Inteligencia artificial: la próxima frontera de la tecnología de la construcción

El sector de ingeniería y construcción (E&C) vale más de $ 10 billones al año. Y aunque sus clientes son cada vez más sofisticados, sigue estando muy poco digitalizado. Para establecer el panorama de la tecnología, realizamos un estudio exhaustivo de los casos de uso actuales y potenciales en todas las etapas de E&C, desde el diseño hasta la preconstrucción, la construcción, las operaciones y la gestión de activos. Nuestra investigación reveló un enfoque creciente en soluciones tecnológicas que incorporan algoritmos impulsados ​​por inteligencia artificial (IA). Estas tecnologías emergentes se centran en ayudar a los jugadores a superar algunos de los mayores desafíos de la industria de E&C, incluidos los excesos de costos y horarios y las preocupaciones de seguridad.

En el futuro inmediato, esperamos que la proliferación de IA en el sector de E&C sea modesta. De hecho, a pesar del alto rendimiento comprobado de la inversión (ROI) y el interés generalizado de la administración en las soluciones de inteligencia artificial, pocas empresas o propietarios de E&C tienen actualmente las capacidades, incluido el personal, los procesos y las herramientas, para implementarlas.

Sin embargo, se avecina un cambio. Las partes interesadas a lo largo del ciclo de vida del proyecto, incluidos los contratistas, operadores, propietarios y proveedores de servicios, ya no pueden darse el lujo de concebir la inteligencia artificial como una tecnología pertinente solo para otras industrias. De hecho, las industrias adyacentes, como el transporte y la fabricación, ya están en el proceso de romper las barreras entre sí y operar más como ecosistemas (por ejemplo, las soluciones, herramientas y algoritmos que eran específicos de la industria tienen más probabilidades de volverse efectivos que tiene impacto en todas las industrias), lo que aumenta la amenaza de competencia de los participantes en el mercado que tradicionalmente no han sido actores de proyectos de capital.

Estas barreras de mercado reducidas se ven agravadas por la creciente capacidad de los métodos de inteligencia artificial para trabajar en todas las industrias. Estos avances se verán a mediano y largo plazo, pero para desempeñar un papel en los ecosistemas futuros, y para competir con los entrantes del mercado entrante, E&C deberá ponerse al día en la adopción de las aplicaciones y técnicas de IA. Predecimos que este esfuerzo conducirá a la asignación de más recursos para desarrollar las capacidades necesarias y a que la IA desempeñe un papel más importante en la construcción en los próximos años.

Entonces, ¿dónde deberían comenzar los líderes de E&C? Sobre la base del informe del año pasado, ofrecemos predicciones sobre dónde y cómo la IA puede infiltrarse en la construcción en tres categorías:

• Examinando dónde están comenzando a surgir las soluciones de IA en la construcción de hoy.
• Explorar aplicaciones y casos de uso impulsados ​​por IA que ya han tenido un impacto en otros sectores y que pueden aplicarse en la industria de la construcción.
• Evaluación de algoritmos de aprendizaje automático adicionales y sus posibles aplicaciones de E&C.

El estado actual de la IA en ingeniería y construcción.

Los casos de uso de IA en la construcción todavía son relativamente incipientes, aunque un conjunto limitado de nuevas empresas están ganando tracción y atención en el mercado por sus enfoques centrados en la IA. Hay algunos ejemplos de etapas iniciales que las empresas de construcción pueden evaluar:

• Los optimizadores del cronograma del proyecto pueden considerar millones de alternativas para la entrega del proyecto y mejorar continuamente la planificación general del proyecto.
• El reconocimiento y la clasificación de imágenes pueden evaluar los datos de video recopilados en los sitios de trabajo para identificar el comportamiento inseguro de los trabajadores y agregar estos datos para informar futuras prioridades de capacitación y educación.
• Las plataformas analíticas mejoradas pueden recopilar y analizar datos de sensores para comprender señales y patrones para implementar soluciones en tiempo real, reducir costos, priorizar el mantenimiento preventivo y evitar tiempos de inactividad no planificados.

