Klimato kaita didina nuotekų gedimų riziką, greitį ir kainą. Potvyniai tampa vis dažnesni, todėl susidaro atsarginės kopijos, kurios dažnai užvaldo nuotekų valymo sistemas. Problemą dar labiau apsunkina tai, kad Amerikos infrastruktūra yra labai pasenusi; EPA apskaičiavo, kad norint per ateinančius 20 metų tiesiog prižiūrėti esamus nuotekų, lietaus nuotekų ir kitus švaraus vandens vamzdynus, reikia investuoti beveik 700 milijardų dolerių.

Matthew Rosenthal ir Billy Gilmartin, kurie abu yra kilę iš nuotekų valymo pramonės, matė galimybę padėti išspręsti šią problemą su technologijomis – bent jau nedideliu būdu. Prieš penkerius metus pora bendrai įkūrė „SewerAI“, kuri naudoja dirbtinį intelektą, kad automatizuotų duomenų surinkimo ir defektų žymėjimo tipus, kurie sudaro kanalizacijos patikrinimą.

„Dauguma infrastruktūros buvo pastatyta po Antrojo pasaulinio karo ir baigiasi jos naudingo tarnavimo laikas, todėl gedimai dažniau ir didėja išlaidos“, – „TechCrunch“ sakė Rosenthal. „SewerAI iš esmės keičia požeminės infrastruktūros tikrinimą ir valdymą, naudodama AI pagrįstą programinės įrangos kaip paslaugos platformą.

SewerAI prasidėjo kaip Rosenthal šalutinis projektas; jis pradėjo lankyti internetinius AI kursus po to, kai kartu įkūrė dvi nuotekų analizės ir paslaugų įmones. Eksperimentuodamas su dirbtinio intelekto modeliais, kad numatytų kanalizacijos defektus tikrinimo vaizdo įrašuose, Rosenthal įdarbino Gilmartiną, kuris tuo metu dirbo kanalizacijos tikrinimo įmonėje.

Šiandien „SewerAI“, kurios klientai apima savivaldybes, komunalines paslaugas ir privačius rangovus, parduoda debesies pagrindu veikiančius, dirbtinio intelekto pagrindu veikiančius prenumeratos produktus, skirtus supaprastinti kanalizacijos infrastruktūros patikrinimus ir duomenų valdymą.

Vienas iš šių produktų, „Pioneer“, leidžia lauko inspektoriams įkelti tikrinimo duomenis į debesį ir pažymėti problemas – duomenis, kuriuos projektų vadovai gali naudoti planuodami vamzdžių pataisas. Kitas įrankis „AutoCode“ automatiškai pažymi vamzdžių ir šulinių patikrinimus, sukurdamas 3D infrastruktūros modelius iš vaizdo įrašų, užfiksuotų „GoPro“ ar kita kamera.

„Senoviniai operatoriai siūlo vietoje arba sunkvežimiuose įdiegtą programinę įrangą, kuri per pastaruosius 20 metų buvo labai mažai naujovių“, – sakė Rosenthal. „SewerAI technologija padidina viršutinę ir apatinę eilutes, suteikdama daugiau patikrinimų per dieną už mažesnę kainą.”

„SewerAI“ nėra vienintelė besiformuojančioje DI vamzdžių tikrinimo rinkoje. Tarp bendrovės konkurentų yra „Subterra“, kuri nustato, analizuoja ir prognozuoja vamzdynų problemas; „Clear Object“, kuri siūlo programinę įrangą, analizuojančią vamzdžių patikrinimų filmuotą medžiagą, ar nėra pažeidimų; ir Pallon, kuri kuria algoritmus, leidžiančius iš nejudančių vaizdų nustatyti galimas kanalizacijos problemas.

Rosenthal teigia, kad „SewerAI“ išskiria jo duomenų kokybė, ypač modelio mokymo duomenų kokybė. Rosenthal teigia, kad SewerAI turi 135 milijonų pėdų vamzdžių patikrinimų filmuotą medžiagą iš savivaldybių ir nepriklausomų rangovų. Nors tai tik dalis 6,8 milijardo pėdų kanalizacijos vamzdžių JAV, tai pakankamai didelis duomenų rinkinys, kad būtų galima parengti konkurencingą defektų aptikimo AI, sako Rosenthal.

„Mūsų produktai supaprastina lauko patikrinimus ir duomenų valdymą, todėl klientai gali aktyviai valdyti infrastruktūrą, o ne reaguoti į ekstremalias situacijas“, – sakė Rosenthal.

„SewerAI“ pardavimų pasiūlymas laimėjo tokius investuotojus kaip „Innovius Capital“, kuris kartu su kitais skyrė 15 mln. USD paskutiniam „SewerAI“ lėšų rinkimo etapui. Padidinus „SewerAI“ bendrą sumą iki 25 mln. USD, pinigai bus skirti rinkos plėtrai, dirbtinio intelekto modelių mokymui, „SewerAI“ produktų asortimento samdymui ir išplėtimui ne tik tikrinimo įrankiais.

„SewerAI toliau auga, o mūsų platformos paklausa spartėja, nes leidžiame žmonėms nuveikti daugiau su esamu biudžetu, todėl nutraukėme pirmąsias septynių skaitmenų sutartis“, – sakė Rosenthal.