Bruker AI for å finne fisk: Slik trålet gründerne i land en ny forretningsmodell på et halvt år

– Kommersielle fiskebåter bruker fra fem til tolv tusen liter drivstoff om dagen, opp til 300 dager i året - om vi reduserer tiden brukt på å lete etter fisk bare én driftsdag, så er det snakk om større miljø og kostnadsbesparelser.

Dette forteller gründerne bak Catchwise da Shifter møtte dem på en café i Oslo. På et halvt år har de rukket å lansere en MVP og få opp mot 750 brukere, for så å miste mesteparten og legge om verdiforslaget og forretningsmodellen.

Eksplosiv, organisk vekst

Eventyret begynte ved at gründergjengen ble samlet og vant hackathon-konkurransen FishAI i fjor. Vinnerideen gikk ut på å bygge et verktøy som hjalp fiskefartøy å prioritere områder gjennom maskinlæring på historisk fangst- og havdata.

Fra det originale teamet på ti var de fem stykker som ville gjøre et helhjertet forsøk på å lansere en MVP på markedet. Sammen har de bred erfaring, om ikke fra fiskebransjen: Åsmund Brekke er dataingeniør, Tomas Roaldsnes jobber med produktledet vekst, Jonas Dammen omtaler seg selv som en fullstack-potet, Kristian Hole er i tillegg til fullstackutvikler også teamets kartspesialist. 

I januar stod MVP-en klar og teamet sendte en demo til to skippere. Derfra tok det kort tid før løsningen fikk ben å stå på og de ble en snakkis i hele næringen:

– Tjenesten "eksploderte" og på to måneder fikk vi inn mer enn 750 brukere fra over 80 rederier kun via jungeltelegrafen. Samtidig ble vi fyrstikken på bålet som skapte en litt hissig debatt i næringen rundt praktisen om at denne dataen var åpent tilgjengelig, sier Roaldsnes

En av funksjonene i demoen bygde på et datasett fra Fiskeridirektoratet, som siden 2019 daglig ble oppdatert med fangstdata fra alle norske båter over 15 meter. Denne kilden var det ikke alle i næringen som var like hypp på at Catchwise gjorde enkelt tilgjengelig for alle.

– Det hele endte med at fiskeriministeren satte på en forsinkelse på datakilden over natten 16. mars. Vi fikk ikke akkurat noen «heads up», så neste morgen gikk alle alarmer i Slacken og rundt 60 prosent av tjenesten vår sluttet å fungere. Daily users-grafen stupte mot bunnen, mimrer Roaldsnes. 

Måtte justere kurs

Med verdiforslaget med direktesendt-fangstdata utelukket, var fisketeknologene nødt til å justere kurs. 

– Da det ble lagt en forsinkelse på datasettet fra Fiskeridirektoratet hadde vi fremdeles 100 brukere i uken, så det var ikke helt dommedag, men det ble tydelig at vi måtte tenke nytt rundt verdiforslag og forretningsmodell, sier Dammen.

Den store oppmerksomheten rundt tilgjengeliggjøring av det åpne datasettet gjorde det naturlig å jobbe med det verdiforslaget for å smi mens jernet var varmt, men han presiserer at de hele veien så for seg at AI og dyp analyse skulle være kjernen i produktet.

– Vi er helt ærlig på at det var tungt da en stor del av tjenesten vår sluttet å fungere på dagen. Men samtidig hadde vi fått bekreftet at det var en etterspørsel etter datadrevne anbefalinger i bransjen. Alt vi trengte å gjøre var å utvikle en ny måte å gi anbefalinger og analyser på, forteller Roaldsnes.

Gründerne benyttet seg av den store kundebasen med tidligere aktive brukere for å nøyere kartlegge hvilke deler av tjenesten som ga mest verdi til aktørene i bransjen. De bestemte seg så for å samle all dataen de kunne finne til én komplett dataplattform som kunne brukes til å visualisere havforholdene. Denne var det rederier som var villige til å betale for, og Catchwise fikk slik på plass basen for en ny B2B-basert abonnementstjeneste fremfor en åpen B2C-webapp.

Vil ikke stemples som dårlige spåkoner

Med konseptet validert forteller gründerne at de vil fortsette å utvikle løsningen i tre hovedspor, basert på hvor det er størst behov for datadrevet optimalisering. Disse skal svare på spørsmålene: 

1. «Hvor finner jeg fisk?», 
2. «Hvordan optimaliserer jeg driften av rederiet?» 
3. «Hvordan får jeg bedre priser på salg og auksjon?».

Førstnevnte verdiforslag bygger videre på visualiseringen av det aggregerte datasettet, og skal over tid bygges ut med modeller som kan predikere hvor det er fisk. Denne funksjonaliteten ønsker gründerne å bygge ut gradvis: for det første slik at de selv blir kjent med dataen de bruker, og for det andre for å bygge tillit i bransjen. 

