Chris Nielsen, grundlægger og administrerende direktør for Levatas – Intervju-serie

Chris Nielsen er grundlægger og administrerende direktør for Levatas. Levatas opbygger end-to-end AI-løsninger, machine learning-modeller og menneske-i-løkkesystemer, der superchargerer måden, virksomheder automatiserer visuel inspektion.

Levatas og dens patenterede machine learning-teknologi, Cognitive Inspection Platform™, fuldt automatiserer industrielle inspektionprogrammer for deres globale, markedsledende kunder. Cognitive Inspection Platform™ integrerer med avancerede robotter, kameraer og droner samt forudindlærte eller brugerdefinerede ML-inspektionmodeller til at levere end-to-end-automatisering for industrielle inspektionsscenarier.

Med hovedsæde i Sydflorida betjener Levatas både det regionale og globale marked, og arbejder med branchens ledende kunder som BMW, AB InBev, Dow Chemical, Boston Dynamics, Praxair, Johnson Controls, NextEra Energy/FPL, Ryder, Royal Caribbean, PGA of America, Carrier, G4S, HSBC og mange flere.

Kunne du diskutere Levatas’ oprindelseshistorie og hvordan det opstod fra, at du mistede dit job på et softwarefirma?

Tilbage i 2006 arbejdede jeg i salg for et softwarefirma, der fokuserede på hvidmærket anti-malware-software til store teleselskabskunder. Mens jeg havde denne rolle, udviklede jeg en proces til at designe mockups af softwaren, der hjalp mig med at lukke flere aftaler. Jeg gjorde det godt, men firmaet havde selv svært ved at klare sig. Senere samme år blev jeg fyret sammen med mange medlemmer af teamet.

Fra denne oplevelse tog jeg mine rudimentære digitale designfærdigheder – og en positiv iværksætterattitude – og startede med at tilbyde mine tilpassede software-design- og udviklingstjenester til lokale virksomheder i Sydflorida. Så begyndte det at sno sig. En lille virksomhedskunde henvisede mig til en medium-stor kunde, og mine nye konti begyndte at blive større og større. Da flere henvisninger strømmede ind fra tilfredse kunder, måtte jeg begynde at ansætte udviklingsprofessionelle for at følge med væksten i virksomheden og vores udvidelse til digital design. Vi blev hurtigt en jack-of-all-trades digital agentur, der byggede alt fra websites til e-commerce-platforme, backend-softwareintegrationer – selv digital markedsføringstjenester.

Levatas var oprindeligt en almindelig digital agentur, kunne du diskutere, hvordan Levatas derefter gik over til AI?

Selvom agenturens almindelige, køkken-sænk-tilgang var godt for at øge indtægterne, erkendte vi, at det ville være svært at opretholde kvalitet og konsekvens, når tilbudspakken udvidede sig. Vi besluttede at snævre vores fokus; gå væk fra design- og udviklingstjenester og fokusere udelukkende på kunstig intelligens og machine learning-løsninger.

Selvom det kan synes som et stort spring – fra en digital agentur, der tilbyder konsulenttjenester til at bygge en virksomheds SaaS-løsning fokuseret på machine learning – var det faktisk en naturlig og organisk overgang.

Vi havde arbejdet med nogle af verdens største virksomheder, bygget brugerdefinerede digitale løsninger baseret på deres data og bag-scene-systemer. På tværs af multiple platforme og brancher fik vi øje på klare og konsekvente teknologiske huller, der for os så ud som markedsmuligheder. Til sidst besluttede vi at bygge løsninger og produkter for at udfylde disse huller, og i 2020 skiftede Levatas officielt fra professionelle tjenester og konsulentsvirksomhed til AI/ML-softwareproduktudvikling. Det var det rigtige træk.

Hvad var det afgørende øjeblik, da det blev besluttet, at Levatas skulle fokusere på maskinperception ved at bruge både naturlig sprogbehandling og computer vision versus at være en almindelig AI-virksomhed?

