Robotterne Herman, Lara og Aga klarer Airhelps kedelige arbejde

Tre robotter har på halvandet år automatiseret en tredjedel af arbejdet i AirHelp. Om to år vil det være 80 pct., forventer grundlægger og direktør Henrik Zillmer. Det handler om at se automatiseringen som et flow af mange forskellige processer, hvor robotter sættes ind udvalgte steder, siger han.

Henrik Zillmer (billedet) grundlagde i 2013 AirHelp sammen med bardomsvennen Nicolas Michaelsen.
Henrik Zillmer (billedet) grundlagde i 2013 AirHelp sammen med bardomsvennen Nicolas Michaelsen.
Andreas Baumann

350 millioner dollar i erstatninger til 5 millioner flypassagerer fra 188 lande.

Det er nogle imponerende tal, grundlægger og direktør Henrik Zillmer nævner om sin kun fem år gamle virksomhed AirHelp, da Mandag Morgen møder ham på en burgerbar i Københavns Lufthavn en snehvid dag i marts, inden han endnu en gang selv skal indfinde sig i et flysæde.

Siden Henrik Zillmer sammen med bardomsvennen Nicolas Michaelsen i 2013 grundlagde AirHelp, der mod et gebyr hjælper flypassagerer med at indkræve erstatninger for forsinkede og aflyste fly, har hans egen personlige rejseaktivitet været enorm. På hans mobiltelefon og ved hjælp af AirHelps nylancerede app, MyTraveler, kan man se, at han alene de sidste tre år har befundet sig over 60 døgn i et fly og tilbagelagt afstande svarende til at flyve 24 gange rundt om jorden.

”Sådan er det, når man både vil lave USA og Europa, bor i Berlin og har udvikling i Krakow,” siger Henrik Zillmer.

Ideen med appen er ikke så meget at kunne skilte med de imponerende rejsestatistikker. Det er en sidefunktion. Hovedformålet er, at man ved at give appen adgang til sine flyrelaterede e-mails automatisk bliver gjort opmærksom på, når man har krav på kompensation for et forsinket eller aflyst fly – tre år tilbage i tiden og i al fremtid. Det har allerede fået 300.000 personer til at downloade den gratis app, siden den blev lanceret i januar.

Men det mest bemærkelsesværdige tal om AirHelps flyvende udvikling er nærmere de vedvarende høje vækstrater på over 200 pct. om året sammenholdt med det faktum, at antallet af ansatte forbliver nogenlunde stabilt på 500 personer. Det vil det også gøre fremover, selv om væksten fortsætter med lignende raketfart, bedyrer Zillmer.

”Vi har ikke fuldstændigt ansættelsesstop, men vi kommer til at forblive nogenlunde omkring de 500 medarbejdere, selv om vi stadig vækster med 200 pct. om året. Automatiseringen har simpelthen betydet, at vi har kunnet fortsætte vores vækstkurve uden at ansætte mange flere folk,” siger Henrik Zillmer.

Og grunden til, at det kan lade sig gøre, er først og fremmest Herman, Lara og Aga, der vel kan kaldes virksomhedens vigtigste ’medarbejdere’. De menneskelignende navne er forkortelserne for de tre robotter, der i dag har automatiseret en tredjedel af arbejdet i AirHelp.

”Vi startede på automatisering for halvandet år siden, og i dag er vi allerede 30-40 pct. automatiseret, og inden for de næste 2 år er vi oppe på 80 pct. Og det er vi ret stolte over, for det vil betyde, at vi kommer til at have fire gange så meget kapacitet som i dag med samme antal medarbejdere,“ siger Henrik Zillmer.

Total automatisering er umulig

Egentlig var det selve grundideen med AirHelp, at automatiseringen skulle fylde så meget som muligt. Ja, helst det hele. Iværksætterne havde forestillet sig, at man kunne designe et 100 pct. automatiseret system, der kradsede penge ind fra flyselskaber, når der var beviser nok i en sag til at udløse et erstatningskrav.

”Vi havde ambitioner om at automatisere hele processen. Og det skyldes jo, at den værdi, de her sager har, er for lav til, at man kan have mennesker siddende og behandle dem alle sammen manuelt. Det ville simpelthen ikke kunne løbe rundt, og det er jo også derfor, at advokater ikke rigtig gider behandle de her sager. Der er ikke nok penge i det,” siger Henrik Zillmer.

Alligevel var det meste af arbejdet manuelt de første par år. For da arbejdet gik i gang, var virkeligheden mere kompliceret end ventet, bl.a. fordi flyselskaberne ignorerede erstatningskravene. Automatiseringen måtte vente.

