À mesure que Digs introduisait de nouvelles capacités d’IA, ses besoins en annotation de données devenaient plus sophistiqués. Ce qui avait commencé par la segmentation des pièces s’est élargi pour inclure l’attribution de noms de pièces, la prise de mesures, l’interprétation des murs et d’autres éléments des plans. Le défi ne consistait pas simplement à étiqueter un plus grand nombre d’images. Digs avait besoin d’une opération d’annotation de données capable de s’adapter à mesure que le produit évoluait, tout en préservant l’uniformité en aval dont dépendaient les constructeurs et les propriétaires.

Trouver un fournisseur d’annotation capable de s’adapter à mesure que le produit évoluait

Digs s’est associé à Uber AI Solutions (UAIS). L’équipe d’UAIS s’est rapidement alignée sur l’environnement technique existant de Digs et sur des flux de travail en évolution, plutôt que de les contraindre à adopter une structure opérationnelle rigide. UAIS a mis sur pied une équipe d’annotation dédiée et a travaillé dans le cadre du processus de révision établi par Digs. À mesure que les exigences changeaient, les flux de travail ont été ajustés progressivement. Ces flux de travail ajustés ont pris en charge les mises en page pivotées, les règles de segmentation mises à jour, la dénomination des pièces, les mesures ainsi que des éléments de plans de plus en plus spécialisés, le tout sans avoir à reconstruire les opérations à partir de zéro.

La collaboration a également permis de combler une lacune de visibilité opérationnelle. Comme les processus d’examen et d’ingestion étaient répartis entre des systèmes distincts, il pouvait être difficile d’identifier rapidement le travail bloqué et les problèmes émergents. UAIS a mis en place des tableaux de bord et des mises à jour Slack automatisées qui mettaient en évidence l’état des files d’attente, les opérations en cours et les éléments bloqués, offrant aux deux équipes une meilleure visibilité au quotidien tout en réduisant la coordination manuelle.

Grâce à son expérience opérationnelle de la gestion de programmes d’annotation complexes et à sa capacité à s’adapter à des exigences changeantes, UAIS a permis à Digs d’élargir son utilisation de données structurées liées à la construction sans créer un nouveau processus interne chaque fois que les exigences en matière d’annotation évoluaient.

Une base évolutive pour des processus de construction propulsés par l'IA

Les systèmes d’IA pour la construction résidentielle dépendent d’une interprétation précise de documents visuels très variés. Développer ces capacités nécessite des processus d’annotation qui peuvent évoluer au même rythme que le produit lui-même.

En collaboration avec Uber AI Solutions, Digs a mis en place un flux de travail fiable d’annotation de plans, capable de s’adapter à l’évolution des exigences, de maintenir la qualité et de passer à l’échelle sur le plan opérationnel, sans ajouter de complexité inutile. Désormais, Digs développe des flux de travail propulsés par l’IA pour l’ère moderne de la construction et de la propriété résidentielles.