serie om kunstig intelligens del 1

Norge har 250 selverklærte «AI-startups» - noen er mer kunstig intelligente enn andre

Ekspertene har startet ryddejobben: Slik skiller de «AI-klinten» fra «AI-hveten».

Fredrik Winther i Katapult og Cecilie Skjong i Skyfall rydder opp i AI-jungelen.
Publisert Sist oppdatert

I fjor ble to år med kapitaltørke avbrutt av frenetisk investering i startups som hevder å drive med noe innen kunstig intelligens.

Aktiviteten var størst i USA. De største rundene globalt var i Silicon Valleys OpenAI, Anthropic og Inflection AI. I Europa stakk tyske Aleph Alpha og franske MistralAI av med de største kapitalrundene, begge driver med egenutvikling av store språkmodeller (LLMer).

Nå, ved inngangen til 2024, kan det synes som at verden og Norge flommer over av AI-startups. Man kan nesten få inntrykk av at noen startups strekker AI-begrepet litt i jakten på kjærligheten i kapitalmiljøet. Ifølge analysehuset CBInsights har startups med .ai i navnet gått fra å hente 1,9 prosent av all startup-kapital i 2017 til 5,6 prosent i 2023.

I Shifters databaser ligger det nå godt over 1000 startups. Svært mange av disse oppgir å ha AI-løsninger eller å kunne tilby AI-baserte tjenester. Knyttet til miljøet for kunstig intelligens ved Universitet i Oslo, Nora, finner vi 250 selskaper, som dermed er selverklærte AI-startups.

Men ikke alle er like kunstig intelligente. For å rydde litt i jungelen, hadde en inndeling vært nyttig. Om bare noen kunne laget en... 

AI-landskapet fra dataanalyse til AGI

Vi prøver maskinen først.

Journalist i villrede: [Hva er en AI-startup?] 

ChatGPT: [Hold my beer…]

…«Når vi kategoriserer AI-startups basert på hvor teknisk avansert teknologien er, kan vi dele dem inn i følgende kategorier, fra mindre til mer avanserte. Hver kategori representerer et stadie av teknologisk kompleksitet og avansert anvendelse av kunstig intelligens. Mens noen kategorier er godt etablert i markedet, er de mer avanserte, som AGI, fortsatt i stor grad innenfor forsknings- og utviklingsstadiet.

AI-startups - en inndeling av ChatGPT

  1. Dataanalyse og Business Intelligence:

    • Disse selskapene fokuserer på grunnleggende dataanalyse, mønstergjenkjenning og business intelligence ved hjelp av AI.

    • Eksempler: Dashbordverktøy for dataanalyse, kundeadferdsanalyser.

  2. Automatisering og Effektivisering:

    • Denne kategorien omfatter startups som benytter AI til å automatisere enkle prosesser og oppgaver, for eksempel i produksjon eller administrasjon.

    • Eksempler: Chatbots for kundeservice, automatiserte regnskapssystemer.

  3. Prediktiv Analyse og Beslutningsstøtte:

    • Her inngår selskaper som bruker AI for å forutsi fremtidige trender og bistå i beslutningsprosesser. Dette innebærer mer avansert dataanalyse og prognosemodellering.

    • Eksempler: Verktøy for prognoser i aksjemarkedet, prediktiv vedlikehold i industri.

  4. Naturlig Språkforståelse og Generering (NLP/NLG):

    • Startups i denne kategorien fokuserer på forståelse og generering av menneskelig språk ved hjelp av AI, noe som krever dypere teknologisk ekspertise.

    • Eksempler: Oversettelsestjenester, generering av tekstinnhold.

  5. Bilde- og Mønstergjenkjenning:

    • Disse selskapene spesialiserer seg i avansert bildeanalyse og mønstergjenkjenning, som brukes i alt fra medisinsk diagnostikk til sikkerhetssystemer.

    • Eksempler: Ansiktsgjenkjenning, diagnostisk verktøy i helsevesenet.

  6. Selvlærende Systemer og Dyp Læring:

    • Denne kategorien inkluderer de mest avanserte AI-startups, som arbeider med selvlærende systemer og dyp læring. Disse systemene kan lære og tilpasse seg uten menneskelig inngrep.

    • Eksempler: Selvkjørende biler, avanserte roboter med tilpasningsevne.

  7. Generell Kunstig Intelligens (AGI):

    • På toppen av stigen er startups som jobber mot å skape generell kunstig intelligens – systemer som kan utføre enhver intellektuell oppgave som et menneske kan.

    • Eksempler: Forskningsbaserte selskaper som jobber mot teoretiske modeller for AGI.

(Se tekstboks).

Ok, computer. 

Spør man et menneske som Ruters AI-sjef Umair Imam om hva som er «ekte» AI, får man beskjed om å lete etter selskaper som bruker maskinlæring/roboter og tradisjonell AI i en kategori. Selskaper som lager datasett kan være en annen, og selskaper som driver med generativ AI og språk- og bildemodeller en tredje.

500 i Norden - 250 nye i fjor

Fredrik Winther i Katapult sitter på et AI-verktøy de har utviklet som gir oversikt over startups globalt. Han forteller at det er minst 500 selskaper etablert siste 5 år Norden som kan kalle seg AI-startups, og rundt 120 av disse er norske.

– Halvparten av de 500 ble etablert i 2023, sier han. 

Winther peker på kombinasjonen av tilgjengelige data og regnekraft som utløsende for denne AI-bølgen, hvor mye er basert på språkmodeller og LLMs. 

– Det har gjort det mulig å teste hypoteser om nye selskaper rimeligere enn før, sier han. 

