Tar i bruk nevrale nett på ny måte for å trekke ut dokumentinfo

Stig og Ståle Zerener Haugnæss har jobbet mye med oppstartsbedrifter tidligere. Stig er produkt- og økonomisjef i Lucidtech, mens tvillingbror Ståle er daglig leder og AI-utvikler. Sammen med AI-arkitekt August Kvernmo startet de Lucidtech på senhøsten i fjor.

Lucidtech benytter seg kort fortalt av nevrale nett og maskinlæring når de leverer programmeringsgrensesnitt (API-er) til selskaper som selger programvare til regnskapsførere – som disse kan implementere i sine eksisterende løsninger.

Med API-et til Lucidtech implementert i for eksempel programmer som skanner kvitteringer, gjenkjenner AI-en automatisk relevant informasjon i kvitteringen og trekker ut denne, slik at man slipper å bruke tid på å legge inn informasjon om for eksempel utlegg manuelt.

Tar i bruk nevrale nett på en ny måte

Lucidtech benytter seg altså av nevrale nett, som ifølge Ståle kan være vanskelige å trene fordi man ofrer dybde for at de skal være lette å trene. Dette kan kreve mange maskiner og ta lang tid.

– Kan dere si noe mer om AI-utviklingen deres?

– Vi kan si så mye som at det er en egenutvikla teknologi, sier Stig.

– Vi får noen ganger spørsmål om vi bare bruker andre API-er fra for eksempel Google eller Amazon, men vi koder og utvikler altså maskinlæringsteknologien vår selv, sier Ståle.

Han forteller at de gjør tilpasninger av teknologi, som han ikke kan utdype så mye mer enn følgende:

– Vår teknologi går ut på at vi kan nyttiggjøre oss av dype nett i en annen setting enn det man har klart før, uten å avsløre for mye. Så vidt vi har sett, er det ingen som har brukt nevrale nett på akkurat den måten vi gjør det – så vi prater ikke så høyt om dette ennå, sier Ståle.

Endret retning etter henvendelse fra annen startup

– Hvordan kom dere på ideen til Lucidtech?

– Vi hadde jobba med å utvikle teknologien i en god stund da Ebby, en annen startup vi delte kontorer med før, kom med en forespørsel. De visste at vi drev med maskinlæring, og hadde en konkret utfordring de ønsket hjelp med: Å hente ut relevant informasjon fra kvitteringer på en kjapp måte, sier Ståle.

– Dette med å kontrollere kvitteringer var ikke en del av deres kjernebusiness, men det var noe de hadde behov for, da de hadde en person som brukte mye tid på å gjøre dette manuelt. Det ga oss et inntrykk av hvilke potensielle besparelser som ligger i en slik løsning, forteller Stig.

Ebby sa til Lucitech at om de kunne få noen til å automatisere dette arbeidet på noen måte, ville de ha kjøpt det.

– På denne tiden satt vi med en startup innen sosiale medier og lagde apper, sier Stig.

Ståle forteller at de hadde noen hypoteser til hvordan de kunne løse Ebbys utfordring med maskinlæring – men at de ikke kunne sette det ut i livet før de visste at det også var andre med samme behov.

– Vi brukte mye tid på å prate med selskaper som kunne ha behov for dette. Da responsen var god bestemte vi oss for å satse, sier Ståle.

Fra manuelt til automatisert med «dyp læring»

– Vi gjorde også research på hva som allerede fantes på markedet. Det første vi tenkte, var at dette må det vel finnes mye av. Mye tid gikk med til å undersøke, og vi oppdaget raskt at vi kunne fylle et behov som andre ikke dekket, sier Stig.

Det som fantes i markedet var for dårlig eller for snevert innrettet – for eksempel at programvaren kun støttet enkelte leverandører eller kvitteringer fra bestemte steder.

– Det var store begrensninger i løsningene som fantes, sier Ståle.

Lucidtech kontaktet hovedsaklig firmaer som tilbyr programvare innen utleggshåndtering – fordi dette var noe alle kjenner til, som ikke er så snevert at man må ha jobbet med det for å vite at det eksisterer. Men de fant fort ut at det var mange som påsto at de bruker AI, mens det i realiteten var slik at de brukte manuelt arbeid for eksempel i India.

– De hadde kanskje en enkel heurestikk (intelligente gjetninger), men nitti prosent av arbeidet ble sendt til manuelle arbeidere for eksempel i India. Vi mente vi kunne automatisere dette arbeidet ved å bruke maskinlæring. Det var utgangspunktet vårt, sier Ståle.

Utkonkurrerte de sterkeste aktørene i test

Lucidtech gjorde noen tester i april for å sjekke hvordan de lå an, og da fant de fort ut at det de drev med, var veldig lovende: De fikk veldig gode resultater veldig fort, og fant ut at de utkonkurrerte de største i markedet på kvitteringer. Det fikk blant annet et noe begrenset, men stort datasett fra en potensiell kunde som de kunne eksperimentere med, og som de kunne teste ut hypotesene på.

– Det var veldig gøy å se. Vi hadde ikke regna med at vi var så langt. Vi hadde forventa å måtte gjøre litt mer, sier Stig.

– Det var også takket være inkubatoren Startuplab at vi ble bevisst at vi hadde kommet så langt allerede da. Mentoren vår der, Per Einar Dybvik, maste på oss om at vi måtte ha nøkkeltall og referansemålinger, tall å vise til. Så da satte vi av påsken til å gi ham disse j*vla tallene, da, ler Ståle.

