Sebuah startup di Munich menggunakan teknologi masa depan untuk membantu perusahaan farmasi. CEO Rainer Schwarz menjelaskan dalam sebuah wawancara cara kerja perangkat lunaknya.
Perusahaan farmasi harus menyiapkan ribuan dokumen sebelum pihak berwenang dapat menyetujui obat baru. Cunesoft, yang berbasis di Munich, ingin menertibkan kekacauan data ini dengan kecerdasan buatan (AI). Rainer Schwarz dan David Koppers mendirikan startup ini pada tahun 2013. Kami berbicara dengan Schwarz tentang meremehkan AI dan alternatif terhadap pekerjaan manusia.
Rainer, Anda mengandalkan AI dan pembelajaran mesin. Hampir tidak ada tanda-tanda ini di situs web Anda. Mengapa Anda mengiklankannya dengan sangat hati-hati?
Kami mencoba mengedepankan solusinya. Pelanggan kami tidak membeli AI, yaitu bukan alatnya, namun solusinya.
Dapatkah Anda memahami mengapa perusahaan lain yang bekerja dengan AI menekankan teknologi ini?
Hal ini mungkin ada kaitannya dengan fakta bahwa pasar saat ini sedang sangat gemar mendengar kata “kecerdasan buatan”. Misalnya, sebuah startup saat ini mendapat rating lebih baik dari investor jika fokus pada topik AI. Menurut pendapat saya, sering kali banyak perusahaan memiliki sedikit pengetahuan tentang AI.
Bagaimana cara kerja AI Anda?
Kami menggunakan berbagai algoritma AI. Konfigurasi mereka adalah saus rahasia kami, nilai tambah kami. Kami bahkan tidak ingin memberi tahu Anda banyak tentang cara kerjanya. Hasilnya kami jual. Kami memiliki algoritme yang terlatih dan pelanggan kami senang.
PENGHARGAAN BATU PENDIRI
Tahun ini kami kembali memilih perusahaan digital dengan pertumbuhan tercepat di Jerman. 50 perusahaan dengan skor pertumbuhan terbaik akan diberikan penghargaan. Anda dapat mengunduh seluruh majalah kami dengan semua peserta dan artikel di sini.
Namun bisakah Anda menggunakan contoh untuk menjelaskan cara Anda menggunakan AI – tanpa mengungkapkan rahasia perusahaan?
Industri farmasi menghasilkan sejumlah besar dokumentasi ketika mengembangkan obat-obatan, yang biasanya ditulis dengan cara yang sangat tidak terstruktur. Terkadang dokter menulis sesuatu, lalu ilmuwan. Mengekstraksi data ini sulit. Tergantung pada masalahnya, kami menggunakan algoritma yang berbeda, seperti algoritma pengenalan pola untuk masalah sederhana atau algoritma pengenalan suara dari area NLP untuk teks berkelanjutan dengan informasi tidak terstruktur.
Jadi Anda menggantikan pekerjaan yang biasa dilakukan orang. Berapa banyak waktu dan uang yang dihemat?
Kita dapat menghemat lebih dari 90 persen waktu dibandingkan dengan pekerjaan manual. Biayanya sekitar 70 persen. Pengembalian investasi untuk klien biasanya terjadi dalam waktu enam bulan.
Dan berapa banyak uang yang biasanya harus dibayar pelanggan Anda untuk ini?
Proyek yang lebih kecil berkisar antara 150.000 dan 250.000 euro. Jumlah tersebut termasuk lisensi perangkat lunak dan implementasi serta pelatihan algoritma. Klien mengatakan kepada kami bahwa biayanya bisa melebihi satu juta euro jika mereka mengerjakan proyek secara manual dengan penyedia layanan eksternal.
12 – Cunesoft
Skor: 44,3 (CAGR: 310%)
Tahun didirikan: 2013
Markas Besar: Munich
Cabang: Lainnya
Situs web: www.cunesoft.com
Bagi pelanggan Anda, yang terpenting adalah persetujuan produk. Dengan siapa kau bekerja?