Inntrykket Winther sitter med etter å ha kjørt noen kjappe analyser med verktøyet, er at man har en liten gruppe selskaper som driver med avansert teknologiutvikling, såkalt deep tech, og så en stor gruppe som bruker teknologien til å gjøre produktivitetsforbedringer i stort og smått. 

– Det handler ofte om å effektivisere arbeidsflyt, analyser, koordinering, bedre oversikter og fjerne manuelle og delvis repetetive oppgaver. Alt som erstatter folk utenfor ekspert- og kjernekompetanse er det som kommer først. 

Han anslår at rundt halvparten av AI-startupene som ble etablert i 2023, er basert på en form for slike produktivitetsforbedringsverktøy. 

– Mange av disse har også fått høy verdsettelse raskt, og mye av dette vil det bli vanskelig å forsvare over tid. 

– Det som trolig vil ha bedre sjanser er selskaper basert på proprietære data, trent på spesialiserte algortimer, erfaringsdata og problemstillinger og helst innenfor mindre generiske områder. For oss har det for eksempel vært å plukke opp signaler på nye selskaper globalt, se trender og bygge dealflow, gjøre bedre analyser av disse, og ikke minst bistå portefjøljeselskaper og fond med investoranalyser og kontakter. 

– Venture-selskaper har generelt vært trege med å ta i bruk AI-verktøy, og der vil det komme en revolusjon de nærmeste årene.

Ser ekstreme vekstrater

Cecilie Skjong i Skyfall har jobbet i ai-spinoffen fra Aker-systemet, Aize. Hun og kollegaene i Skyfall mener at AI nå er på stadiet som internett var på midten av 90-tallet. 

– På den tiden kunne vi knapt forestille oss i hvilken grad teknologien ville påvirke samfunnet vårt. Det faktum at maskiner nå kan forstå oss mennesker og produsere tekst, bilder og kode, tror vi vil endre fundamentalt måten bedrifter og enkeltpersoner interagerer med datamaskiner og den digitale verden på fremover. Men at det denne gang vil gå mye fortere. Vi ser nå noen ganske ekstreme vekstrater for nye AI-tjenester innen flere områder, sier hun.

Skyfalls AI-kategorier

Generativ AI kan klassifiseres på flere forskjellige måter. Hos Skyfall tenker de grovt sett på dette i fire kategorier: 

  • Infrastruktur: Infrastrukturen hvor de ulike modellene trenes, kjøres og lagres. Her finner vi aktører som Nvidia og Azure.

  • Modeller (språk- og bildemodeller): Fundamentale modeller, slik som GPT-4 fra OpenAI. Det finnes også et bredt spekter av open source-modeller. 

  • Muliggjørende teknologi: Verktøy og tjenester for å utvikle og drifte AI-løsninger og -applikasjoner. Et eksempel er det norske selskapet Databutton, som utvikler en imponerende tjeneste som gjør det mulig for de fleste med et minimum av systemforståelse å bygge helt rå AI-applikasjoner.

  • Applikasjoner: Dette er vel området som «folk flest» forholder seg til. Skyfall tenker på dette som digitale tjenester som ikke ville vært mulig uten bruk av de fundamentale språk- og bildemodellene. Vi ser allerede et bredt spekter av slike AI-applikasjoner, innen design, innholdsproduksjon og koding. Internt i Skyfall skiller vi mellom applikasjoner som kan karakteriseres som «native AI-applikasjoner» og applikasjoner der «AI er integrert i løsningene». I den første kategorien finner vi løsninger som eksisterer utelukkende på grunn av språkmodellene. Et eksempel på dette er Deckmatch, som leverer AI-drevet analyse av investeringsmuligheter. I den andre kategorien finner vi applikasjoner som utnytter AI i deler av produktet sitt, typisk for å forbedre verdiforslaget til kundene sine. Et godt eksempel på dette er We Are Learning, et ed-tech-selskap som bruker AI til å generere læringsmateriell mye bedre og raskere enn tradisjonelle programvareløsninger.

(Journ. anm: Eksemplene ligger i Skyfalls portefølje).

Selv om AI, primært maskinlæring, har vært brukt i en rekke softwareprodukter over mange år, er den store entusiasmen nå knyttet til generativ AI. 

– Det at maskiner nå kan forstå oss mennesker, kan produsere tekst, bilder og kode, tror vi vil endre fundamentalt på hvordan bedrifter og mennesker forholder seg til datamaskiner og den digitale verden fremover. Vi synes, kanskje ikke overraskende, at dette er ekstremt spennende!

Skjong minner om at samtidig som det åpenbart var et voldsomt gjennombrudd med de store språkmodellene de siste månedene, har det vært bygget fantastiske tjenester basert på kunstig intelligens (og da primært maskinlæring) i mange år. 

– Eksempelvis investerte vi i Skyfall i Strise, som bruker ML til å såkalte Know Your Customer (KYC)-prosesser i banker tilbake i starten av 2018. Et annet eksempel er Oivi, som bruker maskinlæring til detektering av diabetes ved hjelp av bilder av netthinnen.

– Vi ønsker å møte alle gründere som bygger selskaper innen alle disse kategoriene, men det er ikke så mange innen de to første kategoriene i Norden, sier Skjong. 

– Som vanlig er vi mest opptatt av at gründerne har identifisert et viktig problem som de ønsker å løse, og har evnen til å utvikle og selge et produkt som løser problemet.

Få gratis nyhetsbrev

Abonner på Shifters nyhetsbrev for de siste nyhetene, trendene og analysene.