estar acercándose a un punto de inflexión cuando se trata de la adopción de IA.

“Lo que siempre escucho de la gente [en la industria] es que ‘me gusta mucho programar, pero la parte más aburrida es calcular números’”, dice Morkos. “¿Por qué alguien en su sano juicio querría dedicar tiempo a resolver todas las limitaciones de un proyecto? Es tremendamente aburrido “.

En cambio, el algoritmo ALICE extrapola miles de formas posibles de ejecutar un proyecto mediante la ejecución de simulaciones del cronograma 4D y BIM de un proyecto, reajustando a medida que las entradas variables se modifican en la “receta” del proyecto. Los usuarios hacen ajustes a las entradas y ALICE les dice cómo afectará el cronograma de construcción. Pero Morkos dice que la idea no es ceder la toma de decisiones a ALICE. Más bien, se trata de automatizar el proceso de generar posibles horarios alternativos.

A medida que más empresas invierten en recopilar y organizar adecuadamente los datos de sus proyectos, Morkos dice que tecnologías como ALICE y otros asesores basados ​​en inteligencia artificial podrían brindar a algunas empresas una ventaja competitiva real. “La propuesta de valor fundamental del contratista general está cambiando. Este nuevo ecosistema tendrá que ver con los sistemas de datos integrados, y serán de 20 a 30 empresas las que se lleven a casa este premio ”, dice. “Somos increíblemente afortunados de vivir en esta era dorada de la tecnología de la construcción”.

Michael MacBean, director de proyectos de cuentas clave de Pacific Structures, al planificar la puesta en escena del hormigón estructural en M2, una torre residencial de $ 150 millones y 20 pisos dentro del desarrollo de 5M en San Francisco, vio el algoritmo ALICE como un segundo más bien informado opinión sobre sus propios instintos de programación. “Lo usamos en la preconstrucción de ese proyecto para validar nuestro enfoque del proyecto y verificar nuestra productividad”, dice, señalando que aprovechó al máximo su experiencia al aprovechar su propia experiencia pasada como superintendente de proyectos. “El algoritmo es asombroso. Su capacidad para calcular en qué dirección desollar al gato, por así decirlo, se vuelve mucho mejor si también tiene experiencia humana en la construcción para que haga su mejor esfuerzo ”, dice MacBean.

En la torre M2, MacBean descubrió que ALICE era un asesor útil, lo que le permitía ajustar su planificación sin sobrecargar a su equipo. “En cuestión de minutos, puede realizar cambios en la forma en que realiza sus proyectos. ¿Quiere la grúa aquí o allá, quiere jornadas de ocho o 10 horas, debe contratar a 50 o 20 trabajadores? ”

MacBean pudo validar su enfoque para la torre M2 e incluso afinar parte de la puesta en escena del trabajo estructural. “Pudimos observar más de cerca cómo íbamos en ciclo el encofrado en el proyecto y pude comprender mejor la demanda de mi grúa”, dice. Las recomendaciones de ALICE lo convencieron de optar por un núcleo saltado por grúa para el encofrado en lugar de un núcleo autotrepante, ya que el algoritmo mostró que habría suficiente tiempo de grúa disponible para que funcione. “Podría haberlo descubierto yo mismo, pero me hubiera llevado mucho tiempo. ALICE hace algunas matemáticas bastante simples, pero las hace muy rápido “.

Si bien Pacific Structures y su empresa matriz Build Group están satisfechos hasta ahora con ALICE, MacBean dice que existe un problema más amplio de la industria en torno a los algoritmos de confianza. “Vender la idea de depositar toda esta confianza en la IA no es solo un problema de Pacific Structures, es un obstáculo para toda la industria”, dice. “Es difícil hablar de eso. Hay muchos constructores en todo el país con más de 30 años de experiencia en cómo construir “. Pero MacBean agrega que, si bien puede ser un proceso lento llevar tecnología basada en inteligencia artificial como ALICE a la construcción, está ganando adeptos entre su equipo.

