Om Tekniken

Det började med att Aitellu fick utmaningen från det tekniska samhället i Göteborg att bevisa att det med automatiserade analyser gick att skapa en instrumentpanel där företagsledningen kunde få en ögonblicksbild för hur företagets varumärke såg ut i media. För att bevisa att man kan analysera en text, och utvärdera om den är positiv eller negativ, samlades en grupp människor. En av dessa är David Fendrich som tidigare byggt VILL, en AI-baserad sökmotor.

Burkskinkans uppgång och fall

Demonstrationen gick av stapeln alldeles innan julen 2002. Det visade sig att just kring denna tid skulle kriget mot skräppost få en kraftig vändning till det bättre. Paul Graham skrev, den nu klassiska artikeln, “A plan for spam” som handlar om hur han nästintill lyckades eliminera skräppost till sin e-postlista genom bayesisk filtrering. David tyckte att det var ungefär samma sak att filtrera positiva och negativa nyheter som att filtrera bra och dåliga mail, och slängde då ihop ett Pythonprogram som lärdes upp med hjälp av 500 svenska ekonominyheter.

Detta visade sig vara ett lyckokast! Tekniken passade perfekt för ändamålet och det visade sig att ekonominyheter är relativt lätta att bedöma eftersom de är så konkreta. Chalmers Innovation blev jublande glada och i januari 2003 flyttade Aitellu in i sitt första egna kontor.

Utflykten som blev en odyssé

Hur bra man än är på att analysera text så krävs det ändå att man faktiskt har tillgång till text för att kunna göra en analys. Eftersom vi hade en bakgrund från sökmotorer så föll det sig naturligt att vi skulle spindla våra egna nyheter. Om man nu har egna spindlade nyheter så kan man ju lika gärna finansiera sin teknikutveckling med att bli en digital pressklippsleverantör. Sagt och gjort – sommaren 2003 var vi i gång med våra första omvärldsbevakningskunder. Det blev aldrig den lilla avstickare som vi tänkt, utan snarare en världsomsegling som varit en stor del av vår verksamhet ända sedan dess.

Lära sig läsa

Den enkla textanalys som använts i vår första demonstration visade sig behöva raffineras och kombineras med andra metoder för att fungera på fler sorters texter. Ytterligare duktiga tekniska fysiker och datavetare från Chalmers, som hade studerat AI, anställdes för att förbättra både textanalysen och inhämtningen av information. Våra investeringar i ett starkt teknikteam betalade sig när vi i en stor oberoende studie rankades bäst av Sveriges omvärldsvbevakare när antalet felaktigt hittade artiklar (0) och antalet missade nyheter (0) mättes. Samtidigt fick vi flera verifikationer på att vår svenska tendensanalys var en fullgod ersättare för mänsklig bedömning av stora mängder artiklar.