– Vi hadde ikke forventa det, men vi testa mot de vi anså for å være de sterkeste aktørene – og slo samtlige av dem, sier Ståle.

– Vi fikk altså gode resultater mye tidligere enn det vi egentlig hadde forventet, sier Ståle. Dette bekreftet at det virkelig var et markedspotensial, og at vi har teknologi som får til det vi vil gjøre, sier Stig.

Han poengterer at dette likevel var en liten test, og at det var mye igjen å gjøre før de kunne vise til noe som virkelig ga verdi.

– Dermed var det bare å bunkre seg opp og kode, samtidig som vi prøvde å ha så tett dialog med potensielle kunder som mulig, sier Ståle.

Stig forteller at de etter den lovende testen raskt bestemte seg for å danne Lucidtech sammen med August Kvernmo, som de har jobbet mye sammen med i tidligere prosjekter.

Én av fem utvalgte

De søkte deretter på DNB NXT, et akseleratorprogram for oppstartsbedrifter, i desember i fjor. Lucidtech ble én av fem utvalgte av over hundre selskaper som hadde søkt.

– Det var veldig god timing å flytte fra kjelleren min og inn til Startuplab, sier Stig.

De har fått finansiering via Founders fund i Startuplab, i tillegg til at de fikk innvilget midler fra Innovasjon Norge rett etter at de kom i gang med mentorprogrammet. DNB NXT-akseleratoren har bistått med tett oppfølging fra mars til juni i år.

– For oss har mentorprogrammet vært kjempebra. Vi har fått tilgang på mange gode ressurser og mentorer i DNB. Det å få sitte på Startuplab har åpnet dører – det var en fin overgang fra å sitte i kjelleren til Stig, smiler Ståle.

Stig presiserer lattermildt at det tross alt er en ganske fin kjeller, om enn noe trang.

– Hehe, det er absolutt en fin kjeller – men uansett litt kjipt sammenlignet med å få sitte her. Å få flytte inn hit og få tett oppfølging fra dyktige mentorer som kan utfordre oss på forretningsaspektet, har vært topp. Vi er et litt nerdete selskap, og å bli utfordret på sånt er noe vi har hatt veldig god bruk for. De har vært veldig aktive med innspill, forslag til potensielle nye kunder og slike ting, sier Ståle.

– Det har åpnet mange dører å få hjelp av så dyktige mentorer som har vært så «på». Vi har blant annet fått sett mange nye bruksområder for teknologien vår – som vi ikke kan si så mye mer om akkurat nå, sier Stig.

Ståle utdyper likevel litt, og forteller at de har fått være med rundt på forskjellige avdelinger i DNB og fått sett caser de på forhånd ikke helt visste at fantes.

– Vi har fått innsikt i litt snevre, sære caser i en bransje som vi ikke kjenner til, hvor de har konkrete problemer, og hvor de sitter med manuell prosessering av dokumenter. Vi har jo ikke 20 års bransjerfaring fra forskjellige bedrifter, så vi vet ikke om så mange av disse casene, sier Ståle.

Ståle forteller også at slik innsikt og kunnskap har vært verdifullt også fordi de hele tiden tar valg i designprosessen og utvikling av teknologien ut ifra hvor de forventer å bevege seg, både med tanke på teknologi og forretningsutvikling.

Kan settes opp på et par timer

Lucidtech jobber i dag med noen forskjellige aktører, og kan ikke si så mye mer om hva slags andre henvendelser de har fått før senere i høst.

– Vi leverer et API. Vi ønsker jo ikke å konkurrere med noe av den regnskapssoftwaren som finnes i dag. Vår løsning gjør at eksisterende programvare blir bedre, sier Ståle.

En av kundene Lucidtech har jobbet tett med har en ganske stor og kompleks løsning, og de integrerte API-et til Lucidtech på et par timers tid, forteller de.

– Hvor lang tid implementering tar er selvfølgelig litt avhengig av hvordan systemet er bygd opp. Vi har fokusert på selskaper som leverer programvare der vårt API kan integreres i løpet av en time eller to. Det gjør salget lettere.

– Det er ikke mange selskaper som har god AI- og maskinlæringskompetanse internt. Det gjør også at API-modellen blir veldig attraktiv. Andre selskaper slipper å ansette mange AI-eksperter for å gjøre jobben som vi leverer som en tjeneste, sier Stig.

Ståle understreker at det ikke er snevre problemer de løser:

– De som leverer regnskapssoftware vil neppe tjene på å ansette et team med maskinlæringsfolk for å løse en såpass liten del av verdikjeden som dette med å gå gjennom kvitteringer og utlegg. Det gir mer mening å kjøpe dette som en tjeneste. Blant annet fordi det er vesentlig billigere enn å ansette og skulle gjøre det selv. Det er fortsatt en fremmed tanke for en del å kjøpe programvare som en tjeneste, men vi ser at det blir mer og mer vanlig, sier Ståle.

Lucidtech oppgir på nettsiden sin at ett av deres fokusområder er sikkerhet. Årsaken er at mange av kundene er veldig påpasselige med dataene sine. Det er en utbredt skepsis å gi ut data til en tredjepart.

– Derfor er det viktig å ivareta sikkerheten, både med tanke på lagring – at vi følger retningslinjene til GDPR (General Data Protection Regulation, EUs nye personvernforordning som blir innført i mai neste år, red. anm.), sier Ståle

Planene til Lucidtech fremover er blant annet å utvikle og teste videre, og å gjøre programmeringsgrensesnittene tilgjengelige utover høsten.

– Vi skal gå bredere ut etter hvert, uten å avsløre for mye, avslutter Ståle.