Con la construcción de la torre M2 ahora según lo planeado, la próxima prueba que MacBean tiene para ALICE será una torre de gran altura en Seattle, actualmente en la fase de planificación. Para ese trabajo, planea usar ALICE en todo el proyecto, con todo el equipo comprometido con las recomendaciones de programación del algoritmo. “Algunos de estos proyectos son tan grandes, tan complejos que pueden pasar años para que solo un par de personas consideren todas las formas de diseñar y calcular el costo. Pero con ALICE, en pocos minutos puede tener muchos detalles sobre cuál es la forma correcta de realizar un proyecto. Eso es realmente poderoso para mí “.

Las empresas desarrollan su propia IA de cosecha propia
A veces, si tiene los datos listos para usar, es mejor que cree el asesor de IA usted mismo. DPR Construction ha realizado un viaje de varios años para aprovechar al máximo sus vastos almacenes de datos de proyectos y actualmente está desarrollando sus propios algoritmos de inteligencia artificial para eventualmente influir en los procesos de toma de decisiones de la empresa. “Algunos de los proyectos de aprendizaje automático en los que estamos trabajando en este momento, no los llamamos IA. Los llamamos ‘asistencia de IA’ o ‘asistencia humana’ ”, dice Hrishi Maha, líder de análisis de datos del DPR. En lugar de perseguir el objetivo de una IA omnisciente para guiar sabiamente los proyectos de la empresa, el equipo de Maha se está enfocando en desarrollar algoritmos más enfocados para servir en roles de asesoría, aumentando los procesos de toma de decisiones de los usuarios humanos. Los algoritmos ofrecerán información basada en el desempeño anterior de los proyectos de DPR, incluso si a veces eso significa desafiar las suposiciones de los usuarios sobre la mejor manera de construir.

Maha dice que este asesoramiento automatizado pronto se utilizará en la preparación de ofertas y la planificación de proyectos. “El objetivo es ayudar a nuestra gente de desarrollo empresarial, operaciones y programación a tomar decisiones más informadas basadas en datos históricos para que todo sea más científico, en lugar de los malos sentimientos de alguien sobre algo”.

Los algoritmos eventualmente entrenados en los datos históricos de DPR podrían ofrecer información sobre qué proyectos potenciales se alinean con el desempeño pasado, e incluso marcar precios de oferta más competitivos. Maha dice que estos son solo algunos de los beneficios del esfuerzo del DPR por mejorar su enfoque de recopilación y análisis de datos. “Si algunos datos provienen del campo, se basan en el conocimiento de la persona que los completa”, explica. “Se te ocurrió ese número, pero ¿cómo apoyas ese número? Este cambio consiste en eliminar la subjetividad en las decisiones y pasar a un enfoque más científico “.

“Este cambio se trata de eliminar la subjetividad en las decisiones y pasar a un enfoque más científico”.
– Hrishi Maha, líder de análisis de datos, DPR

Pero Maha dice que estas mejoras son todas frutas fáciles en comparación con lo que su equipo está trabajando. Si bien una IA de construcción integral aún está lejos, incluso los asesores limitados basados ​​en IA podrían cambiar la forma en que DPR construye. “De cara a los próximos años, una herramienta de asistencia de inteligencia artificial marcaría una gran diferencia. Mejoraría nuestra forma de trabajar y eliminaría esa subjetividad en la toma de decisiones. Permitiría que nuestra gente se mueva mucho más rápido ”, dice, y agrega que espera que estos asistentes de inteligencia artificial vayan más allá de automatizar los procesos de licitación y estimación, y que eventualmente brinden consejos prácticos y detallados sobre la entrega del proyecto, basados ​​en la recopilación de datos en tiempo real del campo .

Con el fin de obtener datos de sitios más utilizables, el DPR también ha estado probando las etiquetas de monitoreo de la fuerza de trabajo portátil de Kwant.ai. “A veces no se trata de un problema de falta de inteligencia artificial, sino de un problema de productividad en la construcción”, dice Charlie Dunn, parte del equipo de planificación, programación y planificación de producción del DPR. “Mi experiencia con los datos de seguimiento de mano de obra provenientes de Kwant es que hay un período en el que se gana la confianza en el sitio: ¿nuestro personal de operaciones cree lo que está viendo?” Él dice que la confianza en los datos es clave, y agrega: “Luego, una vez que ingrese al territorio de la IA predictiva, podemos decir: ‘Oye, dijiste que este era el plan, y esto dice que no estás cumpliendo con ese plan'”.

