Нейронная сеть экономит сотни тысяч долларов строительной компании

Чатбот на нейронной сети экономит от 20 до 40 минут на поиск для каждого запроса по проекту и позволил избежать строителям дополнительных переделок на более чем 100 000 USD в месяц.

Настройка инструмента заняла всего пару дней.
Отслеживание каждой детали в каждом контракте, который подписывает строитель перед началом работ, может стать сизифовым трудом. Вы можете закатить этот метафорический валун в гору, но что-то, какая-то деталь, может привести к тому, что весь прогресс откатится назад.

Эндрю Рой из Gilbane Building Co. хорошо это знает. Рой, ведущий суперинтендант, курировал проект расширения Baird Center - реконструкцию конференц-центра в Милуоки стоимостью 456 миллионов долларов в рамках совместного предприятия с компанией C.D. Smith, базирующейся в Фон-дю-Лак, штат Висконсин.

Совместными усилиями Рой и его команда увеличили площадь существующего здания, которое было открыто в 1998 году, примерно на 300 000 квадратных футов, включая 24 новых конференц-зала, более 400 крытых парковочных мест, шесть погрузочных площадок и кухню представительского класса, сообщается на информационной странице проекта.

Группа приступила к работам в 2021 году и ускорила их завершение, что привело к завершению работ в мае 2024 года.

Тысячи проектных документов - один чатбот на базе ИИ.

Добраться до результата было непросто. Спецификации и контракты на выполнение работ составляли в общей сложности около 21 000 отдельных документов, что стало распространенной проблемой в современных более сложных строительных проектах.

“Человеку физически невозможно быть полностью знакомым с каждым документом по строительному проекту и с каждым происходящим изменением или обсуждением”, - сказал Рой.

Решить проблему помогли инструменты Trunk. Базирующаяся в Нью-Йорке компания разрабатывает инструмент на основе искусственного интеллекта, который подрядчики могут использовать для отслеживания проектных документов и контрактов, чтобы получать немедленные ответы не покидая рабочей площадки .

Чтобы ориентироваться в море данных, содержащихся в файлах Baird Center, команда Роя загрузила все свои документы на нейронную платформу, включая чертежи, запросы на информацию RFI, контракты и заказы на внесение изменений.

Данные загружались в большую языковую модель, лежащую в основе инструмента, подобного чату. Строители могут получить доступ к информации с мобильных устройств или компьютера. Чатбот на основе нейросети отвечал на вопросы и сократил время, затрачиваемое на поиск конкретных деталей при решении проблемы.

“Мы как бы случайно наткнулись на это, а затем начали использовать чатбот для согласования документов, то есть для согласования графика установки дверной фурнитуры, чертежей по электрике, или чертежей по низковольтному оборудованию, или чертежей по безопасности жизнедеятельности”, - сказал Рой. “Именно это стало для нас чрезвычайно важным”.

TrunkText - это всего лишь одно из ориентированных на конструирование предложений искусственного интеллекта в быстро расширяющейся области. Другие примеры включают DocumentCrunch, который может выполнять поиск, оценку и разметку контрактов для пользователей на основе вопросов и рисков на стройплощадке.

Гилбейн начал использовать TrunkText на последней трети срока реализации проекта Baird Center, запустив его в пилотном режиме в январе 2024 года.
По словам Роя, команда использовала его при внутренней отделке, обустройстве интерьера, а также при выполнении многих работ на внешней площадке и во внешнем ограждении.

Стоимость работ по этому проекту Гилбейн сообщить отказался.

Чатбот помогает избежать переделок при строительстве

Рой отвечал на вопрос, который возник у команды по поводу камина в декоративной стене с большой вытяжной системой, покрытой акустической штукатуркой. На приобретение материала для отделки в Европе ушло шесть месяцев. Рой и подрядчик-механик провели инспекцию и заметили аномалию в системе воздуховодов.

У команды строителей возник вопрос — нужно ли герметизировать швы? Ошибка привела бы к дорогостоящим переделкам, дорогостоящей аренде оборудования и потере времени. Как правило, для ответа на подобные вопросы требуется длительная переписка по электронной почте между подрядчиком-механиком, командой дизайнеров и Роем, которая занимает часы, если не дни.

Вместо этого они задали вопрос TrunkText.

В течение 20 секунд у меня перед глазами появилось пять-шесть различных документов, на которых я находился, и текстовый ответ, в котором говорилось, что да, швы на этом воздуховоде необходимо заделать, чтобы создать надлежащий вакуум”, - сказал Рой.

“Если швы не будут герметизированы, гарантия не будет действовать, и система может работать неправильно”. Это всего лишь один пример из сотен запросов, которые рабочие направляли в ходе проекта.

Исследование, проведенное Trunk Tools, показало, что за 37 рабочих дней работы в Baird Center пользователи задали 246 вопросов. Из этих ответов 87% были правильными, что было подтверждено командой проекта.

В тематическом исследовании утверждается, что использование TrunkText экономило сотрудникам от 20 до 40 минут на поиск и время в пути для каждого запроса и позволяло избежать более чем 100 000 долларов переделок в месяц.

Чтобы подчеркнуть ценность этой экономии, Рой указывает на то, как ему традиционно приходилось искать информацию о проектах. Как правило, когда возникает вопрос, ему приходится копаться в своем iPad и вручную искать нужные документы или возвращаться в трейлер на стройплощадке, чтобы просмотреть чертежи, контракты или другие документы в поисках ответа. По пути его могут остановить субподрядчики с другими вопросами или ему придется столкнуться с проблемой безопасности.

Вместо этого, по словам Роя, TrunkText ответил на его вопросы “в течение пяти-десяти секунд”. Рой сказал, что внедрение было относительно безболезненным — потребовалось всего день или два, чтобы связать инструменты Trunk с Procore и Sharepoint от Gilbane.

Одним из самых сложных этапов обучения использованию этого инструмента было понимание того, как правильно задавать вопросы, включая предоставление контекста, который помог бы TrunkText разобраться в нужном вопросе, например, о воздуховодах вокруг камина.

Но даже в этом случае иногда инструмент не выдавал никаких ответов Рой и его команда быстро пришли к выводу, что информации, которую они искали, в документах не было. Он описал это как “счастливую случайность”, которая позволила выявить потенциальные "белые пятна" в документации.

В остальном, самым большим выигрышем для его команды было то, что ему просто не нужно было разбирать огромный объем данных, что является нормой для современного строительного проекта. В данном случае в 21 000 файлах было целых 34 гигабайта информации.

“Большая часть успехов, которые мы увидели в TrunkText в нашем проекте, заключалась в его способности находить документы”, - сказал Рой.

Источник.