Som en ikke-teknisk grundlægger af et avanceret teknologifirma er jeg blevet god til at lytte til de utroligt smarte mennesker på Levatas-holdet. Det var min forretningspartner og CTO, Daniel Bruce, der satte visionen for Levatas til at fokusere på computer vision-løsninger. Så skærpede han visionen yderligere til “at automatisere industrielle inspektionssystemer”.

Min første tanke var, at dette ville være for lille en niche, og at vi måske ikke ville finde nok kunder til at opfylde vores forretningsvækstmaål. Jeg kunne ikke have været mere forkert. Det viste sig, at dette er et helt marked i sig selv, fuldt af store globale virksomheds-kunder, der har brug for præcis det, vi byggede.

Hvad mere er, der er et hurtigt udvidende felt af avanceret datafangst-hardwareproducenter – navnlig: robotter, droner, kameraer, IoT-sensorer osv – der også søger efter de løsninger, vi byggede på Levatas. Dette virksomheds-skift skete i to noget adskilte faser over de sidste 5-6 år. Den første fase så os skifte fra generelle digitale transformationskonsulenter til en AI/ML-specialisering (men stadig som konsulenter). Den endelige fase af vores evolution så os skifte ud af professionelle tjenester og ind i den nye softwareproduktudviklingsforretningsmodel, som er, hvem vi er i dag.

Levatas har samarbejdet med en af de mest spændende virksomheder i robotterne – Boston Dynamics – Kan du dele nogle detaljer om dette samarbejde?

Ærligt talt, har det været svært for mig at tale om vores Boston Dynamics-samarbejde uden at lyde som en total fanboy. [laughs] Det sagde, har det at arbejde sammen med folkene og Spot-robotterne fra Boston Dynamics været en af de mest personligt og professionelt tilfredsstillende ting, jeg nogensinde har gjort. Mit hold føler det samme.

Ikke kun skaber de verdens mest avancerede og kapable dynamiske mobile robotter, men de er også bare gode mennesker at arbejde med. Det er, hvad der betyder noget. Spot-robotterne kommer ‘ud af æsken’ med markedslædende atletisk intelligens og fysisk kapacitet. Hvad de stadig mangler, er “på-arbejdsplads”-træning af en slags, der giver dem mulighed for at forstå deres omgivelser fra et kognitivt intelligensstandpunkt. Det er, hvor Levatas kommer ind.

Vores industrielle inspektionmodeller og Cognitive Inspection Platform giver Spot-robotterne mulighed for at inspicere kritiske elementer af vores kunders faciliteter, hvilket giver dem mulighed for at forstå, hvad de ser, og hvordan de skal reagere på basis af resultaterne. Mens Spot-robotterne er i stand til så mange ting, finder vi ofte os selv deployerende dem i sikkerheds-, sikkerheds- og forebyggende vedligeholdelsesscenarier. Disse scenarier er ikke specifikke for en enkelt branche, men vi ser en stor efterspørgsel i den elektriske utility-, olie- og gas-, og fabrikationsbrancher sammen med Boston Dynamics.

Hvorfor er analog viser-læsning så stor en smerte for fabrikanter?

Du ville ikke tro, at analog viser-læsning er et særligt spændende område for innovation. Men for de fagfolk, der er ansvarlige for at operere, vedligeholde og levere output fra disse faciliteter, er det en stor sag.

En given industrielle facilitet kan have tusinder af analoge visere, der overvåger forskellige industrielle udstyr. Lige nu må personale konstant overvåge disse visere (manuelt) for at sikre facilitetens op-tid og på-mål-produktivitet. Mens digitale visere er tilgængelige, opererer mange faciliteter med arvet udstyr, der er designet til at vare i årtier. At sensorisere tusinder af stykker maskineri kan koste millioner af dollars. Det er også super dyrt at have utroligt intelligente og kapable mennesker tilbringe deres dage, hver dag, med at gå rundt på faciliteten for at læse og rapportere om disse analoge visere. Ikke kun er manuel overvågning højst ineffektivt, men det kan også let blive forsinket, når der er mangel på arbejdskraft og andre mere presserende vedligeholdelsesansvar. Og hvis udstyret fejler, fordi det ikke kontrolleres så ofte, kan det føre til endnu dybere problemer.