Inilah 50 perusahaan farmasi teratas di dunia. Misalnya, kami mengerjakan proyek dengan Astrazeneca tahun lalu, menganalisis beberapa ribu dokumen dalam 26 bahasa, dan mengekstraksi jutaan data dengan akurasi lebih dari 90 persen. Kami sedang berdiskusi dengan Bayer, Sanofi dan Merck. Ini sebagian besar tentang perusahaan besar yang memiliki data tersembunyi di banyak dokumen.
Apa yang terjadi pada data setelah Cunesoft menganalisisnya?
Apa yang terjadi pada data setelah Cunesoft menganalisisnya?
Dokumen tersebut disiapkan dalam format yang diwajibkan oleh pihak berwenang untuk menyetujui, misalnya, pengobatan. Semuanya disebut pementasan data.
Anda tidak hanya bekerja dengan perusahaan farmasi, tetapi juga di sektor bioteknologi.
Ya, bidang data mining menarik untuk studi klinis. Menganalisis studi ini biasanya merupakan aktivitas manual, namun di sini kami juga dapat membantu dengan AI.
Bagaimana Anda bisa mendapatkan ide untuk mendukung perusahaan farmasi dengan AI?
Saya telah bekerja di bidang perangkat lunak life science selama 17 tahun dan telah mempelajari permasalahan yang dihadapi oleh perusahaan farmasi, terutama banyak langkah pekerjaan yang masih dilakukan secara manual. Jadi ada peluang untuk menghemat uang dengan mengotomatiskan langkah-langkah ini. Hal ini menginspirasi kami untuk mendirikannya.
Anda ikut mendirikan perusahaan pada tahun 2013. Saat itu, AI belum menjadi tren. Jadi, Anda mungkin bekerja dengan solusi lain pada awalnya?
Tepatnya, pada awalnya kami dengan cepat menemui masalah karena tidak mampu menjinakkan data dalam jumlah besar dengan algoritma standar. Kami telah menggunakan algoritma AI sejak 2015.
Bagaimana awalnya Anda mendapatkan data untuk melatih AI Anda?
Beberapa data tersedia untuk umum. Perusahaan farmasi wajib mempublikasikan informasi tertentu. Kami awalnya menulis bot yang mencari situs web masing-masing pemerintah dan mengunduh dokumen yang relevan. Itu sangat keren. (tertawa)
Apakah data yang Anda tangani saat ini juga mencakup data pribadi? Jadi, apakah GDPR berperan bagi Anda?
Bagi kami, ini sebagian besar tentang data produk. Oleh karena itu, GDPR memainkan peran yang lebih rendah. Data yang kami proses tentu saja sangat sensitif. Hal ini jarang tercakup dalam pedoman perlindungan data, namun dilindungi oleh paten.
Apakah ini juga berlaku untuk studi klinis?
Data ini sepenuhnya dianonimkan. Salah satu kasus penggunaan perangkat lunak kami adalah nama-nama dihitamkan karena merupakan persyaratan dari pihak berwenang.
Bagaimana Anda didanai?
Dengan modal ventura kami memiliki tiga investor: HTGF, Bayern Kapital dan Occident Group, sebuah kantor keluarga di Swiss.
Dan bagaimana dengan profitabilitas?
Kami hampir tidak mendapat untung tahun lalu. Kami merencanakan peningkatan EBITDA sebesar lima hingga sepuluh persen.
AI adalah topik yang lebih baru, jadi seharusnya hanya ada sedikit pesaing di bidang Anda, bukan?
Benar. Namun kini kami melihat bahwa perusahaan-perusahaan secara bertahap mulai melakukan hal yang sama.
Jadi bagaimana dengan jalan keluar?
Ini sudah menjadi masalah. Kami telah didekati dua kali tahun ini dengan proposal pembelian spesifik. Namun, kami sebagai pemegang saham telah sepakat untuk mengembangkan perusahaan dan bertujuan untuk keluar di kemudian hari.