Aún así, la adopción de soluciones de IA es bastante baja en E&C, particularmente en comparación con otras industrias (Anexo 1). La investigación de McKinsey comparó los materiales de construcción y la construcción con otras 12 industrias; Diez de esas industrias están más avanzadas en la adopción actual de IA, y se proyecta que las 12 aumentarán el gasto en IA a un ritmo más rápido en los próximos tres años.

Por supuesto, cualquier algoritmo de IA se basa en aprender del pasado. Esto significa que la IA necesita una cierta masa crítica de datos para cumplir su promesa, por lo que la escala será importante; Como tal, las empresas necesitarán una cantidad significativa de datos (en este caso proyectos) para entrenar un algoritmo de IA. Por lo tanto, es probable que las empresas más grandes se beneficien más, especialmente a corto plazo.

Es posible que un tercero externo ingrese y aproveche los datos de E&C para capacitar a sus modelos, un escenario que probablemente resultaría en una mejora en toda la industria en general, pero una ventaja competitiva limitada para las empresas individuales, pero esto parece poco probable debido a las enormes restricciones en los datos intercambio y propiedad de datos.

Cinco aplicaciones impulsadas por IA de otras industrias transferibles a la construcción

La IA abarca un gran universo de posibilidades y casos de uso, incluido el aprendizaje automático, el procesamiento del lenguaje natural y la robótica. Nuestra investigación se ha centrado en cinco aplicaciones de IA utilizadas en otras industrias que tienen aplicación directa en el sector de la construcción:

Algoritmos de optimización de rutas de transporte para la optimización de la planificación de proyectos.

La tecnología actualmente disponible ya ofrece a las empresas de transporte la capacidad de optimizar rutas y mejorar la navegación del tráfico. En el futuro, una técnica de IA llamada aprendizaje de refuerzo, que permite que los algoritmos aprendan en base a prueba y error, podría proporcionar una optimización aún más efectiva y resolver funciones objetivas (por ejemplo, duración o costo del combustible) . Dicha tecnología podría ser directamente aplicable a la planificación y programación de proyectos de E&C, ya que tiene el potencial de evaluar infinitas combinaciones y alternativas basadas en proyectos similares, optimizando el mejor camino y corrigiéndose con el tiempo.

Predicción de resultados farmacéuticos para problemas de constructibilidad

La industria farmacéutica se ha convertido en un líder en la inversión de sus grandes presupuestos de I + D en soluciones predictivas de IA, que reducen los costos de I + D a largo plazo, principalmente al pronosticar los resultados de los ensayos médicos. Estas aplicaciones se pueden aplicar directamente a la industria de la construcción, particularmente en proyectos importantes con presupuestos de I + D tan grandes como los de Big Pharma, de dos maneras para pronosticar resultados. Primero, las aplicaciones predictivas pueden pronosticar los riesgos del proyecto, la capacidad de construcción y la estabilidad estructural de varias soluciones técnicas, proporcionando información durante la fase de toma de decisiones y potencialmente ahorrando millones de dólares en el futuro. Y en segundo lugar, estas aplicaciones pueden permitir la prueba de varios materiales, limitando el tiempo de inactividad de ciertas estructuras durante la inspección.

Optimización de la cadena de suministro minorista para la gestión de materiales e inventario.

AI ha cambiado el juego para la cadena de suministro minorista al reducir el tiempo de inactividad de fabricación, reducir el exceso de oferta y aumentar la previsibilidad de los envíos, todo lo que resulta en reducciones impresionantes en los costos, las cargas logísticas y la variabilidad. Las aplicaciones de aprendizaje supervisado (por ejemplo, árboles que aumentan el gradiente) serán directamente aplicables a E&C a medida que la modularización y la prefabricación se vuelvan más frecuentes. Más proyectos están utilizando la construcción fuera del sitio para grandes cantidades de materiales, y la necesidad de una mejor coordinación de la cadena de suministro se volverá crítica para controlar los costos y los flujos de efectivo en general.

