Chris Nielsen, grunnlegger og CEO av Levatas – Intervju-serie

Chris Nielsen er grunnlegger og CEO av Levatas. Levatas bygger end-to-end AI-løsninger, maskinlæringsmodeller og menneske-i-løkkesystemer som superchargerer måten bedrifter automatiserer visuell inspeksjon.

Levatas og deres patenterte maskinlærings-teknologi, Cognitive Inspection Platform™, fullstendig automatiserer industrielle inspeksjonsprogrammer for deres globale, markedsmelder kunder. Cognitive Inspection Platform™ integrerer med avanserte roboter, kameraer og droner, samt forhånds trenede eller tilpassede ML-inspeksjonsmodeller for å levere end-to-end automatisering for industrielle inspeksjonsbrukssaker.

Basert i Sør-Florida, tjener Levatas både det regionale og globale markedet, og arbeider med bransjeledende 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 flere.

Kunne du diskutere opphavshistorien til Levatas og hvordan det oppstod fra at du mistet jobben din i et programvareselskap?

Tilbake i 2006 arbeidet jeg i salg for et programvareselskap som fokuserte på hvitmerket anti-malware-programvare for store teleselskapskunder. Mens jeg hadde denne rollen, utviklet jeg en prosess for å designe mockups av programvaren som hjalp meg å lukke flere avtaler. Jeg gjorde det bra, men selskapet selv falt på hardt med tiden. Senere samme år ble jeg sagt opp sammen med mange medlemmer av teamet.

Fra denne erfaringen tok jeg mine rudimentære digitale designferdigheter – og en positiv entreprenør-attitude – og startet å tilby mine tilpassede programvare-design- og utviklingstjenester til lokale bedrifter i Sør-Florida. Så ble ting større. En liten bedriftskunde henledet meg til en medium-stor kunde, og mine nye kontoer begynte å bli større og større. Etter hvert som flere henvisninger strømmet inn fra fornøyde kunder, måtte jeg begynne å ansette utviklingsprofesjonelle for å holde pace med veksten av bedriften og vår utvidelse inn i digital design. Vi ble raskt en jack-of-all-trades digitalbyrå, som bygget alt fra nettsider til e-handelsplattformer, til backend-programvare-integrasjoner – selv om vi tilbød digitale markedsførings-tjenester.

Levatas var opprinnelig et generelt digitalbyrå, kunne du diskutere hvordan Levatas så gikk over til AI?

Mens byråets generelle, kjøkken-sink-tilnærming var god for å øke inntektene, erkjente vi at det ville være vanskelig å opprettholde kvalitet og konsistens når tilbudene utvidet seg. Vi bestemte oss for å snevre fokus; å gå bort fra design- og utviklingstjenester og fokusere eksklusivt på kunstig intelligens og maskinlæringsløsninger.

Selv om det kan se ut som et stort sprang – å gå fra et digitalbyrå som tilbyr konsulenttjenester til å bygge en bedrifts SaaS-løsning som fokuserer på maskinlæring – var det faktisk en naturlig og organisk overgang.

Vi hadde arbeidet med noen av verdens største selskaper, bygget tilpassede digitale løsninger basert på deres data og bak-scenen-systemer. Over flere plattformer og bransjer oppdaget vi klare og konsistente teknologigapper som, for oss, så ut som markedsmuligheter. Til slutt bestemte vi oss for å bygge løsninger og produkter for å fylle disse gapene, og i 2020 gjorde Levatas offisielt en omlegging fra profesjonelle tjenester og konsulenttjenester til AI/ML-programvareproduktutvikling. Det var riktig beslutning.

Hva var den avgjørende øyeblikket da det ble bestemt at Levatas skulle fokusere på maskin-persepsjon ved å bruke både naturlig språkbehandling og datavisning mot å være et generelt AI-selskap?

