Chris Nielsen, Oprichter en CEO van Levatas – Interview Serie

Chris Nielsen is de oprichter en CEO van Levatas. Levatas bouwt end-to-end AI-oplossingen, machine learning-modellen en human-in-the-loop-systemen die de manier waarop bedrijven visuele inspectie automatiseren, superchargeren.

Levatas en zijn gepatenteerde machine learning-technologie, het Cognitive Inspection Platform, automatiseren volledig industriële inspectieprogramma’s voor hun mondiale, marktleidende klanten. Het Cognitive Inspection Platform integreert met geavanceerde robots, camera’s en drones, evenals vooraf getrainde of aangepaste ML-inspectiemodellen om end-to-end-automatisering te bieden voor industriële inspectiegevallen.

Gevestigd in Zuid-Florida, serveert Levatas zowel de regionale als de mondiale markt, samenwerkend met industrieleidinggevende klanten zoals BMW, AB InBev, Dow Chemical, Boston Dynamics, Praxair, Johnson Controls, NextEra Energy (NEE ) /FPL, Ryder, Royal Caribbean, PGA of America, Carrier, G4S, HSBC en meer.

Kunt u de oorsprong van Levatas bespreken en hoe het ontstond uit uw ontslag bij een softwarebedrijf?

Terug in 2006 werkte ik in de verkoop voor een softwarebedrijf dat zich richtte op witlabel-antimalware-software voor grote telecommunicatieklanten. Terwijl ik in die rol was, ontwikkelde ik een proces voor het ontwerpen van mockups van de software die me hielp om meer deals te sluiten. Ik deed het goed, maar het bedrijf zelf had het moeilijk. Later dat jaar werd ik ontslagen, samen met veel leden van het team.

Vanuit die ervaring nam ik mijn rudimentaire digitale ontwerpcapaciteiten – en een positieve ondernemingsgeest – en begon ik mijn aangepaste software-ontwerp- en ontwikkelingsdiensten aan te bieden aan lokale bedrijven in Zuid-Florida. Toen kwamen de dingen in een stroomversnelling. Een kleine zakelijke klant verwees me naar een middelgrote klant, en mijn nieuwe accounts werden steeds groter. Naarmate meer verwijzingen van tevreden klanten binnenkwamen, moest ik beginnen met het aannemen van ontwikkelingsprofessionals om de groei van het bedrijf en onze expansie in digitale ontwerp bij te houden. We werden snel een alleskunner-digitaal bureau, dat alles bouwde, van websites tot e-commerce-platforms, tot backend-software-integraties – zelfs digitale marketingdiensten.

Levatas was aanvankelijk een algemene digitaal bureau, kunt u bespreken hoe Levatas vervolgens overging op AI?

Terwijl de algemene, allesomvattende aanpak van het bureau goed was voor het groeien van de omzet, realiseerden we ons dat het moeilijk zou zijn om kwaliteit en consistentie te behouden naarmate het aanbod uitbreidde. We besloten ons te concentreren; weg van ontwerp- en ontwikkelingsdiensten en ons te richten op het veld van kunstmatige intelligentie en machine learning-oplossingen.

Hoewel het een grote sprong lijkt – van een digitaal bureau dat adviesdiensten aanbiedt naar het bouwen van een enterprise SaaS-oplossing gericht op machine learning – was het eigenlijk een natuurlijke en organische overgang.

We hadden met enkele van ‘s werelds grootste bedrijven gewerkt, aangepaste digitale oplossingen gebouwd op basis van hun gegevens en achter-de-schermen-systemen. Over meerdere platforms en industrieën heen zagen we duidelijke en consistente technologiegaten die, voor ons, leken op marktkansen. Uiteindelijk besloten we oplossingen en producten te bouwen om die gaten te vullen en, in 2020, Levatas officieel over te stappen van professionele diensten en advies naar AI/ML-softwareproductontwikkeling. Het was de juiste beweging.

Wat was het sleutelmoment toen besloten werd dat Levatas zich zou richten op machineperceptie door zowel natuurlijke taalverwerking als computerzicht te gebruiken versus een algemene AI-bedrijf?

