Deepomatic хочет создать компаньона для компьютерного зрения на основе ИИ для полевых работников • TechCrunch

Французский стартап Deepomatic привлек финансирование серии B на сумму 10,5 млн долларов (10 млн евро). Хотя первый раунд относительно небольшой, стартапу удалось убедить некоторых крупных клиентов использовать его платформу визуальной автоматизации. Например, телекоммуникационные компании используют Deepomatic в полевых условиях для проверки успешности выполнения задач.

EnBW New Ventures и Orbia Ventures лидируют в недавно объявленном раунде финансирования, который Deepomatic закрыл в октябре. Существующие инвесторы Alven, Hi-Inov Dentressangl и Swisscom Ventures снова участвуют в новом раунде.

Стартап существует уже несколько лет, когда я впервые рассказал о Deeepomatic еще в 2015 году. Компания всегда была сосредоточена на глубоком обучении для приложений ного зрения. Основная проблема заключается в том, что поиск подходящих клиентов для этой технологии был долгим.

В телекоммуникационной отрасли кажется, что Deepomatic наконец-то раскрыла свой истинный потенциал. «Мы обнаружили отрасль, которая очень нуждалась в том, над чем мы работали, — это телекоммуникационные компании», — сказал мне соучредитель и генеральный директор Огюстен Марти.

Когда полевой работник устанавливает волоконно-оптические кабели или разворачивает новую вышку 5G, ему приходится заполнять сложные формы, чтобы убедиться, что он соблюдает определенные процессы. Это может быть довольно утомительно, так как рабочие могут работать на подрядные компании. И эти компании могут работать с несколькими телекоммуникационными компаниями с разными требованиями.



Также легко ошибиться при заполнении формы. Иногда полевые работники также могут сказать, что что-то работает нормально, хотя вроде работает. Это может создать некоторые проблемы с обеспечением качества, как мы видели в точках концентрации клетчатки.

Вот почему многие компании выездного обслуживания также работают с фотографиями. Когда они заканчивают что-то устанавливать, они должны сфотографировать свою установку и свои инструменты, чтобы доказать, что какое-то новое оборудование работает и работает с правильными параметрами. Это означает больше работы.

С Deepomatic компании выездного обслуживания в основном используют фотографии в качестве эталона. Фотографии автоматически анализируются, чтобы извлечь некоторые знания. Затем Deepomatic может отправить несколько предупреждений, если что-то не так, и это следует перепроверить.

«Мы начали с самой сложной части — выявления ошибок, — сказал Марти. Вдобавок ко всему, Deepomatic теперь продает комплексную платформу, так что полевым работникам нужно только использовать Deepomatic, чтобы что-то сделать. Он также интегрируется с определенными корпоративными инструментами, такими как ERP.

Когда стартап работает с новым клиентом, выполняется некоторая работа по интеграции, чтобы Deepomatic работал именно так, как ожидалось. Он включает в себя добавление контрольных точек, повторное использование некоторых существующих задач в библиотеке компьютерного зрения или обучение алгоритма на новом наборе фотографий. Алгоритмы Deepomatic обучаются на собственной инфраструктуре стартапа. Но его продукт может работать в собственной облачной инфраструктуре клиента, а в некоторых случаях и в помещении.

В настоящее время у компании около 20 крупных клиентов, таких как Bouygues Telecom, Swisscom и Movistar, а также множество более мелких клиентов. Поскольку это корпоративное программное обеспечение, клиенты обычно платят сотни тысяч евро в год за использование Deepomatic.

Каждый месяц Deepomatic отслеживает более миллиона полевых операций. Более 20 000 полевых работников каждый день делают фотографии на свои телефоны и загружают их в серверную часть Deepomatic.

Далее Deepomatic и его команда из 70 сотрудников хотят выйти на новые рынки и в новые отрасли, такие как возобновляемые источники энергии, электрическая мобильность, строительство, страхование и т. д. Deepomatic хочет работать с компаниями в Европе, США и Южной Америке.

Многие правительства и крупные компании в настоящее время вкладывают значительные средства в капитальный ремонт своей инфраструктуры в течение следующих нескольких десятилетий. В то же время ощущается нехватка кадров для полевых работников. Похоже, Deepomatic появляется на рынке в нужное время, чтобы стать важным инструментом для капитального ремонта этой инфраструктуры.