Blogginlägg -

​Nu satsar svenska molnföretaget Flowbox på AI

Startupen Flowbox, som utvecklat en plattform för att samla in innehåll från sociala medier, växer i rasande takt och tog nyligen in 80 miljoner kronor i riskkapital. Nu smyglanserar snart bolaget sin första AI-baserade lösning.

Vad tänker du på när du hör uttrycket artificiell intelligens? Självkörande bilar eller kanske pratande robotar? Artificiell intelligens, eller AI, är inte längre något som tillhör science fiction-filmer i scener som utspelar sig i en avlägsen framtid, utan finns idag i flera olika tillämpningar. Allt fler företag väljer att använda AI i nya sammanhang och i nya tillämpningsområden, men det handlar inte alltid om människoliknande robotar utan också om mer subtila lösningar.

Molnföretaget Flowbox har utvecklat en plattform som låter företag samla in användargenererat innehåll från sociala medier, så kallat user-generated content (UGC), i form av exempelvis bilder och videoklipp. Innehållet kan företaget sedan distribuera och använda i marknadsföring i sina egna digitala kanaler och på sin sajt. Nu tar Flowbox nästa steg in i AI-världen och ska ta fram smartare lösningar som hjälper företagen att använda plattformen på ett mer effektivt sätt.

Erik Lundberg är data scientist på Flowbox och rekryterades till bolaget i början av året. Han har en bred erfarenhet inom matematisk statistik, programmering och machine learning och arbetar nu med att ta fram lösningar som gör Flowbox plattform mer intelligent och värdeskapande för kunderna.

– Vi håller just nu på att, med avancerade statistiska algoritmer, bygga en modell som sorterar bildflödena i Flowbox plattform och säkerställer att de mest engagerande och relevanta bilderna är de som användarna ser först. Vår förhoppning är att detta ska förbättra användarupplevelsen för våra kunder och i slutänden leda till en högre click-through rate, säger Erik Lundberg.

Algoritmen som ska hjälpa användarna att sortera bilderna går under namnet Flowscore och består enkelt förklarat av två delar: Click-through rate, samt hur ny bilden är. Även mängden data tas med i beräkningarna: ju mer data i form av exempelvis klick och visningar, desto högre score. En bild med många klick och visningar rankas därigenom högre än en bild med färre klick och visningar. Nya bilder får extra bonuspoäng som påverkar den så kallade Flowscoren, för att säkerställa att innehållet som visas i toppen av flödet är färskt och aktuellt.

Erik Lundberg betonar att funktionerna som nu utvecklas egentligen inte är machine learning utan just avancerade statistiska metoder, men tillägger också att detta bara är början och att planer finns på mer avancerade projekt.

– Ett framtida projekt är att skapa filter som låter kunderna filtrera bilderna för att enklare kunna hitta det innehåll som är relevant just för dem. Ett företag kanske vill ha bilder med bara personer på, medan ett annat företag bara vill ha utomhusbilder, och så vidare. Med machine learning kan vi lära datorn att hitta mönster och känna igen sådana bilder.

Machine learning skapar konkurrensfördelar

Uttrycken machine learning, deep learning och artificiell intelligens används ofta synonymt men har i själva verket olika betydelse. Vad skiljer egentligen dessa termer åt? För den som inte arbetar inom fältet är det kanske inte helt självklart vad som är vad.

AI som begrepp myntades redan när de första datorerna kom på 1950-talet och hade en ganska bred betydelse som då syftade på metoder för att skapa intelligenta maskiner med förmåga att lösa problem och utföra uppgifter som oftast kräver mänsklig intelligens. Sedan femtiotalet har mycket skett, AI som koncept har fått flera förgreningar där nya forskningsområden successivt växt fram och idag skiljer man oftast på AI och machine learning även om begreppen är relaterade. Erik Lundberg förklarar:

– Machine learning är en undergrupp av AI, som handlar om att använda avancerade matematiska modeller för att hitta mönster i data. Oftast krävs det extremt mycket data för dessa modeller, det vill säga big data. Förenklat kan man se det som att om vi har en viss mängd historisk data så försöker vi hitta ett mönster i dessa för att sedan applicera detta mönster på nyinkommen data. Artificial Neural Networks är en av många algoritmer som kan användas inom machine learning. Deep learning är ett specialfall av Artificial Neural Networks.

