CONXAI Technology GmbH se posiciona en la vanguardia del desarrollo de plataformas de inteligencia artificial (IA) dirigidas a la industria de la Arquitectura, la Ingeniería y la Construcción (AEC). La innovadora plataforma tiene como objetivo empoderar a los expertos del sector, facilitando la creación eficiente de casos de uso complejos.
El contexto de los sitios de construcción, que suelen contar con múltiples cámaras de videovigilancia, genera un gran volumen de datos visuales. Aquí, CONXAI aplica IA para analizar estos flujos de imágenes y extraer información relevante. Sin embargo, el cumplimiento de las normativas del GDPR exige que todas las personas que aparecen en las grabaciones sean anonimizadas, lo que se logra mediante enmascaramiento o difuminado de identidades.
La solución más reciente de CONXAI se basa en un modelo de segmentación avanzado, denominado OneFormer, que se aloja en Amazon Web Services (AWS). Este modelo utiliza una variedad de servicios como Amazon Simple Storage Service (S3), Amazon Elastic Kubernetes Service (EKS), KServe y NVIDIA Triton. La oferta de este modelo se realiza en dos modalidades: como “Modelo como servicio” (MaaS), que permite su integración a través de una API, y como “Software como servicio” (SaaS), que proporciona un tablero de control intuitivo para gestionar cámaras, revisar grabaciones y garantizar el cumplimiento del GDPR con la anonimización automática.
Este modelo de IA ha sido afinado con un conjunto de datos propio que incluye más de 50,000 imágenes etiquetadas automáticamente en sitios de construcción, lo que le confiere una precisión significativamente superior a otras soluciones. Su capacidad para reconocer más de 40 categorías de objetos especializados, tales como grúas, excavadoras y aseos portátiles, lo convierte en una herramienta valiosa para la industria.
La historia de CONXAI comenzó con una pequeña compañía de nube que, a pesar de ofrecer precios competitivos en GPUs, carecía de servicios esenciales para aplicaciones de aprendizaje automático. La migración a AWS fue un paso crucial, ya que les permitió acceder a un robusto ecosistema, iniciando con el despliegue de un único contenedor de IA en una instancia de Amazon EC2, y evolucionando a una arquitectura más escalable.
Una de las razones principales por las que eligieron AWS fue la experiencia previa del equipo con esta plataforma y los créditos iniciales que les ofreció, lo que resultó ser inestimable para el crecimiento de la startup. Actualmente, CONXAI se apoya extensamente en los servicios gestionados de AWS, de modo que pueden disminuir la carga de mantenimiento y pagar únicamente por lo que realmente utilizan.
Para mantener la independencia respecto a la nube, utilizaron Kubernetes, lo que permite desplegar su stack en el sitio del cliente, facilitando así el aprendizaje federado. Este enfoque garantiza que solo los parámetros del modelo se transfieran a la nube, evitando el manejo de información sensible.
El desarrollo y optimización de su nueva arquitectura tomaron entre dos y tres meses, mientras que la mejora continua del modelo, que implica el entrenamiento con datos más precisos, requiere entre 3 y 4 semanas en una única GPU. La implementación es completamente automatizada, utilizando pipelines de CI/CD en GitLab, Terraform y Helm, lo que permite realizar despliegues sin tiempo de inactividad en menos de una hora.
Con la transición a AWS y la implementación de su modelo OneFormer, CONXAI ha alcanzado un uso de GPU superior al 90% y ha minimizado casi a cero los errores de procesamiento. Separar el modelo del código de pre y post-procesamiento ha sido una decisión clave en su diseño para lograr tan alta eficiencia.
Los planes futuros de CONXAI incluyen utilizar los resultados del modelo para análisis avanzado y ciencia de datos, además de desarrollar características de IA generativa. También prevén la inclusión de un etiquetado más diverso de imágenes y expandir el entrenamiento del modelo con nuevas clases específicas de la construcción, con un ciclo de mejora continua en colaboración estrecha con expertos de AWS para optimizar el uso de los chipsets AWS Inferentia.
