La empresa alemana CONXAI Technology GmbH ha surgido como un pionero en el desarrollo de plataformas de inteligencia artificial específicamente diseñadas para la industria de la Arquitectura, Ingenierías y Construcción (AEC). Su enfoque innovador promete transformar el modo en que los expertos del sector optimizan sus procesos, gracias a una herramienta que permite crear casos de uso complejos de manera eficiente.
La gestión de los sitios de construcción, a menudo, requiere lidiar con grandes volúmenes de datos visuales provenientes de múltiples cámaras de videovigilancia. Aquí es donde interviene la IA de CONXAI, capaz de analizar estas corrientes de imágenes y extraer información valiosa. Para cumplir con las estrictas normativas del Reglamento General de Protección de Datos (GDPR), se han implementado técnicas de anonimización que aseguran el enmascaramiento o difuminado de cualquier identidad capturada en las grabaciones.
El corazón de esta solución es un modelo de segmentación avanzado denominado OneFormer, que se ejecuta en la plataforma de servicios en la nube de Amazon Web Services (AWS). Al aprovechar recursos como Amazon Simple Storage Service (S3), Amazon Elastic Kubernetes Service (EKS), KServe y NVIDIA Triton, CONXAI ofrece dos modalidades: «Modelo como servicio» (MaaS) para integración vía API, y «Software como servicio» (SaaS) que incluye un panel de control intuitivo para la gestión de cámaras y revisión de grabaciones, asegurando la conformidad con el GDPR.
El modelo OneFormer ha sido afinado con un conjunto de datos propietario que comprende más de 50,000 imágenes etiquetadas automáticamente, adquiridas en diversos entornos de construcción. Esto le otorga una precisión excepcionalmente alta en el reconocimiento de más de 40 clases de objetos especializados dentro del sector, desde grúas hasta aseos portátiles.
CONXAI comenzó su andadura tecnológica empleando un proveedor de nube más pequeño, lo cual, aunque era económicamente accesible en cuanto a GPU, carecía de los servicios esenciales para el aprendizaje automático. La transición a AWS ha facilitado un acceso a una infraestructura más robusta, permitiendo escalar y mejorar los procesos eficientemente. Uno de los factores determinantes para esta migración fue la experiencia previa del equipo con AWS y los créditos iniciales que la plataforma les proporcionó.
Adicionalmente, para preservar cierta independencia respecto a proveedores de nube, CONXAI optó por implementar Kubernetes, posibilitando el despliegue del sistema directamente en el borde, como los propios sitios de construcción. Este enfoque no solo favorece la autonomía, sino que también allana el camino hacia el aprendizaje federado, donde el entrenamiento del modelo sucede localmente y solo se transfieren a la nube los ajustes necesarios, protegiendo así los datos sensibles.
La creación de una arquitectura escalable adecuada y la optimización de costes tomaron entre dos y tres meses, mientras que el mejoramiento continuo del modelo, permanente y perfeccionado con datos etiquetados más precisos, exige entre tres y cuatro semanas utilizando una sola GPU. Todo el ciclo de implementación está completamente automatizado a través de pipelines en GitLab, Terraform y Helm, permitiendo actualizaciones sin interrupciones en menos de una hora.
Gracias a estos avances, CONXAI ha conseguido maximizar el uso de GPU hasta alcanzar más del 90% y reducir casi a cero los errores de procesamiento. La división del modelo de los códigos de pre y post-procesamiento ha sido crucial para incrementar la eficiencia y rendimiento de la solución.
De cara al futuro, CONXAI planea emplear los resultados del modelo en análisis avanzados y en la ciencia de datos, considerando también la posibilidad de integrar funciones de IA generativa. Además, se plantea profundizar en la colaboración con AWS para optimizar el uso de su tecnología de chipsets AWS Inferentia, y continuar expandiendo su modelo para abarcar más clases dentro del espectro de la industria de la construcción.
