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

Chris Nielsen er grundlægger og administrerende direktør i Levatas. Levatas udvikler end-to-end AI-løsninger, maskinlæringsmodeller og menneske-i-løkkesystemer, der giver virksomhederne en ekstra gevinst, når det kommer til automatisering af visuel inspektion.

Levatas og dens patenterede maskinlærningsteknologi, Cognitive Inspection Platform™, automatiserer fuldstændigt industrielle inspektioner for deres globale, markedsledende kunder. Cognitive Inspection Platform™ integrerer med avancerede robotter, kameraer og droner samt forudindlærte eller brugerdefinerede ML-inspektionmodeller for at levere end-to-end-automatisering af industrielle inspektionsscenarier.

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

Kan du fortælle om Levatas’ oprindelseshistorie og hvordan det hele startede, da du mistede dit job i et softwarefirma?

Tilbage i 2006 arbejdede jeg i salg for et softwarefirma, der fokuserede på hvidmærket anti-malware-software til store teleselskaber. Mens jeg havde denne stilling, 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 svært ved at klare sig, og senere samme år blev jeg fyret sammen med mange andre medarbejdere.

Fra denne oplevelse tog jeg mine grundlæggende digitale designfærdigheder – og en positiv iværksætterholdning – og startede med at tilbyde mine tilpassede software-design- og udviklingstjenester til lokale virksomheder i Sydflorida. Så begyndte det at ske. En lille forretningskunde henvisede mig til en medium-stor kunde, og mine nye kunder 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 inden for digital design. Vi blev hurtigt en altmuligdig digital agentur, der byggede alt fra websites til e-commerce-platforme, backend-softwareintegrationer – ja, selv digital markedsføringstjenester.

Levatas var oprindeligt en almindelig digital agentur, kan du fortælle om, hvordan Levatas gik over til at fokusere på AI?

Mens agenturens almindelige, køkken-sink-tilgang var god til at øge indtjeningen, erkendte vi, at det ville være svært at opretholde kvalitet og konsistens, når tilbudene udvidede sig. Vi besluttede at snævre vores fokus; vi gik væk fra design- og udviklingstjenester og fokuserede udelukkende på kunstig intelligens og maskinlæringsløsninger.

Det kan synes som et stort spring – fra en digital agentur, der tilbyder konsulenttjenester, til at udvikle en enterprise-SaaS-løsning, der fokuserer på maskinlæring – men det var faktisk en naturlig og organisk overgang.

Vi havde arbejdet med nogle af verdens største virksomheder, hvor vi byggede brugerdefinerede digitale løsninger baseret på deres data og baggrundssystemer. På tværs af multiple platforme og brancher fik vi øje på klare og konsistente 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 konsulentvirksomhed til AI/ML-softwareproduktudvikling. Det var det rigtige træk.

Hvad var det afgørende øjeblik, hvor det blev besluttet, at Levatas skulle fokusere på maskinperception ved hjælp af både naturlig sprogbehandling og computerseende i stedet for 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 intelligente mennesker på Levatas-holdet. Det var min forretningspartner og CTO, Daniel Bruce, der satte visionen for Levatas til at fokusere på computerseende-løsninger. Så skærpede han visionen yderligere til “automatisering af industrielle inspektioner”.

Min første tanke var, at dette ville være for snævert et niche, og at vi måske ikke ville kunne finde nok kunder til at opfylde vores forretningsvækst-mål. Jeg kunne ikke have taget fejl mere. Det viste sig, at dette er et helt marked i sig selv, fuldt af store globale virksomheder, der har brug for præcis, hvad vi byggede.

Hvad mere er, der er et hurtigt voksende felt af avanceret datafangst-hardwareproducenter – navnlig robotter, droner, kameraer, IoT-sensorer osv – der også søger efter de løsninger, vi byggede på Levatas. Denne virksomhedsændring skete i to nogenlunde distinkte 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 fra professionelle tjenester til den nye softwareproduktudviklingsforretningsmodel, som er, hvem vi er i dag.