Kwant.ai recopila datos de ubicación de los trabajadores que usan sus etiquetas inalámbricas, y la empresa de tecnología se centra principalmente en proporcionar recuentos de personas actualizados y registrar incidentes de seguridad. Pero Kwant.ai está trabajando para aplicar el aprendizaje automático y la inteligencia artificial a sus conjuntos de datos, dice Niran Shrestha, director ejecutivo y cofundador de la empresa. “Nunca tratamos de vender esto diciendo que resolverá todos sus problemas, pero si ingresa todos los datos, le brindará información para que pueda tomar medidas”, dice Shrestha. Con miras a la productividad, Kwant.ai puede proporcionar recomendaciones de fuerza laboral basadas en el desempeño anterior. “¿Puede decirle cuántas personas necesita en un equipo mañana? Bueno, por ejemplo, digamos que planeaba tener 20 personas en un equipo eléctrico. Kwant dice que probablemente necesites 30, así que tal vez decidas 30 solo para estar seguro. En este momento es solo un punto de referencia, pero los datos que estamos recopilando mejorarán con el tiempo ”, dice Shrestha. Agrega que Kwant.ai ha encontrado la mayor tracción en proyectos industriales que ya cuentan con procesos para estandarizar tipos de trabajo repetibles.

A medida que estos algoritmos de aprendizaje automático comienzan a hacer sugerencias prácticas, surge el problema de la responsabilidad y el riesgo. Shrestha dice que Kwant.ai está analizando de cerca este problema, citando cómo algunos propietarios de proyectos ya están usando sus datos analíticos para tomar decisiones difíciles. “Tenemos directores ejecutivos y vicepresidentes que miran nuestros paneles de control y toman decisiones”, dice. “En algún momento, asumiremos parte de ese riesgo”. Pero por ahora, Kwant.ai se enfoca en garantizar la precisión de los datos, dejando la responsabilidad de tomar decisiones a sus usuarios.

“Lo consideramos como autos sin conductor: todavía es necesario que haya manos humanas en el volante”, dice Shrestha. “Podríamos tener un algoritmo que prediga los incidentes de seguridad y programe los riesgos en los proyectos, pero los usuarios aún están directamente involucrados. No les estamos diciendo que se aparten del camino y nos dejen hacer todo por ellos “.

Responsabilidad legal de los asesores de IA
“Un problema fundamental con la IA es cuando su aprendizaje llega a un nivel de sofisticación en el que, si ocurre un problema, no podemos atribuirlo a una culpa humana”, dice Joseph A. Cleves Jr., socio de Taft Stettinius & Hollister LLP y un especialista en litigios de construcción. “Después de todo, el 99,9% de los problemas de riesgo de la construcción tienen que ver con una base de fallas”.

Si bien las empresas más grandes que desarrollan sus algoritmos de aprendizaje automático y de inteligencia artificial internamente pueden gestionar el riesgo asociado como parte del mayor alcance de los servicios que brindan a sus clientes, Cleves dice que podría ser complicado si una empresa más pequeña utiliza un algoritmo sofisticado de un tercero. proveedor del partido para tomar decisiones importantes. “En ese caso, esos jugadores no suelen tener la influencia necesaria para negociar un sistema justo de asignación de riesgos”, observa.

Son estas empresas más pequeñas las que, según Cleves, pueden necesitar saber cuánta confianza depositan en el sistema de inteligencia artificial de cualquier proveedor externo. “Existe la posibilidad de que un pequeño usuario tenga un evento que provoque una crisis existencial en términos de responsabilidad. Tenían los medios para comprar el software, pero no entendían la responsabilidad “. Cleves dice que podría ver que los acuerdos de licencia de usuario estándar comunes entre las nuevas empresas de tecnología de Silicon Valley se enfrentan a las duras realidades de la ley de construcción en algún momento en el futuro, si las decisiones críticas basadas en inteligencia artificial o aprendizaje automático conducen a resultados de proyectos no deseados.