– Løsningen vi bygger er det ingen som har gjort noe på fra før. Det minner sånn sett nesten mer om akademia enn en vanlig business-case. Hvis vi ville så kunne vi ha slengt ut en fullstendig prediksjonsmodell allerede nå, men vi foretrekker å bygge steg for steg og virkelig få en forståelse for prosessen og dataen vi jobber med, utdyper Dammen og konkluderer:

– Vi ønsker ikke å bli stemplet som noen «dårlige spåkoner fra østlandet».

Likevel kan de fortelle at resultatene på prediksjonsarbeidet så langt virker lovende. Med en modell bygget på data fra norskehavet ser gründerne allerede at de kan predikere fangstforhold også i områder utenfor der modellen har historiske data, blant annet utenfor Island.

De to øvrige verdiforslagene handler om å bygge gode business intelligence løsninger i en bransje hvor det etter gründernes erfaring fortsatt er mange som henger bak. Som eksempel trekker Roaldsnes frem at rederiene uansett må planlegge når de skal fiske etter ulike typer fisk, og at dette igjen får konsekvenser for mannskapslister, utstyr, med mer. – Her er det mye å hente ved å bruke datadrevne løsninger for beslutningsstøtte slik at man finner en optimal miks, mener han. 

Overfiske?

– Hvorfor tror dere det var så mange som var kritiske til den første løsningen bygget på live data fra Fiskeridirektoratet?

– Innledningsvis kan det nevnes at det ut i fra våre undersøkelser var nær halvparten i bransjen som var svært positive til tjenesten, svarer Roaldsnes før han utdyper: — De som var mer kritiske var blant annet bekymret for at konkurransen mellom fartøyene ble svekket. 

– Hvis vi for eksempel ser for oss at en fisker har brukt 50 års erfaring for å bygge kompetanse på hvor han eller hun kan finne reke, så skjønner vi godt at det kan oppleves som urettferdig at de så tvinges til å gi fra seg det konkurransefortrinnet, illustrer Hole og fortsetter:

– Vårt mål har hele tiden vært å effektivisere næringen, ikke å blottlegge bedrifter i seg selv. Sånn sett er løsningen vi utvikler nå på mange måter bedre enn den første demoen vi lanserte med data fra Fiskeridirektoratet.

For øvrig mener gründerne de fikk mye mostand på det første produktet fordi endringen skjedde fort og uten å involvere partene som ga fra seg dataen. De understreker også at mange synes det var problematisk at internasjonale båter kunne benytte seg av dataen fra Fiskeridirektoratet, uten å være pålagt å dele data selv. 

– Har dere tenkt på hvilke konsekvenser det kan få hvis hele næringen i større grad går over til å benytte seg av de samme modellene for å finne fisk? Hvordan unngår man overfiske?

– Overfiske og regulering av fiskebestandene er utvilsomt viktige hensyn, men som vi oppfatter at myndighetene har god kontroll på gjennom kvotesystemet. Kvotene setter grensen for hvor mye det er forsvarlig å fiske av hver art, så hjelper vi fiskerne å optimalisere driften for å fiske denne mengden så effektivt som mulig. Det er bra for fiskerne som sparer tid, bra for kloden når det brukes mindre drivstoff og bra for miljøet i sjøen ved at du unngår bifangst, altså at du ikke fanger ting du ikke skal, svarer Brekke. 

– Det er sjelden feil med mer innsikt, oppsummerer Jonas.

Hva har de lært?

Det er en myte at folk må velge mellom lønnet arbeid og å bli entreprenør

Ved spørsmål om hva de har lært gjennom siste halvårets berg-og-dal-bane og om de ville gjort noe annerledes må vennene tenke seg litt om.

Roaldsnes ender med at de ikke ville ha endret på strategien om å først lansere demo med Fiskeridirektoratets data. Han mener det ga de en veldig verdifull kundebase og innsikt i næringen. Når dette verdiforslaget så forsvant ble de tvunget til å gå dypere i hvilket problem som var viktigst å løse og hvorfor den første løsningen hadde så stor verdi.

Samlet er gründerne enige om at den størst utfordringen har vært mangel på tid. De jobber alle fulltidsjobber og har så langt utviklet selskapet kun ved å dedikere alt de har av helger, kvelder og ferier til formålet. Selv om de er selvstendige og klarer å operere hver for seg, skulle de gjerne ønske at de hadde vært enda tidligere ute med å samle alle sammen for å kjøre sprinter og hytteturer. Det er da de jobber mest effektivt. 

Likevel er de stolte over hva de har lyktes med å få til så langt ved siden av fulltidsjobb. Gründergjengen avslutter med å forsikre om at de ikke har noen planer om å bremse ned farten fremover.