I modsætning hertil kan en mobil robot gå rundt på faciliteten på en fastlagt skema, udføre de samme inspektioner autonomt ved hjælp af Levatas-softwaren. At deployere en robot introducerer næste niveau af konsekvens, pålidelighed og nøjagtighed med denne type datafangst. Det frigør også de menneskelige medarbejdere til at bruge deres tid på højere-værdi-opgaver for virksomheden – at udføre arbejde, der kun kan gøres af et menneske.

Hvordan løser Levatas dette problem med autonome teknologier?

Ladt sagt: en industri-løsning, der kræver manuel menneskelig operation, tilbyder lidt til ingen ROI. Vore kunder vil ikke købe det. Det er derfor, alle vores hardware-partnere tilbyder løsninger med fuld autonomi. Deres enheder opretter inspektionsskemaer, kører inspektionmodellerne og returnerer til deres strømkilder for at genopladde – alt på en løkke.

Menneskelige arbejdere vil stadig holde øje med disse automatiserede løsninger, sikre, at de fungerer, som de skal. Meget ligesom en junior-medarbejder, der er i træning, er AI endnu ikke nøjagtig nok til at gøre den perfekte analyse og beslutning hver gang. Vi designer vores teknologi til at genkende, når det skal bringe et menneske ind i processen for at hjælpe med at træffe den rigtige beslutning. I vores felt kalder vi dette “menneske-i-løkken”-arbejdsgang, og det er en del af Levatas-platformen. Overordnet set er målet at konsekvent reducere den tid, mennesker bruger på overvågningsrelaterede opgaver, mens menneskelige arbejdere stadig holdes informeret og altid har beslutningsmagt.

Hvad er andre brugsområder for Levatas?

Ud over analog viser-detektion og -læsning tilbyder vi også termisk anomali-detektion, person-detektion, robot-kollisionsundgåelse, sikkerheds-overholdelses-overvågning og en række inspektionmodell-kapaciteter baseret på ændrings-detektion machine learning. Når vores kunder har behov, der ikke er opfyldt af vores eksisterende “af-the-shelf”-inspektionmodeller, har vi et team, der arbejder med kunden for at udvikle tilpassede løsninger.

Mens vi er begejstrede for vores arbejde med at deployere Spot-robotterne, er de automatiserede inspektionløsninger fra Levatas også deployeret på droner, kamera-netværk og kan integreres med enhver anden type datafangst-enheder – såsom industrielle IoT-sensorer.

Kunne du diskutere nogle af udfordringerne ved at lancere en AI-virksomhed uden at være super-teknisk og ikke at kende til, hvordan man coderer?

Jeg har altid afhængigt af mit hold af utroligt smarte udviklere til at få jobbet gjort og til at guide os ned ad de rigtige teknologiske strategier. Da det kom til at starte virksomheden, synes jeg, at jeg havde den rigtige blanding af “kan-gøre”-attitude, en positiv udgangspunkt og iværksætterånden, der fik mig til at tage det første spring.

Lige siden øjeblikket med det første spring i den dybe ende har Levatas været alt om holdet og bygning det sammen. For at sige det kort, takket være holdet, jeg lykkedes at bygge omkring mig i de tidlige dage (og til denne dag), har min personlige mangel på teknisk evne ikke været et stort hindringsskridt, da vi voksede virksomheden.

Er der noget andet, du gerne vil dele om Levatas?

Vi har lige afsluttet vores seed-runde kapitalindsamling tidligere i år, og har således fyldt op den raketraket med brændstof. Vore løsninger ser markedsværdi hos vores fantastiske enterprise-kunder, og vores pipeline er ved at vokse dag for dag på dette tidspunkt. Nogle spændende nye kunde-annonceringer vil komme ud i de næste få måneder, og vi vil annoncere nogle verdensførste produktfunktioner senere i år. Hold øje!

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Levatas.