Kunstig intelligens
Svenske Mimicate tar opp konkurransen med Palantir
Selskapet skal bygge «verdensmodeller» for bedrifter, og ønsker være et europeisk alternativ til amerikanske Palantir.
Den svenske AI‑startupen Mimicate, startet av teamet bak Loop54, vil utvikle en ny type AI‑modeller for næringslivet – såkalte «verdensmodeller» – og sikter mot å posisjonere seg som et europeisk alternativ til Palantir, skriver Breakit.
Satsingen kommer i kjølvannet av økende interesse for AI‑systemer som går utover tradisjonelle språkmodeller (LLM-er). I stedet for å forutsi neste ord basert på statistikk, forsøker verdensmodeller å forstå årsakssammenhenger og dynamikken i komplekse systemer.
Mimicate mener dagens AI‑verktøy har en sentral begrensning: de mangler logisk forståelse og skiller ikke mellom hva som er sant og sannsynlig.
Det gjør dem mindre egnet til avanserte analyser og beslutningsstøtte, særlig i større virksomheter.
Lager «digitale tvillinger»
Selskapet utvikler derfor det de beskriver som «digitale tvillinger» av bedrifter. Teknologien skal gjøre det mulig å simulere effekten av strategiske beslutninger – som prisendringer eller leverandørsvikt – før de gjennomføres i praksis.
Ifølge teknologisjef Joel W. Kall skiller løsningen seg fra tradisjonell AI gjennom arkitektur og design. Modellene bygges for å forstå tid, kausalitet og sammenhenger i data, noe som både krever mindre treningsdata og reduserer risikoen for feilaktige svar.
Startet etter exit
Mimicate ble startet etter at gründerne solgte Loop54 til tyske Fact‑Finder i 2021.
Selskapet er hittil selvfinansiert og har brukt rundt halvannet år på utvikling. Nå rulles plattformen ut til de første kundene, med en forretningsmodell basert på abonnement og tilpasning, skriver avisen.
Ambisjonen er å bli et europeisk alternativ til amerikanske analyseplattformer – men med fokus på kommersielle anvendelser fremfor offentlig sektor og forsvar.
Ifølge selskapet kan ekstern finansiering bli aktuelt på et senere tidspunkt, når produktet er validert i markedet og klart for skalering.
