AI er en forstærker: Sådan bygger Leap Dynamics maskinintelligens, der faktisk virker

På et skrivebord på et kontor i Berlin står noget, som de fleste ville betragte som en maskine til skrotbunken: en gammel bærbar med 16 gigabyte RAM og uden dedikeret grafikkort. På den kører en AI-model med 8 milliarder parametre med omkring 30 tokens i sekundet. »Uden GPU er det imponerende,« siger Adrian, AI-udvikler hos Leap Dynamics GmbH. Den bærbare er ikke et levn. Den er et proof of concept, og proof of concept er netop den forretning, Leap Dynamics er i.

Virksomheden blev grundlagt i 2019 af Nikolai og Magdalena Genov, to bioinformatikere, der havde brugt år på akademisk forskning, før de konkluderede, at det, de kunne (bygge skræddersyet software, analysere store og uigennemskuelige datasæt og skabe mening i biologiske og medicinske data), var der hårdt brug for i erhvervslivet. I dag betjener virksomheden i Berlin kunder lige fra store banker og medicinalvirksomheder til små virksomheder, der forsigtigt navigerer i en bølge af AI-hype. Spørgsmålet, Leap Dynamics hele tiden stiller, er ikke »kan vi bruge AI her?«, men »bør vi?«

Fra genom til marked

Nikolai Genov har en ph.d. i bioinformatik. Under sin ph.d.-forskning arbejdede han indgående med data om genekspression i kræft og brugte lige så meget tid foran en terminal på at bygge skræddersyede analysepipelines som i noget laboratorium. I 2016 var han begyndt at arbejde seriøst med machine learning, længe før det blev et modeord i erhvervslivet. Bioinformatikerne havde bestemt opdaget, siger han, »at disse systemer allerede dengang var meget gode til at klassificere biologiske data. Potentialet var der.« På systemniveau blev der dog ikke handlet på det. »Jeg tror simpelthen, at man ikke så det,« tilføjer han.

»Jeg havde en fornemmelse af,« forklarer Nikolai, »at hvis vi bare gjorde det, vi allerede kunne (men mere organiseret og uden for det akademiske miljø), ville vi få succes. Indtil videre har det holdt stik.«

Magdalena havde en baggrund, der supplerede hans: Efter sin uddannelse i bioinformatik brugte hun flere år på forskning i rummedicin på et stort forskningshospital, hvor hun undersøgte ekstreme miljøer og deres virkning på den menneskelige krop, fra eksperimenter om bord på Den Internationale Rumstation til klimaforandringernes fysiologiske påvirkning. Hendes ansvarsområder omfattede at organisere parabelflyvninger og forberede videnskabelige eksperimenter til ISS. »På meget kort tid skal man tage sig af rigtig mange ting på én gang. Helst skulle det hele have været gjort i går.«

»At være forsker betyder at arbejde med spørgsmål, som der endnu ikke findes et rigtigt svar på,« siger Magdalena. »Og når man er iværksætter, har man meget ofte med kunder at gøre, der producerer store mængder data, men heller ikke ved, hvad de skal gøre med dem.« Hvordan kan de data bruges til at skaffe nye kunder, nye produkter, mere likviditet? Spørgsmålet er det samme. »Til sidst forvandler man sig som iværksætter til en slags forsker.«

Problemet med den gyldne hammer

Lige nu har Leap Dynamics en usædvanlig position: en virksomhed, der jævnligt fortæller kunderne, at den teknologi, de kom for at spørge om, måske ikke er det, de har brug for. »Gyldne hamre,« kalder Adrian dem: et anti-pattern, et værktøj, som nogen bruger på ethvert problem, uanset om det passer. »Det, man meget ofte ser, er, at AI bliver kastet efter ethvert problem. Det er helt forkert. Der er problemer, hvor klassisk signalbehandling eller klassisk billedbehandling er langt, langt mere passende.«

Den metode, Leap Dynamics bruger til at navigere i det, er Proof of Concept: en hurtig, afgrænset test af, om en tilgang virker under virkelige forhold, før et projekt vokser til en fuld udviklingscyklus. Da spørgsmålet opstod, om AI kunne køre uden dyr grafikhardware, kørte teamet den simpelthen på en gammel bærbar og målte. Modellen kørte med en acceptabel hastighed. Bevis leveret. »Hvis dette Proof of Concept lykkes, kan man anvende best practices og udbygge det hele, så det kan gå mod produktion.«

Et eksempel med større kommerciel betydning handler om databeskyttelse. En kunde havde brug for, at personoplysninger (navne, adresser, telefonnumre, bankoplysninger) automatisk blev anonymiseret i dokumenter uden at blive sendt gennem en cloudtjeneste. »Vi havde vores Proof of Concept: Kan man gøre det uden stor hardware, men med moderne AI? Det gjorde vi, og vi har udviklet det til et produkt, som vi lige nu bringer på markedet.«

Over for kunder med større ambitioner er Nikolai ærlig om rækkefølgen. »I mange virksomheder er digitaliseringen ikke kommet så langt, som man kunne ønske. Det betyder, at der stadig skal tages digitaliseringsskridt, før et AI-system overhovedet giver mening.«

For Adrian er den røde tråd i alle projekter ét enkelt princip. »AI er en forstærker,« siger han. »Den forstærker det, der allerede er der. Den forværrer det, der allerede er der, når der er dårlige ting til stede, og den forbedrer det, der allerede er der, når der er gode ting til stede.«