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

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

Ikke kun er de i gang med at skabe verdens mest avancerede og kapable dynamiske mobile robotter, men de er også bare gode mennesker at arbejde med. Det er bundlinjen, at Spot-robotterne kommer ‘ud af billedet’ med markedsledende 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, så de kan forstå, hvad de ser, og hvordan de skal reagere på fundene. Mens Spot-robotterne er i stand til mange ting, finder vi ofte os selv i at deployere dem i sikkerheds-, sikkerheds- og forebyggende vedligeholdelsesscenarier. Disse scenarier er ikke specifikke for en enkelt branche, men vi ser en stor efterspørgsel i el-, olie- og gas-, og fabrikationsområderne sammen med Boston Dynamics.

Hvorfor er analog gauge-læsning så stor en udfordring for fabrikanter?

Man ville ikke tro, at analog gauge-læsning er et særligt spændende område for innovation. Men for de professionelle, 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 gauger, der overvåger forskellige industrielle maskiner. Lige nu må personale konstant overvåge disse gauger (manuelt) for at sikre facilitetens uptime og produktivitet. Mens digitale gauger er tilgængelige, opererer mange faciliteter med arvet udstyr, der er designet til at vare i årtier. Det kan koste millioner af dollars at sensorisere tusinder af stykker maskineri. Det er også super dyrt at have utroligt intelligente og kapable mennesker tilbringe deres dage med at gå rundt på faciliteterne for at læse og rapportere om disse analoge gauger. Ikke kun er manuel overvågning højst ineffektivt, men det kan også let blive forsinket på grund af arbejdskraftmangel og 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 faciliteterne på en fastlagt skema, udføre disse inspektioner autonomt ved hjælp af Levatas-software. At deployere en robot introducerer en ny niveau af konsistens, pålidelighed og nøjagtighed i denne type datafangst. Det frigør også de menneskelige medarbejdere til at bruge deres tid på værdifulde opgaver for virksomheden – gøre arbejde, der kun kan gøres af et menneske.

Hvordan løser Levatas dette problem med autonom teknologi?

Enkelt sagt: en industri-løsning, der kræver manuel menneskelig operation, tilbyder lidt til ingen ROI. Vores kunder vil ikke købe det. Derfor giver alle vores hardware-partnere løsninger med fuld autonomi. Deres enheder opretter inspektionsskemaer, kører inspektionmodeller og vender tilbage til deres strømkilder for at genoplade – alt på en løkke.

Menneskelige arbejdere vil stadig holde øje på disse automatiserede løsninger, sikre, at de fungerer, som de skal. 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 konsistent reducere den tid, som mennesker bruger på overvågningsrelaterede opgaver, mens menneskelige arbejdere stadig holder beslutningsmagten.

Hvad er nogle andre brugsscenarier for Levatas?

Ud over analog gauge-detektion og -læsning tilbyder vi også termisk anomali-detektion, person-detektion, robot-kollision undgåelse, sikkerheds-overholdelses-overvågning og en række inspektionmodell-kapaciteter baseret på ændrings-detektion maskinlæring. Når vores kunder har behov, der ikke er dækket af vores eksisterende “fra hylden” inspektionmodeller, har vi et hold, der arbejder med kunden for at udvikle brugerdefinerede løsninger.

Mens vi er begejstrede for vores arbejde med at deployere Spot-robotter, kan de automatiserede inspektionløsninger fra Levatas også deployes på droner, kamera-netværk og integreres med enhver anden type datafangst-enheder – som f.eks. 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 kodning?

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

Siden det øjeblik, hvor jeg tog det første spring, har Levatas været alt om holdet og om at bygge dette 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 manglende tekniske evner ikke været et stort hinder, da vi voksede virksomheden.

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

Vi har lige afsluttet vores seed-runde kapitaltilførsel tidligere i år, hvilket effektivt fylder raketen op med brændstof. Vores løsninger ser validering i markedet med vores fantastiske enterprise-kunder, og vores pipeline er ved at vokse for hver dag på dette tidspunkt. Nogle spændende nye kunde-annonceringer vil være på vej i de kommende 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.