Als niet-technische oprichter van een geavanceerd technologiebedrijf, ben ik er goed in geworden om naar de buitengewoon slimme mensen op het Levatas-team te luisteren. Het was mijn zakenpartner en CTO, Daniel Bruce, die de visie voor Levatas vaststelde om zich te richten op computerzichtoplossingen. Toen verfijnde hij die visie verder tot “automatisering van industriële inspectieoplossingen”.

Mijn eerste gedachte was dat dit te kleine niche zou zijn en dat we misschien niet genoeg klanten zouden vinden om onze zakelijke groeidoelstellingen te bereiken. Ik kon niet meer verkeerd zijn. Het bleek dat dit een hele markt op zichzelf is, vol met grote mondiale ondernemingsklanten die precies wat wij bij Levatas bouwden nodig hadden.

Wat meer is, er is een snel uitbreidende branche van geavanceerde gegevensopnamehardwarefabrikanten – met name robots, drones, camera’s, IoT-sensoren, enz. – die ook op zoek zijn naar de oplossingen die wij bij Levatas bouwen. Deze bedrijfsommezwaai vond plaats in twee vrijwel afzonderlijke fasen in de afgelopen 5-6 jaar. De eerste fase zag ons overstappen van algemene digitale transformatieadviseurs naar een specialisatie in AI/ML (maar nog steeds als adviseurs). De laatste fase van onze evolutie zag ons overstappen van professionele diensten naar het nieuwe softwareproductontwikkelingsbedrijfsmodel, dat is wie wij vandaag zijn.

Levatas heeft een partnership met een van de meest spannende bedrijven in de robotica – Boston Dynamics – Kunt u enkele details delen over deze partnership?

Eerlijk gezegd, het is moeilijk voor me om over ons partnership met Boston Dynamics te praten zonder te klinken als een totale fanboy. [lacht] Dat gezegd hebbende, het werken met de mensen en de Spot-robots van Boston Dynamics is een van de meest persoonlijk en professioneel vervullende dingen die ik ooit heb gedaan. Mijn team voelt hetzelfde.

Ze creëren niet alleen de meest geavanceerde en capabele dynamische mobiele robots ter wereld, maar ze zijn ook gewoon geweldige mensen om mee te werken. De bottom line is dat de Spot-robots ‘out of the box’ komen met marktleidende atletische intelligentie en fysieke capaciteiten. Wat ze nog steeds nodig hebben, is “op-de-werkplektraining” van een soort, waardoor ze hun omgeving vanuit een cognitief intelligentieperspectief kunnen begrijpen. Dat is waar Levatas binnenkomt.

Onze industriële inspectiemodellen en het Cognitive Inspection Platform stellen de Spot-robots in staat om kritische elementen van de faciliteiten van onze klanten te inspecteren, waardoor ze kunnen begrijpen wat ze zien en hoe ze op basis van de bevindingen moeten reageren. Terwijl de Spot-robots veel dingen kunnen doen, vinden we ons meestal in het implementeren ervan in veiligheids-, beveiligings- en preventieve onderhoudsgevallen. Deze gevallen zijn niet specifiek voor een bepaalde industrie, maar we zien veel vraag in de elektriciteits-, olie- en gas-, en productiesector naast Boston Dynamics.

Waarom is analoge meterlezing zo’n pijnlijk punt voor fabrikanten?

Je zou niet denken dat analoge meterlezing een bijzonder spannend gebied voor innovatie is. Maar voor de professionals die verantwoordelijk zijn voor het bedienen, onderhouden en leveren van de output van die faciliteiten, is het een groot probleem.

Een bepaalde industriële faciliteit kan duizenden analoge meters hebben die verschillende industriële apparatuur bewaken. Op dit moment moeten personeelsleden die meters constant in de gaten houden (handmatig) om faciliteit uptime en productiviteit op doel te garanderen. Terwijl digitale meters beschikbaar zijn, werken veel faciliteiten met legacy-apparatuur die is ontworpen om decennia lang mee te gaan. Het kan meerdere miljoenen dollars kosten om duizenden stukken apparatuur te sensoriseren. Het is ook super duur om buitengewoon intelligente en capabele mensen hun dagen te laten doorbrengen met het handmatig lezen en rapporteren van deze analoge meters. Niet alleen is handmatige bewaking zeer inefficiënt, maar het kan ook gemakkelijk achterblijven bij werknemerstekorten en meer dringende onderhoudsverantwoordelijkheden. En als apparatuur faalt omdat het niet regelmatig wordt gecontroleerd, kan dat leiden tot nog duurdere problemen.