Som en ikke-teknisk grunnlegger av et avansert teknologiselskap, har jeg blitt god til å lytte til de usedvanlig smarte menneskene på Levatas-teamet. Det var min forretningspartner og CTO, Daniel Bruce, som satte visjonen for Levatas til å fokusere på datavisningsløsninger. Så skjerpet han visjonen videre til “automatisering av industrielle inspeksjonsløsninger”.

Min første tanke var at dette ville være for smalt et nisje, og at vi kanskje ikke ville finne nok kunder for å oppfylle våre forretningsvækst-mål. Jeg kunne ikke ha hatt mer feil. Det viste seg at dette er en hel marked for seg selv, fullt av store globale bedrifter som trenger akkurat det vi bygget.

Hva mer, det er en raskt voksende felt av avansert datafangst-hardware-fabrikanter – nemlig: roboter, droner, kameraer, IoT-sensorer osv – som også søker etter løsningene vi bygget på Levatas. Denne selskapsomleggingen skjedde i to noenlunde distinkte faser over de siste 5-6 årene. Den første fasen så oss gå fra generelle digitale transformasjonskonsulenter til en AI/ML-spesialisering (men fortsatt som konsulenter). Den endelige fasen av vår evolusjon så oss gå ut av profesjonelle tjenester og inn i det nye programvareproduktutviklingsforretningsmodellen, som er hvem vi er i dag.

Levatas har inngått et samarbeid med ett av de mest spennende selskapene i robot-bransjen – Boston Dynamics – Kunne du dele noen detaljer om dette samarbeidet?

Ærlig talt, er det vanskelig for meg å snakke om vårt Boston Dynamics-samarbeid uten å lyde som en total fanboy. [laughs] Det sagt, å få arbeide sammen med folkene og Spot-robotene fra Boston Dynamics har vært en av de mest personlig og profesjonelt fulle ting jeg noensinne har gjort. Mitt team føler det samme.

Ikke bare skaper de verdens mest avanserte og kapable dynamiske mobile roboter, men de er også bare flotte mennesker å jobbe med. Bottunnen er at Spot-robotene kommer ‘ut av boksen’ med markedsmelder athletisk intelligens og fysisk kapasitet. Hva de fortsatt trenger, er “på jobben”-trening av en art, som gjør det mulig for dem å forstå sine omgivelser fra et kognitivt intelligensstandpunkt. Det er der Levatas kommer inn.

Våre industrielle inspeksjonsmodeller og Cognitive Inspection Platform muliggjør at Spot-robotene kan inspisere kritiske elementer av kundenes anlegg, og lar dem forstå hva de ser og hvordan de skal reagere basert på funnene. Mens Spot-robotene er i stand til å gjøre så mye, finner vi vanligvis oss selv å deployere dem i sikkerhets-, sikkerhets- og forebyggende vedlikeholdsbrukssaker. Disse brukssakene er ikke spesifikke for noen enkelt bransje, men vi ser en stor etterspørsel i den elektriske utstyr-, olje- og gass-, og produksjonsbransjene sammen med Boston Dynamics.

Hvorfor er analog gauge-lesing så mye smerte for produsenter?

Du ville ikke tro at analog gauge-lesing er et spesielt spennende område for innovasjon. Men for profesjonelle som er ansvarlige for å operere, vedlikeholde og levere utdata fra disse anleggene, er det en stor sak.

Et gitt industrisanlegg kan ha tusenvis av analoge gauger som overvåker ulike industrimaskiner. Nå må personale konstant overvåke disse gaugene (manuelt) for å sikre anleggets oppetid og på-mål-produktivitet. Mens digitale gauger er tilgjengelige, opererer mange anlegg med legacy-utstyr som er designet til å vare i tiår. Å sensorisere tusenvis av maskiner kan koste flere millioner dollar. Det er også super dyrt å ha usedvanlig intelligente og kapable mennesker tilbringe dagene sine, hver dag, å gå rundt på anlegget og lese av og rapportere om disse analoge gaugene. Ikke bare er manuell overvåking svært ineffektiv, men den kan også lett bli forsinket blant arbeidermangel og mer presserende vedlikeholdsansvar. Og hvis utstyr feiler fordi det ikke blir sjekket ofte nok, kan det føre til enda dyrbare problemer.