Pero la ley de construcción no es necesariamente demasiado frágil para manejar los desafíos de la IA, y el lenguaje del contrato siempre se puede cambiar para adaptarse a las nuevas tecnologías, señala Tracy Ickes, asociada del bufete de abogados Nixon Peabody LLP. “Podríamos comenzar a ver que los propietarios y los contratistas generales se vuelven más creativos en la forma en que asignan la responsabilidad en algunos de estos proyectos”, dice.

“Los proveedores tendrán que repensar cómo otorgan licencias y los tipos de acuerdos que tienen con sus usuarios”. – Aldo Ibarra, socio, Nixon Peabody LLP

Ickes y sus colegas han estado estudiando el impacto de la IA y otras nuevas tecnologías en la construcción, y dice que algunos de los acuerdos contractuales entre las partes pueden cambiar a medida que estas tecnologías asumen más riesgos. “Un contratista general en la planificación previa podría decir: ‘Tengo esta tecnología que ahorrará mil millones de dólares y reducirá el cronograma, pero conlleva riesgos’”, dice Ickes. “El propietario piensa: ‘Lo que sea, está en mi GC hacerlo’. Pero si los GC no pueden trasladar ese riesgo a las empresas de tecnología que proporcionan el software, deberán decidir si quieren asumirlo todo ellos mismos o organizar algún costo compartido “.

El colega de Ickes, el socio de Nixon Peabody, Aldo Ibarra, cree que los propietarios pueden querer mejores evaluaciones de riesgos para estos asesores emergentes de IA. “Creo que una vez que vea AI o semi-AI entrar en el sitio de construcción, en algún momento un contratista o propietario tendrá que decir: ‘Si utilizo sus servicios, debemos repensar la licencia para esta tecnología en términos de algo más parecido a un contrato de subcontratista, ya que básicamente ahora eres parte del equipo de construcción ‘”.

Si bien el cambio de las recomendaciones de IA no vinculantes a permitir que una IA u otro algoritmo tome decisiones reales aún no se ha producido, Ibarra dice que las empresas deben estar preparadas para lo que esa situación podría significar para la responsabilidad en el futuro. “Una vez que el software no es solo una herramienta y se convierte en una IA real que toma decisiones por usted, eso es diferente. En ese momento, estos proveedores de tecnología tendrán que repensar cómo otorgan licencias y los tipos de acuerdos que tienen con sus usuarios “.

Ibarra agrega que, si bien él e Ickes siguen el tema de cerca, aún no han visto ningún litigio sobre el riesgo y la responsabilidad relacionados con los asesores de IA de la construcción. Ibarra señala que también puede solucionarse antes de que ocurra un caso de prueba. “El mercado va a tener voz en esto”, dice. “No existe una sola empresa de tecnología, por lo que si quieren diferenciarse de la competencia, podrían poner un poco de piel en el juego, decir que se inscribirán como subcontratistas para asegurarle que su IA hará avanzar correctamente su proyecto. . “

No hay tiempo como el presente
Pero las preocupaciones legales sobre la inteligencia artificial para la construcción siguen siendo teóricas y, por ahora, Maha del DPR insiste en que otras empresas deberían dar el paso y poner sus datos en forma para el aprendizaje automático y la inteligencia artificial. “No espere a que sus datos se vuelvan perfectos, porque nunca lo será”, dice. Incluso con “60% a 70% de nuestros datos en los que podemos confiar son precisos, comience con el proceso y muestre a los demás el potencial de lo que podrían hacer los datos precisos”. Maha cita las herramientas de análisis de la nube en AWS y Azure como un lugar sólido para comenzar a explorar estos conocimientos y construir un caso para una mayor inversión en ciencia de datos.

Una vez que una empresa realiza esa inversión para organizar sus datos y ponerlos en la nube, Maha dice que es importante atraer personas con experiencia relevante en el modelado y análisis de datos para que realmente brille.

Pero también enfatiza que las empresas no deben caer en la trampa de trabajar en ciencia de datos o aprendizaje automático de forma aislada; se necesitará la participación del resto de la empresa para dar forma a los conocimientos algorítmicos de cualquier asistente de IA. “Asegúrese de involucrar al lado de la ejecución del proyecto y del negocio lo antes posible, ya que serán ellos los que hagan girar los diales”, recomienda. “Involucrarlos temprano significará mejores resultados para sus proyectos de aprendizaje automático”.

Fuente: Engineering News-Record