Robótica para construcción modular o prefabricación e impresión 3D.

Si bien el uso de la modularización y la impresión en 3D avanza en la construcción hoy en día, podría haber una oportunidad a más largo plazo para maximizar los beneficios de estos enfoques a través del aprendizaje automático. Por ejemplo, los investigadores de la industria robótica han entrenado con éxito los brazos robóticos para moverse aprendiendo de las simulaciones. En E&C, esta aplicación podría algún día aplicarse a técnicas de prefabricación y operaciones de mantenimiento para petróleo y gas, así como a otros sectores industriales.

Reconocimiento de imágenes de salud para la gestión de riesgos y seguridad.

En la industria del cuidado de la salud, los métodos de aprendizaje automático están creando avances en el reconocimiento de imágenes para apoyar el diagnóstico de enfermedades (por ejemplo, detectar marcadores conocidos para diversas afecciones). En el futuro, esta tecnología podría aplicarse a imágenes de drones y modelos generados en 3-D para evaluar problemas con el control de calidad, como defectos en la ejecución (tanto estructurales como estéticos) y detección temprana de eventos críticos (por ejemplo, falla del puente). Estas técnicas podrían ayudar a los ingenieros a comparar productos en desarrollo y finales con los diseños iniciales, o entrenar un algoritmo de detección de comportamientos inseguros para identificar riesgos de seguridad en los sitios del proyecto basados ​​en millones de imágenes recolectadas por drones.

Algoritmos de aprendizaje automático adicionales con potencial para interrumpir E&C

La cantidad de soluciones de IA aplicables a E&C son potencialmente infinitas. Para rascar la superficie, ofrecemos una mirada centrada en algunas de las posibilidades en el aprendizaje automático (Anexo 2). Si bien el aprendizaje automático no es más que una rama de la IA, su amplitud de técnicas de aprendizaje supervisadas y no supervisadas, así como el aprendizaje convolucional profundo y redes neuronales recurrentes, ofrecen innumerables casos de negocios para la inversión.

Se aplicarán varios casos de uso en el amplio espectro de partes interesadas de E&C, incluidos los propietarios, contratistas y operadores:

Refinación de control de calidad y gestión de reclamos

Las empresas pueden usar técnicas de aprendizaje profundo para mejorar el control de calidad. Las redes neuronales pueden, por ejemplo, evaluar imágenes recolectadas por drones para comparar defectos de construcción con dibujos existentes. Estas redes también son capaces de ayudar a los propietarios y a las empresas a comprender la probabilidad de que un contratista o subcontratista presente un reclamo, lo que permite a los propietarios y las empresas asignar contingencias de manera proactiva e implementar planes de mitigación específicos.

Aumento de la retención y el desarrollo del talento.

Uno de los principales desafíos que enfrentará la industria de E&C en los próximos años es atraer y retener a los mejores talentos. Los líderes pueden abordar este problema aplicando algoritmos de aprendizaje automático no supervisados, como los modelos de mezcla gaussianos, que pueden segmentar a los empleados en función de la probabilidad de desgaste, y desarrollar planes específicos para retenerlos. La agrupación de K-means puede identificar grupos de candidatos potenciales y adaptar estrategias de reclutamiento para atraer el talento adecuado. Los algoritmos de inteligencia artificial también pueden ayudar a los líderes a ubicar y predecir puntos críticos de talento como la rotación, la escasez de habilidades o mano de obra y los defectos en el diseño organizacional. Por ejemplo, podría ayudar a pronosticar la escasez de mano de obra para embarcaciones calificadas en geografías específicas, o planificar la contratación o bloqueo de contratos para limitar los costos o retrasos en los proyectos.

Impulsar la supervisión de proyectos y la gestión de riesgos.