I motsetning kan en mobil robot gå rundt på anlegget på en fastlagt tid, utføre de samme inspeksjonene autonomt ved å bruke Levatas-programvare. Å deployere en robot introduserer en ny konsistens-, pålitelighet- og nøyaktighetsnivå med denne type datafangst. Det frigjør også de menneskelige ansatte til å bruke tiden sin på høyere-verdi-oppgaver for bedriften – å gjøre arbeid som bare kan gjøres av et menneske.

Hvordan løser Levatas dette problemet med autonom teknologi?

Enkelt sagt: en industriløsning som krever manuell menneskelig operasjon tilbyr liten til ingen avkastning. Våre kunder vil ikke kjøpe det. Derfor tilbyr alle våre hardware-partnere løsninger med full autonomi. Deres enheter skaper inspeksjonsrutene, kjører inspeksjonsmodellene og returnerer til sine strømkilder for å lade – alt på en loop.

Menneskelige arbeidere vil fortsatt holde et øye på disse automatiserte løsningene, og sikre at de fungerer som ønsket. Mye som en junior-ansatt som er i trening, er AI ikke ennå nøyaktig nok til å gjøre den perfekte analysen og avgjørelsen hver gang. Vi designer vår teknologi til å gjenkjenne når den må bringe et menneske inn i prosessen for å hjelpe med å ta riktig avgjørelse. I vårt felt kalles dette “menneske-i-løkken”-arbeidsflyt, og det er en del av Levatas-plattformen. Overordnet sett er målet å konsistent redusere tiden som mennesker bruker på overvåkings-relaterte oppgaver, samtidig som vi sikrer at menneskelige arbeidere alltid har beslutningsmyndighet.

Hva er noen andre brukssaker for Levatas?

I tillegg til analog gauge-deteksjon og lesing, tilbyr vi også termisk anomali-deteksjon, person-deteksjon, robot-kollisjonsunngåelse, sikkerhets-etterlevelse-overvåking og en rekke inspeksjonsmodell-kapasiteter basert på endrings-deteksjonsmaskinlæring. Når våre kunder har behov som ikke ennå er dekket av våre eksisterende “utenfor hyllen”-inspeksjonsmodeller, har vi et team som arbeider med kunden for å utvikle tilpassede løsninger.

Mens vi er spente på vårt arbeid med å deployere Spot-robotene, er de automatiserte inspeksjonsløsningene fra Levatas også deployert på droner, kamera-nettverk og kan integreres med enhver annen type datafangst-enhet – som industrielle IoT-sensorer.

Kunne du diskutere noen av utfordringene ved å lansere et AI-selskap uten å være super-teknisk og ikke vite hvordan man kode?

Jeg har alltid avhengig av mitt team av usedvanlig smarte utviklere til å få jobben gjort, og til å guide oss ned de riktige teknologiske strategi-veiene. Når det kom til å starte bedriften, liker jeg å tro at jeg hadde riktig blanding av “kan-gjøre”-holdning, en positiv outlook og entreprenør-ånden som ledet meg til å gjøre det første spranget.

Siden det øyeblikket da jeg tok det første spranget, har Levatas vært all about teamet, og bygging dette sammen. Kort sagt, takket være teamet jeg klarte å bygge rundt meg i de tidlige dagene (og til denne dagen), har min personlige manglende tekniske evne ikke vært et stort hinder mens vi vokste bedriften.

Er det noe annet du ville like å dele om Levatas?

Vi har nettopp fullført vår seed-runde kapital-innsamling tidligere i år, og fylt opp rakett-skipet med drivstoff. Våre løsninger ser marked-validering med våre fantastiske bedrifter-kunder, og vår pipeline vokser dag for dag på dette tidspunktet. Noen spennende nye kunde-annonsninger kommer ut i de neste månedene, og vi vil annonsere noen verdens-første produkt-funksjoner senere i år. Hold øye med!

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Levatas.