Para la construcción de Vinci, la selección de licitaciones más adecuadas para la estrategia de su unidad comercial es un paso crucial. Este paso es de hecho esencial para lograr objetivos comerciales, pero es particularmente el tiempo. Por estas diversas razones, los equipos de marketing y datos del grupo de construcción e ingeniería civil han desarrollado una solución previa a la selección para estas llamadas para licitaciones por IA.

"En la Ruta de la División de Francia por la que trabajo", dijo Pierre Monlucq, director de marketing estratégico, Vinci Construction, durante el espectáculo Big Data & IA 2024 en París, informa un proyecto alrededor de 300,000 euros. Sin embargo, la facturación anual de cada una de las 130 unidades de negocios del grupo es de entre 25 y 50 m €. Por lo tanto, debemos estudiar entre 100 y 300 casos por año para llegar a él ”. Último parámetro de la ecuación: el análisis y la preestimación de una llamada para licitaciones duran entre 4 y 6 semanas.

Un proyecto dirigido por la Ruta de la División de Francia

Fue precisamente la División de Ruta de Francia la que trajo la idea del proyecto, luego su implementación. Entre otras cosas, se ocupa de sitios de carreteras, como calles, estacionamientos o espacios e infraestructura de transporte, como autopistas o aeropuertos. Con sus tres oficios (obras, producción industrial, materiales y reciclaje), esta división logra € 5 mil millones en facturación para 19,000 empleados. Para seleccionar una llamada para licitaciones a las que podría unirse, desactiva un proceso de tres pasos. Investigación sobre plataformas de llamadas públicas o privadas, preanálisis y preestimación, y finalmente análisis y costos detallados. "Es para la segunda fase que el uso de IA es el más interesante", dijo Pierre Monlucq, "porque es la más larga. Debemos informar las licitaciones en una mesa, luego extraer los diferentes campos que necesitamos. Finalmente, los jefes de agencia deciden de esto, lo que requiere que las ofertas estudien de acuerdo con su estrategia".

Pierre Monlucq, director de marketing estratégico Vinci Construction (en G), y Victorien Melot, gerente de IA de Vinci Construction (en D), con motivo de Big Data & IA 2024, en París. (Foto ed)

Con Select, las llamadas de licitaciones se presentan en la plataforma para que la IA en datos extremos de 24, como el nombre del cliente, el de la autoridad contratante, la de la oficina de diseño, el lugar donde el trabajo, el plazo de respuesta, el método de pago, etc. se llevará a cabo. Una operación que solo dura unos segundos en unos treinta minutos con el método clásico. Luego, la IA realiza una preconestación del interés del llamado a las licitaciones al operar la base de documentos antiguos que tiene la compañía. Una base que es rica en cantidad y calidad de datos, si creemos en la construcción de Vinci. Por lo tanto, la solución proporciona información más rápida más relevante a los gerentes de agencias para priorizar las licitaciones a las que elegirán responder. "Lo que es más", insistió Pierre Monlucq, "cuando hemos procesado todos nuestros archivos a través de Select, tendremos visibilidad en el mercado a la que es accesible para nosotros. Lo que no necesariamente no tenemos antes".

Enseñar reglas comerciales en el algoritmo

El proyecto tuvo lugar durante 20 meses en 4 fases sucesivas de encuadre, incubación, industrialización y implementación. Estuvo incubado durante 6 meses en el Programa de Innovación e Innovación Leonard del Grupo Vinci, antes de ser industrializado y desplegado. El encuadre se llevó a cabo de entrevistas en agencias, como Victorien Melot, dijo el gerente de IA de Vinci Construction. "Esto hizo posible tomar conciencia de las limitaciones de tiempo y tener en cuenta todas las reglas comerciales para integrarse en el algoritmo. Es por eso que es importante que nuestros científicos de datos sean, por supuesto, expertos en desarrollo de Python, pero que también todos tienen habilidades funcionales".

Cuando se selecciona una iniciativa para el programa Leonard, como fue el caso con Select, el grupo pone a una persona disponible para los equipos durante 6 meses. La idea inicial se desarrolla con los expertos de Leonard, que estimarán a su rey. Al final de la incubación, el equipo se va con un prototipo funcional y puede industrializarse con su CIO local. La financiación del grupo Vinci ayuda a mitigar los riesgos asociados.

Un prototipo de código bajo, luego un piloto en .net

"La tercera fase, la de la industrialización, consiste en desarrollar un piloto del prototipo realizado en código bajo en la nube desde un paquete de Python durante la incubación", continuó Melot Victorian. "La solución se reurbanizó en .NET y Angular. Hemos agregado una base SQL para los registros y los resultados de ejecución del algoritmo AI para seguir el rendimiento, luego escribimos scripts de implementación". Si bien las fases de incubación han involucrado a los científicos de datos técnicos funcionales y gerentes comerciales, para la industrialización, fueron los ingenieros de datos y DevOps quienes trabajaron con gerentes de productos comerciales.

"Comenzamos el proyecto antes del Boom des Grands LLM", dijo Victorien Melot. Durante 6 meses, trabajamos con modelos de código abierto, con muchas reglas comerciales para identificar el lugar en el documento donde el gerente del proyecto estaba, por ejemplo. Luego llegó Chatgpt, y nos dimos cuenta de que todo lo que habíamos hecho se volvió mucho más simple. Pero poco menos de dos años, para un proyecto de computadora, sigue siendo razonable. "

800 usuarios y más de 5.400 licitaciones presentadas

Los líderes de la agencia fueron capacitados en la solución, y 800 empleados ya lo operaron en 124 agencias de 133. "Más de 370 personas ya han hecho una llamada para licitaciones", completó Pierre Monlucq. "En total, se presentaron más de 5.400 licitaciones allí". El par también anunció con orgullo la nota de satisfacción de 7.34 de 10 datos de 115 usuarios anónimos. "Select hizo posible extraer alrededor de 19 campos de los 24 en cuestión en el 80% de las licitaciones", dijo Victorien Melot. "¡Y el tiempo promedio de análisis ahora es solo 35 segundos contra media hora"!

Los resultados que llevan a los dos gerentes de proyecto a considerar la continuación, como la adaptación a otros oficios u otras divisiones. Gourmands, los usuarios también exigen más ayuda en la fase de estudio, incluso para escribir recuerdos técnicos.