Data, der bliver i huset

Når teamet diskuterer, hvilke AI-udbydere i skyen de skal anbefale, er Adrians holdning for kunder med følsomme data konsekvent: ingen af de store amerikanske. »Der skal kun en underskrift fra den amerikanske præsident til, så er tyske forretningshemmeligheder pludselig offentlige,« siger han. »Den risiko findes simpelthen ikke med en tysk AI eller en tysk server.«

Det er ikke en teoretisk bekymring. Nikolai fortæller, at virksomheden rutinemæssigt arbejder med medicinske data, genetiske data og finansielle data, netop de kategorier, der hverken lovligt eller sikkert kan sendes ind i en cloudmodel hos en tredjepart. »Når vi bruger AI, er spørgsmålet altid: Hvordan gør vi brugen sikker, i overensstemmelse med DSGVO og med AI-forordningen?«

Der findes europæiske alternativer, og de er bedre, end deres offentlige profil antyder. Mistral i Paris laver modeller, der er kompakte nok til at køre på en almindelig stationær computer, og som samtidig kan klassificere billeder og tekst. Black Forest Labs, en virksomhed fra Freiburg, er det, tyskerne kalder en Hidden Champion: knap kendt uden for faget, men dens algoritmer til billedbehandling bruges af nogle af verdens største teknologivirksomheder.

To stiftere, ét whiteboard

Hos Leap Dynamics er ansvarsfordelingen organiseret efter styrker frem for anciennitet. Nikolai leder det tekniske arbejde og dataarbejdet, herunder al udvikling i R, som han har arbejdet med i over ti år. Magdalena styrer den organisatoriske og kommunikative side af virksomheden: kunderelationer, projektledelse, koordinering og økonomisk planlægning og selvfølgelig det, hun åbent kalder det papirarbejde, der føles, som om det fylder halvdelen af enhver stifters dag. »At lede en virksomhed betyder at være forsker, udvikler og en person, der sidder ved et skrivebord og skal pløje sig gennem dokumenter en halv dag, alt på én gang.«

Coronaårene tvang en strategisk kursændring igennem. Leap Dynamics var startet med fokus på hardware. Da pandemien kom, skiftede teamet til skræddersyede softwareløsninger. »Det var den rigtige beslutning,« siger Magdalena. »Vi kom rigtig godt igennem coronaperioden, fik mange nye kunder og kunne derefter rette opmærksomheden mod at integrere AI i vores tilbud.«

Uenigheder ryger op på whiteboardet. »Vi skriver alle fordele og ulemper ved en beslutning op,« forklarer Magdalena. »Vi ser ikke kun på vores personlige præferencer. Til sidst ser vi på, hvad der bringer virksomheden fremad.« Det dybere princip er Nikolais: »Det handler ofte ikke om at træffe den rigtige beslutning, men simpelthen om overhovedet at kunne træffe en beslutning. Det, der virkelig ødelægger virksomheder, er ikke kun, at der træffes forkerte beslutninger, men at beslutninger bliver udskudt i fem år. Det er langt værre.«

Adrian, der kom til Leap Dynamics med en hybrid baggrund inden for softwareudvikling og data science i banksektoren, koger sin erfaring ned til én indsigt: »Noget af det vigtigste, jeg har med fra bankverdenen, er, hvad der bliver muligt, når man har et team, der rent faktisk fungerer.«

Likvid nok til at vokse

Leap Dynamics kom til Vivid gennem et opkøb. Stifterne havde tidligere en konto hos Pile til forrentet opsparing for virksomheder, et centralt finansielt værktøj for en virksomhed, der arbejder i projektcyklusser med store indbetalinger, der kommer i samlede bølger. Da Vivid købte Pile, så stifterne skiftet som en mulighed snarere end en forpligtelse. »Vi havde dengang chancen for at lære Vivid at kende og alligevel fravælge det,« husker Magdalena. »Efter tre dage med Vivid stod det helt klart for os: Vivid er den rigtige partner for Leap Dynamics. Og vi er blevet siden.«

For Nikolai er det oprindelige trækplaster stadig det vigtigste. Rentekontoen gør hvilende projektindtægter til arbejdskapital mellem opgaverne.

For en lille virksomhed, der har en omsætning og har penge stående på kontoen på forskellige tidspunkter, er det faktisk bare nyttigt. Det forbedrer simpelthen likviditeten.

Nikolai Genov, medstifter og CEO, Leap Dynamics

Magdalena fortæller, hvordan hvert projekt kan have sin egen underkonto og sin egen IBAN med et fast budget tildelt fra start. Teamets kort har individuelle grænser. »At jeg rent faktisk kan give et produkt en IBAN med et fast beløb, gør planlægningen utrolig meget nemmere.« Investeringskontoen til virksomheder, som Nikolai allerede ledte efter andre steder, da Vivid tilføjede den, fuldender billedet.

At have nogen, også selvom det er en AI-agent, der kan svare på vores spørgsmål eller bare rydde visse usikkerheder af vejen, er guld værd.

Magdalena Genov, medstifter og CEO, Leap Dynamics

»At bruge Vivids AI-agenter er det næste naturlige skridt for os som Vivid-kunder,« siger Magdalena. Efter syv år med at bygge virksomheden op og over otte år med at tænke over, hvad sådan en virksomhed kunne blive, er Nikolai utvetydig. »Jeg fortryder det ikke. Heller ikke når det er hårdt. I virkeligheden er det meget, meget hårdt. Men det er det værd.«