Cukup memotret suatu produk dengan kamera ponsel Anda dan mencarinya di toko online? Ini belum menjadi kehidupan sehari-hari. Sebuah startup dari Berlin sedang mengerjakan implementasinya.
Kakak beradik Anna Lukasson-Herzig dan Markus Lukasson sebenarnya ingin membangun sistem pembayaran cepat untuk toko online. Namun seiring berjalannya waktu, mereka menyadari bahwa pencarian produk secara online memakan waktu terlalu lama. Itulah sebabnya mereka telah bekerja selama sekitar satu tahun pada perangkat lunak yang menggunakan kecerdasan buatan untuk mengenali objek dalam gambar dan oleh karena itu dapat diintegrasikan ke dalam pencarian mereka melalui toko online.
Juga di industri Ginjal akan segera mendapat dukungan. Investor seperti High-Tech Gründerfonds atau von ProSiebenSat.1 Portal yang diakuisisi Moebel.de sudah yakin sejak awal. Pada musim gugur tahun ini, perusahaan berusia dua tahun ini juga pindah di bawah payung Microsoft Accelerator di Berlin, tetapi juga mengoperasikan kantor di Düsseldorf.
Dalam sebuah wawancara, insinyur terlatih Anna Lukasson-Herzig menjelaskan apa yang ada di balik usaha rintisannya Ginjal dan bagaimana Anda dapat menggunakan perangkat lunak tersebut, yang antara lain bersaing dengan perusahaan Inggris dan mitra Zalando, Cortexica.
Anna, sebenarnya apa yang bisa Nyris lakukan?
Nyris adalah mesin pencari visual. Artinya kita mencari entri yang sama persis atau mirip dalam database. Kami melakukan ini melalui gambar dan bukan dengan teks atau angka. Apa pun bisa ada di database, tidak peduli apakah itu kursi, item fashion, atau komponen. Kami telah mengoptimalkan dan menstandarkannya hingga tidak bergantung pada kategori. Kami menemukan kecocokan dalam waktu kurang dari satu detik, dan hingga 50 gambar baru per detik dapat diunggah ke database. Sebuah database dapat memproses hingga 500 juta objek tanpa mempengaruhi kinerja.
Bagaimana Nyris digunakan?
Yang paling mudah dipahami oleh pengguna akhir adalah pencarian produk visual. Anda seharusnya dapat mencari toko online menggunakan teks dan gambar. Dan di sektor industri, misalnya, ada kasus yang kami terapkan pada Daimler. Maksudnya disini kita mengenal komponen-komponen truk untuk software manajemennya. Truk seperti ini merupakan keajaiban IoT, terdapat ribuan sensor yang mengirimkan data ke server secara real time seperti tekanan ban, pengisian tangki dan lain sebagainya. Daimler sedang mencari cara untuk memvisualisasikan data ini. Jadi ketika manajer armada mengarahkan kamera ke truk, perangkat lunak kami mengenali pelat nomor kendaraan dan truk tersebut dilaporkan. Jika dia kemudian menempelkannya pada ban, tekanan ban secara otomatis akan ditunjukkan.
Bagaimana Anda mendapatkan ide untuk Nyris?
Saya dan saudara laki-laki saya sama-sama insinyur, namun kami tidak memiliki latar belakang teknik yang khas. Kakak saya bekerja di Amazon setelah saya lulus dan saya bekerja di Boston Consulting Group. Dia menyukai cara Amazon bekerja dan mengambil keputusan berdasarkan fakta. Namun yang juga dia lihat adalah Anda masih kehilangan banyak orang di kasir. Oleh karena itu, ide pertamanya adalah membangun kasir yang sempurna. Ini harus sangat cepat sehingga pengguna tidak terganggu. Bahwa pengguna memeriksanya bahkan sebelum berpikir. Namun kemudian kami menyadari bahwa pencarian produk membutuhkan waktu yang lama.
Lalu muncul ide pencarian gambar?
Tepatnya, kami memutuskan untuk mencoba pengenalan gambar. Kami pertama kali melihat teknologi eksternal, namun kami mencapai batasnya dengan relatif cepat. Servis yang bagus juga memiliki waktu pertandingan sekitar dua belas detik. Dan banyak layanan pada saat itu dapat memproses hingga 150.000 data dalam database, namun tidak lebih. Namun kami tahu bahwa jika kami ingin membangun proses pembayaran untuk semua e-commerce, maka harus mampu memproses jutaan data. Itu sebabnya kami berkata: Kami harus melakukannya sendiri.
Tentu tidak mudah untuk melepaskan ide pertama.
Ini adalah pembelajaran dari masa kami sebelum Nyris bahwa kami mendengarkan pelanggan sejak dini tentang apa yang sebenarnya mereka inginkan dan kemudian mengoptimalkan pengembangannya. Awalnya kami punya gambaran tentang apa yang diinginkan klien, tapi kemudian kami sadar: sebenarnya bukan itu sama sekali. Ini adalah bagian dari proses dimana Anda memasuki pasar lebih awal dan melakukan tes pertama. Jika ya, Anda tidak dapat menghindari konversi masukan yang Anda terima. Jika perlu, hal ini juga dapat membuat Anda menyerah sama sekali pada ide bisnis. Dengan cepat menjadi jelas bahwa kami perlu mengembangkan pengenalan gambar.
Selain Daimler – berapa banyak pelanggan yang Anda miliki?
Saya tidak bisa menyebutkan angka pastinya, kami hadir di empat negara dan di dua benua. Pelanggan terbesar kami yang dapat kami sebutkan meliputi Miles and More, Daimler, Metro, Möbel.de, dan Global Sources.
Apa lagi yang Anda rencanakan dalam waktu dekat?
Kami ingin menggunakan Nyris lebih banyak untuk kasus penggunaan di industri dan sektor jasa. Seperti dijelaskan di atas, kami telah mengembangkannya sedemikian rupa sehingga tidak menjadi masalah apakah kursi atau komponen harus dikenali. Kami juga telah mengembangkan deteksi beberapa objek pada gambar dan posisi objek dalam gambar. Pada langkah selanjutnya kami ingin mengembangkan penghitungan dan pengukuran benda. Fungsi-fungsi ini sangat berguna untuk mengotomatiskan banyak langkah yang masih manual di industri atau dapat mempercepat proses secara signifikan. Salah satu contohnya adalah deteksi otomatis kerusakan pada kendaraan, yang berarti Anda cukup mengenali penyok dari foto dan kemudian mengatakan dalam hitungan detik: itu berarti 2.500 euro.
Bagaimana perkembangan pembiayaan Anda?
Kami telah mengumpulkan 1,8 juta euro sejauh ini dan masih mendapatkan dana hingga pertengahan tahun depan, namun kami ingin memajukan putaran ini dan sudah melakukan penggalangan dana. Kami sedang mempertimbangkan apakah VC atau kantor keluarga lebih baik bagi kami. Kami sekarang ingin mengumpulkan dua juta lagi.
Terima kasih atas percakapannya, Anna!
