AI-malli, joka tunnistaa auton kuvasta, tarvitsee ensin valtavan määrän esimerkkikuvia.

Jokaisessa kuvassa jonkun pitää kertoa koneelle:

Tässä on auto.

Tässä on ihminen.

Tässä on tie.

Tätä kutsutaan annotoinniksi.

KTH:ssa kuvasegmentointia tutkinut Vahan Petrosyan huomasi, että prosessi oli yllättävän manuaalinen ja kallis.

Siitä syntyi SuperAnnotate.

## AI tarvitsee paljon ihmistyötä ennen kuin se näyttää älykkäältä

Kun itseajava auto tunnistaa jalankulkijan, taustalla on usein valtava määrä harjoitusdataa.

Ihmiset ovat merkinneet kuviin kohteita.

Perinteisesti työ voidaan tehdä klikkaamalla rajaviivoja käsin tuhansissa kuvissa.

Petrosyanin tutkimus keskittyi kuvasegmentointiin.

Hän alkoi rakentaa työkalua, jossa AI auttaa annotaattoria tekemään tämän nopeammin.

## Tutkimuksesta ensimmäiseksi tuotteeksi

Vahanin lisäksi tiimiin tulivat hänen veljensä Tigran Petrosyan sekä KTH-opiskelija Oscar Örnberg.

KTH kertoi vuonna 2019, että varhainen työkalu pystyi nopeuttamaan annotointia 10–20-kertaisesti verrattuna moniin silloisiin menetelmiin.

Tämä on vahva B2B-arvolupaus.

Jos asiakas käyttää tuhansia työtunteja dataan, nopeus voidaan muuttaa suoraan säästyneeksi rahaksi.

## KTH-opiskelija liittyi tutkimuspohjaiseen tiimiin

SuperAnnotate on hyvä esimerkki siitä, ettei nuoren tarvitse itse keksiä kaikkea.

Örnberg oli KTH-opiskelija, kun hän liittyi tiimiin.

Ydinteknologia tuli Petrosyanin tutkimuksesta.

Startupissa voidaan yhdistää tutkija, opiskelija ja muu osaaminen.

Jos yliopistossa on lupaava tutkimus, kaupallinen tiimi voi muodostua sen ympärille.

## Markkina kasvoi valtavasti

2010-luvun lopussa kuvantunnistus kasvoi nopeasti.

Itseajavat autot.

Robotiikka.

Valvonta.

Lääketieteellinen kuvantaminen.

Verkkokauppa.

Kaikki tarvitsivat merkittyä dataa.

Kun generatiivinen AI myöhemmin kasvoi, datan valmistelun tarve ei kadonnut.

Se vain laajeni uusiin datatyyppeihin.

SuperAnnotate pystyi kasvamaan työkalusta laajemmaksi AI data workflow -alustaksi.

## 36 miljoonan dollarin kierros

KTH kertoi vuonna 2025, että SuperAnnotate päätti vuoden 2024 36 miljoonan dollarin rahoituskierrokseen ja oli yksi Silicon Valleyn nopeasti kasvavista AI-yhtiöistä.

Rahoitus ei ole liikevaihtoa.

Mutta se kertoo, kuinka pitkä matka KTH:n tutkimusprojektista voidaan kulkea.

Yhtiön kaupallinen painopiste siirtyi samalla Yhdysvaltoihin.

## Deeptechissä kokemus tulee tutkimuksesta eikä välttämättä yrityksestä

Vahan Petrosyanilla oli syvä tekninen osaaminen.

Hän ei silti ollut valmis enterprise-SaaS-johtaja.

Hinnoittelu.

Myynti.

Rekrytointi.

Sijoitukset.

Markkinointi.

Nämä piti oppia erikseen.

Tutkijan etu oli ongelman syvä ymmärrys.

Yrityksen rakentaminen oli uusi ongelma.

## Työläs käsityö on hyvä AI-kohde

SuperAnnotaten alkuperäinen ongelma oli erittäin konkreettinen.

Ihmiset klikkaavat kuvia tuntikausia.

Tämä on erinomainen AI-signaali.

Kun kallis asiantuntija tai suuri työvoimajoukko tekee samaa toistuvaa digitaalista työtä, automaatio voi olla arvokas.

AI:n ei tarvitse korvata koko ammattia.

Riittää, että se poistaa hitaimman vaiheen.

## Riski: perusmallit kehittyvät nopeasti

AI-mallit osaavat nykyään annotoida dataa paremmin kuin vuonna 2019.

Tämä voi vähentää joidenkin manuaalisten työkalujen tarvetta.

Siksi yhtiön pitää jatkuvasti laajentaa arvoaan datan hallintaan, laadunvarmistukseen ja koko työnkulkuun.

AI-startup ei voi rakentaa kilpailuetua vain yhden malliversion ympärille.

## Kokeile itse

Katso työtä, jossa ihminen valmistaa dataa toiselle ohjelmalle.

Nimeää tiedostoja.

Luokittelee kuvia.

Kopioi taulukkoon.

Tarkistaa dokumentteja.

Voisiko AI tehdä ensimmäisen luonnoksen ja ihminen vain tarkistaa?

Jos säästö on suuri, siinä voi olla B2B-tuote.

## Mitä tästä voi oppia

**Tutkimus voi muuttua nopeasti kaupalliseksi AI-tuotteeksi.**

**Opiskelija voi liittyä syvän tutkimuksen ympärille muodostuvaan perustajatiimiin.**

**Toistuva digitaalinen käsityö on hyvä automaatiokohde.**

**B2B-arvolupaus vahvistuu, kun nopeus voidaan muuttaa rahaksi.**

**Deeptech-perustajan pitää opetella liiketoiminta erikseen.**

**AI-tuotteen pitää muuttua mallien kehittyessä.**