Las partes interesadas de E&C pueden usar redes neuronales, usando imágenes generadas por drones y datos generados por láser que capturan el progreso del proyecto, para enseñarle a una IA cómo crear “modelos gemelos” en 3D para que coincidan con los modelos generados por BIM. Estas aplicaciones reducirían drásticamente los ciclos de toma de decisiones en un proyecto de construcción de una base mensual a una diaria, a través de la automatización completa de la programación del proyecto y la actualización del presupuesto sobre la combinación de BIM, AI, dron y capacidades láser.

Optimización de diseño constante

Los propietarios y contratistas pueden emplear un enfoque de sistema de recomendación (aprendizaje supervisado) que utiliza la producción de comportamiento de clúster para identificar los datos importantes necesarios para hacer una recomendación. Estas aplicaciones pueden recomendar a ingenieros y arquitectos el uso de un diseño específico, como una solución estructural (por ejemplo, tipo de conexiones, soldadas o atornilladas) o acabados arquitectónicos (por ejemplo, muros cortina vs muros de ventanas) basados ​​en varios criterios ( por ejemplo, costo total de propiedad, cronograma para completar la ejecución, probabilidad de errores de construcción defectuosos durante la ejecución). El resultado final es que los propietarios y contratistas tienen más información para tomar una decisión informada.

Varias otras aplicaciones tienen un caso de uso específico para las empresas contratistas de E&C:

Construyendo excelencia comercial y una ventaja competitiva

Al evaluar las ofertas de proyectos anteriores y replicar elementos de los éxitos al tiempo que se evitan los elementos de los fracasos, los algoritmos de aprendizaje supervisados ​​y no supervisados ​​pueden aumentar la tasa de victorias del proyecto de una empresa de E&C, mejorar los márgenes y garantizar el valor del proyecto. Los algoritmos discriminantes lineales / cuadráticos, por ejemplo, pueden mejorar la capacidad de pronóstico de una empresa para estimar la probabilidad de aceptación de un cliente potencial (es decir, relación ir / no ir) y la probabilidad de cierre (es decir, relación obtener / no obtener). Se pueden usar algoritmos simples de redes neuronales para evaluar las tarifas o los descuentos de precio global que los clientes pueden estar dispuestos a pagar por un proyecto, mientras que en el futuro, el aprendizaje de refuerzo podría ayudar a optimizar las ofertas y los diseños basados ​​en decisiones de oferta exitosas anteriores. Estos algoritmos también pueden predecir qué combinación de servicios podría ser más atractiva para los clientes, particularmente a medida que las empresas avanzan hacia la oferta de soluciones integradas en lugar de proyectos tradicionales únicos.

Reputación empresarial y gestión de riesgos.

Dada la reciente ola de pérdidas de ganancias y cancelaciones de proyectos en la industria de E&C, la confianza del mercado y los clientes individuales en la capacidad de una empresa determinada para cumplir con los compromisos ha disminuido. Debido a este cambio, las empresas están perdiendo ofertas de proyectos y el mercado está penalizando los precios de las acciones. Las empresas pueden aplicar el aprendizaje automático para abordar rápidamente las preocupaciones del mercado y del cliente. Por ejemplo, los algoritmos de Naïve Bayes pueden emplearse para realizar análisis de sentimientos sobre la percepción del mercado de una empresa e informar el lanzamiento de los esfuerzos dirigidos de creación de reputación necesarios para preservar su cartera de pedidos y el precio de las acciones. Los algoritmos también se pueden usar para perfilar a los clientes en función de sus características y deseos para enfocarse mejor en los esfuerzos de desarrollo empresarial y mejorar la retención.

¿Qué pueden hacer los líderes para adelantarse a la curva y aprovechar la IA?