In tegenstelling tot een mobiele robot die rond de faciliteit kan lopen op een vaste planning, dezelfde inspecties uitvoert met autonomie met behulp van Levatas-software. Het implementeren van een robot introduceert next-level-consistentie, betrouwbaarheid en nauwkeurigheid met dit type gegevensverzameling. Het vrijwaart ook de menselijke werknemers om hun tijd te besteden aan hogere-waarde-taken voor het bedrijf – werk dat alleen door een mens kan worden gedaan.

Hoe lost Levatas dit probleem op met autonome technologie?

Eenvoudig gezegd: een industriële oplossing die handmatige menselijke bewerking vereist, biedt weinig tot geen ROI. Onze klanten zullen het niet kopen. Dat is waarom al onze hardwarepartners oplossingen bieden met volledige autonomie. Hun apparaten creëren de inspectieroutes, voeren de inspectiemodellen uit en keren terug naar hun vermogensbronnen om op te laden – alles in een lus.

Menselijke werknemers zullen nog steeds toezicht houden op deze geautomatiseerde oplossingen, ervoor zorgend dat ze zoals bedoeld werken. Net als elke junior-medewerker die in opleiding is, is AI nog niet nauwkeurig genoeg om elke keer de perfecte analyse en beslissing te maken. We ontwerpen onze technologie om te herkennen wanneer het een mens in het proces moet betrekken om de juiste beslissing te nemen. In ons veld wordt dit een “mens in de lus”-workflow genoemd, en het maakt deel uit van het Levatas-platform. Over het algemeen is het doel om de tijd die mensen besteden aan bewakingsgerelateerde taken consistent te verminderen, terwijl menselijke werknemers nog steeds op de hoogte worden gehouden en altijd de beslissingsbevoegdheid behouden.

Zijn er andere use cases voor Levatas?

Naast analoge meterdetectie en -lezing, bieden we ook thermische anomaliedetectie, persoondetectie, robotische botsingvermijding, veiligheidscompliantbewaking en een reeks inspectiemodelcapaciteiten op basis van veranderingdetectiemachine learning. Wanneer onze klanten behoeften hebben die nog niet worden vervuld door onze bestaande “out-of-the-box”-inspectiemodellen, hebben we een team dat samenwerkt met de klant om aangepaste oplossingen te ontwikkelen.

Terwijl we enthousiast zijn over ons werk met de Spot-robots, worden de geautomatiseerde inspectieoplossingen van Levatas ook geïmplementeerd op drones, cameranetwerken en kunnen worden geïntegreerd met elk type gegevensopnameapparaat – zoals industriële IoT-sensoren.

Kunt u enkele uitdagingen bespreken bij het lanceren van een AI-bedrijf zonder super technisch te zijn en niet te weten hoe te coderen?

Ik heb altijd vertrouwd op mijn team van buitengewoon slimme ontwikkelaars om de klus te klaren en om ons te leiden langs de juiste paden vanuit een technische strategie. Toen het erop aankwam om het bedrijf daadwerkelijk te starten, denk ik dat ik de juiste mix had van ‘kan doen’-houding, een positieve kijk en de ondernemingsgeest die me leidde om de eerste stap te nemen.

Sinds het moment van die eerste duik in het diepe, is Levatas altijd over het team gegaan, en samen bouwen. Kortom, dankzij het team dat ik in de vroege dagen (en tot op de dag van vandaag) om me heen heb gebouwd, is mijn persoonlijke gebrek aan technische capaciteit niet een groot obstakel geweest terwijl we het bedrijf groeiden.

Is er nog iets anders dat u zou willen delen over Levatas?

We hebben onze seedronde-kapitaalverhoging eerder dit jaar voltooid, waardoor we effectief onze raket vol brandstof hebben gestopt. Onze oplossingen zien validatie in de markt met onze geweldige ondernemingsklanten, en onze pijplijn groeit met de dag op dit punt. Er zullen binnenkort enkele spannende nieuwe klantenaankondigingen komen, en we zullen later dit jaar enkele wereldprimeurproductfuncties aankondigen. Blijf op de hoogte!

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Levatas bezoeken.