Anatomin i en exponerad AI-stack
De fem kontroller vi kör för att ta reda på hur exponerad en stack faktiskt är: vikter, loggar, jurisdiktion, villkorsdrift och exitkostnad. En checklista ni kan köra själva.
Case
Bevis, dokumenterat.
Vi är en ung studio och låtsas inte om något annat. När kundprojekt avslutas, och kunderna går med på att namnges, publiceras de här som casestudier med verifierade siffror. Tills dess visar de här arbetsanteckningarna exakt hur vi tänker och bygger.
Textilsortering med AI, NIR och ett ramverk för återvinning
Ett projekt för cirkulär ekonomi med Wargön Innovation, finansierat av Vinnova: bildigenkänning och NIR-spektroskopi sammanfogade till en automatiserad sorteringsprocess som sorterar mot verklig efterfrågan.
Så byggde vi Qonverge, vår AI-plattform för talangmatchning
Plattformen vi byggde för oss själva och nu driver som produkt, i produktion hos Itmotive och Braha IT. Vad vi byggde, vad vi valde bort och var vi drog gränsen för AI:n.
Quince Audit: plattformen vi byggde för våra egna revisorer
En spårbar arbetsyta för efterlevnadsgranskning av NIS2, EU:s AI-förordning, ISO 27001 och DPIA. Var AI:n sitter, var den medvetet inte gör det, och vad som fortfarande byggs.
ReQloth: marknadsplatsen för textil vi byggde, och marknaden som försvann
Vi lanserade en app som värderade använda kläder från ett foto och matchade dem mot lokala köpare. Sedan ritade ett regelverk om marknaden. Vad tekniken bevisade, och vad vi läste fel.
En referensarkitektur för suverän ML
Stacken vi väljer när ett system ska köras on-prem i ett decennium: open-weight-modeller, portabel servering och en exitväg i varje lager.
Att få ut modeller på fabriksgolvet
Vår checklista för att ta en modell från en GPU-arbetsstation till begränsad hårdvara: kvantisering, latensbudgetar och vad som går sönder på vägen.
Att göra AI-förordningen till ingenjörsuppgifter
Riskklassificering, datahärkomst, modelldokumentation: så översätter vi reglering till backloggposter ett team faktiskt kan leverera.
Vår standard
Vad en casestudie
Vad en casestudie
måste innehålla.
Ett projekt förtjänar en plats på den här sidan först när det kan bära ett namn och en siffra. Varje casestudie vi publicerar följer samma fyrdelade struktur. Tills ett projekt kan berättas så, förblir det en arbetsanteckning.
Varje casestudie besvarar
- Problem: affärsfrågan kunden faktiskt behövde besvarad, och begränsningarna runt den.
- Angreppssätt: vad vi byggde, vad vi valde bort, och varför.
- Driftsatt resultat: systemet som körs i produktion, på infrastruktur kunden kontrollerar.
- Verifierat mått: siffran som spelade roll, mätt mot produktionsdata.
Reglerna vi publicerar efter
- Varje casestudie namnger kunden, med skriftligt godkännande, eller inte alls.
- Varje siffra är verifierad i produktion innan den visas här. Inga prognoser utklädda till resultat.
- Inga anonymiserade logotyper, ingen påhittad statistik, inga omdömen vi skrivit själva.
- Tills ett projekt klarar det kravet publiceras det som en arbetsanteckning: metod, inte marknadsföring.
Börja samtalet
Bli det första namnet på den här sidan.
Snabbaste vägen till en casestudie är ett projekt som fungerar. Börja med en två veckors ML Feasibility Sprint, fast omfattning, från 95 000 kr, så förtjänar vi rätten att skriva om det.