Hay varios pasos que todos los interesados ​​pueden tomar para adelantarse a la curva en IA:

Identificar casos de uso de alto impacto basados ​​en los puntos de partida de una empresa

Las empresas necesitan identificar las áreas de mayor necesidad y qué casos de uso impulsados ​​por IA pueden tener el mayor impacto a corto plazo. Sin un claro caso de negocios, ROI y una plataforma de grabación, las empresas de E&C serán ineficientes en el uso del tiempo y los recursos, lo que puede crear frustración, aumentar el escepticismo en la organización y hacer que las empresas pierdan impulso. Los líderes deben priorizar sus inversiones en función de las áreas donde la IA puede tener el mayor impacto en la situación y necesidad únicas de la empresa, por ejemplo, seguridad o retención de talento, y donde será más fácil de implementar en la etapa actual de madurez digital de la empresa.

Dedique una parte importante de la inversión en I + D a las capacidades digitales de inmediato

Hoy, la industria de E&C está invirtiendo aproximadamente el 1 por ciento en tecnología, una proporción significativamente menor que otras industrias, como los servicios financieros y la manufactura. Debido a que el impacto de la IA depende de tener los datos correctos, los líderes de E&C no pueden aprovechar la IA sin primero realizar esfuerzos sostenidos de digitalización. Esto incluye invertir en las herramientas y capacidades adecuadas para la recopilación y el procesamiento de datos, como la infraestructura de la nube y el análisis avanzado. La investigación de McKinsey encuentra que las compañías con un sólido historial de digitalización tienen un 50 por ciento más de probabilidades de generar ganancias al usar la IA.

Adopte el concepto de ecosistema y comprenda las soluciones de otras industrias.

Durante demasiado tiempo, el sector de E&C ha operado dentro de un vacío. Dado el movimiento hacia los ecosistemas discutido anteriormente, los expertos de la industria deben mirar más allá de las fronteras del sector para comprender dónde los titulares se están volviendo más vulnerables e identificar espacios en blanco para el crecimiento. Tanto los propietarios como las empresas de E&C pueden explorar asociaciones no tradicionales con organizaciones fuera de la industria para agrupar los esfuerzos avanzados de I + D que tienen múltiples aplicaciones en todas las industrias (por ejemplo, nuevas empresas, universidades o incluso actores importantes en otros sectores donde la IA está más evolucionada). Para las empresas de E&C que pueden buscar ofertas no solicitadas o desarrollo inmobiliario, tales asociaciones podrían ser una forma de aumentar los puntos de datos y generar valor. Además, los propietarios y las empresas pueden garantizar que los equipos de desarrollo corporativo tengan el talento y la experiencia tópica para evaluar las tecnologías potenciales con todo el ecosistema en mente.

Adaptar las capacidades de talento de la empresa.

La industria necesitará revertir su tendencia de subinversión en el desarrollo de talentos y centrarse significativamente en contratar personas de otras industrias con antecedentes y habilidades en IA y tecnologías digitales. Además, las empresas necesitarán volver a capacitar a sus fuerzas de trabajo actuales para adquirir las capacidades necesarias para prosperar en la era digital y proporcionar capacitación en los conceptos necesarios, como los algoritmos de aprendizaje automático.

Cambie los procesos internos para acomodar la innovación que la IA traerá

Hoy en día, los procesos críticos para actualizar las soluciones de inteligencia artificial, como la forma de proponer e implementar una nueva idea, se manejan varios niveles por debajo del CEO. Pero el liderazgo superior debe participar en el desarrollo de estos procesos y reforzar la flexibilidad de los empleados para innovar. Si bien parece ser un paso simple, asegurar que el C-suite influya en el desarrollo del proceso es un factor clave para prepararse para adoptar la IA.

Los primeros jugadores y seguidores rápidos serán recompensados

Los pasos concretos descritos anteriormente pueden servir como un punto de partida inmediato para que las empresas persigan la IA. De hecho, quienes se mueven temprano establecerán la dirección de la industria y obtendrán beneficios tanto a corto como a largo plazo. Aunque E&C tiende a retrasarse en la medida de la adopción de tecnología, ahora es el momento para que los propietarios y las empresas actúen y aseguren sus lugares a la vanguardia de atraer aplicaciones y técnicas de inteligencia artificial al sector.

Fuente: McKinsey & Company