Christian Kaunissaar, CTO på Flowbox, tror att möjligheten att snart kunna använda machine learning för att skapa smartare funktioner i Flowbox kommer att innebära en stor skillnad för kunderna och utgöra en betydande konkurrensfördel.

– Vi kommer att kunna förenkla kundernas beslut i hög utsträckning, och vi kommer att kunna automatisera en hel del saker. Idag finns egentligen inga tekniska begränsningar, utan det handlar mer om etiska ställningstaganden och var man vill dra gränsen för hur mycket man begränsar kundens eget inflytande, säger Christian Kaunissaar.

"Win-win för både dem och oss"

Funktionen med Flowscore, som gör det möjligt att sortera bilderna efter click-through rate, är redan klar i en testversion och kommer att börja användas av en första pilotkund under sommaren 2020. Den nya funktionen kommer att hjälpa Flowbox kunder att snabbare identifiera de bästa bilderna i flödet.

– Just nu jobbar vi med några utvalda kunder och tittar på deras specifika behov, men i samband med att vi hittar lösningar på deras problem kommer vi också att kunna lösa liknande problem för andra kunder som befinner sig i samma bransch eller segment. För ett företag som säljer glasögon kan det handla om att identifiera om det finns människor och glasögon på bilder. Även andra företag i samma bransch skulle ha nytta av en sådan lösning, och när det gäller att se om det finns personer på bilder eller inte är detta något som skulle kunna gynna de flesta av våra kunder. På så sätt kan vi skapa generella lösningar utifrån specifika utmaningar., säger Christian Kaunissaar.

Men även om smarta algoritmer och machine learning kan förenkla mycket arbete för både kund och leverantör kommer inte allting att automatiseras – enligt Christian är transparens viktigt och varje kund ska hela tiden kunna välja om de vill utgå ifrån datorns beräkningar eller om de vill visa alla tillgängliga bilder.

– Det här kommer att bli ett sätt att göra vår produkt ännu smartare och effektivare. Som användare får du ett sätt att välja ut bilder som sker automatiskt och som är bättre än magkänslan. Med hjälp av AI kommer de nyaste och mest engagerande bilderna att synas först i flödena. Målet med projektet är att ge våra kunder en bättre användarupplevelse av flödena och på så vis hjälpa dem att öka sin försäljning. Om kunderna kan göra det och dessutom lägga ner mindre tid i plattformen så är det win-win för både dem och oss, säger Erik Lundberg.

Flowbox grundades 2016 och sedan dess har man ständigt utvecklat nya funktioner i plattformen. Orsaken till att bolaget först nu satsar på machine learning menar Christian är helt enkelt att det inte legat rätt i tiden förut.

– När vi startade bolaget var vår första prioritet att skapa ett bra workflow och bygga de funktioner som låter företagen samla in innehållet. Nästa steg har varit att koppla ihop bilderna med kundernas produkter. Därefter har vi byggt på med funktioner som exempelvis vår insightdel för statistik, publiceringsverktyg och mycket mer. Nu har vi en stabil grund och de resurser som krävs för att kunna satsa på data science och utöka plattformen med ytterligare funktioner som ger det där lilla extra, säger Christian Kaunissaar.

Bilder

Christian Kaunissaar, CTO, Flowbox


Erik Lundberg, Data Scientist, Flowbox

För mer information
Helena Nordh Myhrman, Head of Marketing & Communications, Flowbox
helena.myhrman@getflowbox.com

Ämnen

  • Mode

Kategorier

  • ai
  • företagsnyheter

Kontakter

Helena Nordh Isaksson

Presskontakt Head of Marketing & Communications 070 939 09 75