El grupo Eiffage anunció este jueves 27 de junio una amplia colaboración con Google Cloud para acelerar la adopción de la inteligencia artificial. Jean-Philippe Faure, director de información, desvela la estrategia de IA del grupo de construcción.
JDN. ¿Qué nuevos casos de uso en términos de IA generativa habéis podido desarrollar utilizando los modelos de Google?
Jean-Philippe Faure. Hemos desarrollado nuestra propia IA generativa privada con Gemini. Incluimos todos los briefs técnicos clasificados por naturaleza del sitio. De este modo, independientemente de su ubicación geográfica en Francia, nuestros empleados pueden beneficiarse de la experiencia de sus compañeros en todas las respuestas a las licitaciones. Por ejemplo, si alguien pregunta por las características del aire acondicionado de un edificio de 10.000 metros cuadrados en rehabilitación, podrá recuperar toda la información relevante de proyectos similares. Por supuesto, el resultado es sólo un documento de trabajo. Posteriormente, cada empleado combina su experiencia profesional con la información proporcionada por la IA, adaptando las opciones según su situación específica.
“Actualmente estamos trabajando en la integración de datos multimodales, como fotografías y vídeos de obras de construcción”.
Otro caso de uso se refiere a los informes de obra. Cada semana, nuestros equipos se reúnen con todos los involucrados en la obra para hacer un balance del progreso. Hemos desarrollado una solución para generar automáticamente un informe a partir de una grabación de audio de la reunión, basada en Gemini. Aunque siempre es necesario volver a leer y ajustar el informe generado, esto ahorra a nuestros empleados un tiempo valioso. Nuestro objetivo no es reemplazar a los humanos, sino permitirles realizar más rápidamente determinadas tareas que consumen mucho tiempo.
Actualmente estamos trabajando en la integración de datos multimodales, como fotografías y vídeos del sitio de construcción, para enriquecer aún más estos informes automatizados. Estamos realizando una prueba piloto con nuestro departamento regional Route Île-de-France, porque esta solución es de verdadero interés para nuestros jefes de obra, ya que les ahorra tiempo. En última instancia, también queremos utilizar esta tecnología para generar comentarios sobre el sitio. Integrando correos electrónicos, fotos y vídeos con fecha y hora de un proyecto de 3 años, podremos generar una primera versión de 80 páginas, por ejemplo, del rex, ofreciendo así un valor añadido real a nuestros equipos.
¿Cuántos empleados tienen acceso a Gemini?
Hemos implementado Gemini para alrededor de cien personas y continuamos expandiéndonos. Proporcionamos retroalimentación en cada etapa para evaluar los resultados. Colaboramos con diferentes departamentos, incluidos recursos humanos, personal operativo y el departamento de TI. También involucramos a colaboradores cercanos que tienen la capacidad de discernir si la IA está “alucinando” o no.
¿Utiliza también sistemas de aprendizaje automático para casos de uso más complejos?
Sí, puedo darte dos ejemplos. La primera se llama Metronia, una solución implementada en el metro de Toulouse para gestionar las vibraciones generadas por la tuneladora. Se trata de una enorme máquina que excava el corredor del metro, provocando importantes vibraciones. Nuestro objetivo es monitorear estas vibraciones mediante sensores instalados en la obra, hasta 1.000 sensores que vamos moviendo a medida que avanza la obra. Recopilamos alrededor de 500.000 mensajes al día antes de enviarlos a la nube, lo que representa unos 10.000 cálculos diarios. Esto nos permite monitorear lo que sucede alrededor del sitio durante la excavación y verificar si todo va correctamente. El incidente ocurrido en la A13, donde una pala accidental provocó grietas en la calzada, ilustra claramente la importancia de este seguimiento. Los sensores recopilan datos localmente, mientras que el almacenamiento, la transformación y los cálculos se realizan en la nube. Estamos en el proceso de transferencia a GCP después de probar diferentes soluciones.
El segundo ejemplo se refiere a la prevención de accidentes en las obras. Con Dataiku hemos desarrollado una solución para evaluar riesgos en obras de construcción. Analizamos el historial de visitas al sitio y las observaciones resultantes, las puntuaciones del personal interno y externo, su antigüedad, el tipo de empleo, la tasa de supervisión del sitio, así como los datos meteorológicos en datos abiertos. A partir de esta información, nuestro algoritmo propio define un nivel de riesgo para cada sitio, teniendo en cuenta la antigüedad de los empleados, los resultados de las últimas visitas, la tasa de supervisión y la previsión meteorológica.
¿Cómo se definen los casos de uso de IA con el mejor retorno de la inversión?
Definimos los casos de uso de IA con mayor potencial de ROI cuando satisfacen una necesidad común a todas nuestras líneas de negocio. Aunque todas nuestras profesiones están vinculadas a la construcción, siguen siendo diferentes. Entonces, cuando las 15 ramas se ponen de acuerdo sobre las prioridades, realmente tiene sentido. Nuestro objetivo es ofrecer un servicio al mayor número de personas posible, evitando cualquier amiguismo. Trabajamos en un equipo muy unido, unas cuarenta personas en colaboración con las sucursales, y todos están involucrados en el proyecto.
“La filosofía de apertura de Google Cloud nos interesa mucho más que un ecosistema cerrado”
Por supuesto, probablemente habrá algunas “versiones” dependiendo de las ramas, porque algunas serán más sensibles a tal o cual criterio. Pero el modelo básico seguirá siendo el mismo, sólo podrá variar la sensibilidad del modelo. Cuantos más modelos estándar podamos generar, más valor crearemos. Nuestro objetivo es estandarizar al máximo nuestras necesidades para evitar desarrollar soluciones demasiado específicas que no enriquezcan a toda la empresa.
¿Por qué elegiste Google Cloud para tu estrategia de IA en lugar de otro proveedor como Azure OpenAI, por ejemplo?
Nuestra elección de Google Cloud para nuestra estrategia de IA se explica por nuestro deseo de apertura. Históricamente estamos muy ligados a Microsoft, con una fuerte dependencia de sus soluciones, aunque Azure es una plataforma excelente y Microsoft una empresa destacable. Sin embargo, necesitábamos un enfoque más abierto. Al trabajar con Google, apreciamos su transparencia: nos mostraron cómo reemplazar cada componente de su solución con alternativas si fuera necesario. Esta filosofía de apertura nos interesa mucho más que un ecosistema cerrado como el de Microsoft. A pesar de las innegables cualidades de Microsoft, resulta extremadamente complicado salir de su entorno una vez integrado en él. No queríamos agregar una dependencia adicional a las que ya tenemos.