”Vi vidste ikke nok om, hvordan procedurerne var, og vi vidste heller ikke, hvor kompleks lovgivningen var. Så de første 2-3 år skulle vi igennem en human learning-proces for at finde ud af, hvad der var den bedst mulige måde at gøre det på,” siger Henrik Zillmer og fortsætter:

”Men da vi først havde gjort det, så kunne vi gå i gang med at bygge robotterne og fokusere på machine learning, så de kunne tage over på det mest trivielle arbejde. Meget af det arbejde, som vi for et år siden havde mennesker til at lave, bliver nu klaret af vores tre robotter,” siger han.

Mennesker er stadig nyttige

Zillmer fortryder ikke, at det har taget så forholdsvist længe at få robotterne i sving. Den human learning-proces, han taler om, har været afgørende for at finde ud af, hvordan virksomhedens udviklere i Polen skulle programmere robotterne så præcist som muligt, siger han.

”Havde vi dengang fokuseret lige så meget på at udvikle robotter som nu, havde vi spildt en masse tid, for så havde vi udviklet robotter uden at vide præcis, hvad der var den bedste måde at gøre det på. Det har taget noget tid med den her human-learning,” siger han.

”Nu her fem år senere er vi i gang med at realisere drømmen,” siger Henrik Zillmer og nævner igen målet om at nå 80 procent automatisering inden for de næste 2 år. Det er ikke så ambitiøst som 100 pct. Men han tror ikke længere på, at 100 pct.-automatisering er mulig.

”Hvis man skal forstå automatisering, så skal man vide, at det er et flow af mange forskellige processer, hvor du så sætter robotter ind på specifikke områder. Det er ikke en robot, der laver hele processen fra ende til anden,” siger Henrik Zillmer.

Og derudover er der arbejdsområder, der ikke kan klares uden mennesker.

”Det er svært at automatisere kundekommunikationen fuldstændigt. Det kan man til meget simple spørgsmål, men når det bliver mere sagsspecifikt, er det svært.”

”Og vi kommer også stadigvæk til at have brug for menneskelige advokater til at møde fysisk op i retten. Jeg tror ikke, at der er nogen domstole i dag, der accepterer, at en klient bliver repræsenteret af en robot,” siger han.

Og så er der de såkaldte x-cases, forklarer han, hvor der ikke er al den information, som robotterne skal bruge til at træffe en beslutning.

”Til de sager er vi nødt til at have mennesker til at kigge på dem for at træffe en beslutning. Men det gode er så, at maskinerne lærer på baggrund af den menneskelige beslutning, så det hele tiden bliver mere og mere automatiseret,” siger han.

Herman, LARA og Aga

Den første robot, der er udviklet af AirHelps programmører og taget i brug i virksomheden, hedder Herman. Han er kort sagt sat i verden for hurtigt at vælge, hvilken jurisdiktion en bestemt sag er tilknyttet.

”Herman er en legal assistant. Han finder ud af, hvilket land vi skal gå i retten i, baseret på jurisdiktioner, baseret på lovgivning og baseret på nogle regler, vi har sat op for, hvor hurtigt vi kan få pengene, og hvad det koster at føre sagen, sådan at vi kan vælge den bedste løsning for kunden, hvor vi får mest ud af det på kortest mulige tid. Det laver Herman på alle sager. Så den proces er 100 pct. automatiseret,” siger Henrik Zillmer.

”Det er ikke alle de sager, vi tager til retten. Men det er alle sager, hvor flyselskabet afviser sagen, som vi sender over til Herman, så han kan afgøre, hvor vi tager sagen hen. Og af de 53.000 sager, Herman har hjulpet os med at vurdere, som vi har ført i retten mod flyselskaber, har vi vundet 97 pct.,” siger han.

Den anden robot hedder Aga, og det er den, det har taget længst tid at udvikle. Hun er en såkaldt claim-assesment-robot, forklarer Henrik Zillmer.

”Aga modtager sagen fra kunden og ser den igennem for at se, om der mangler nogle informationer, og hvis der gør det, kommunikerer den tilbage til kunderne og beder om f.eks. en flybekræftelse eller en manglende underskrift på fuldmagten. Derfor har hun image-recognition. Og så har hun booking-recognition, så hun kan finde booking-referencen i din flybekræftelse og sætte det på sagen, som vi så sender til flyselskabet.”

”Så hun er en ret avanceret robot, og hun er først lige begyndt at arbejde i år og kører endnu ikke så mange sager – cirka 10 pct. Men hun har alligevel allerede forkortet vores tidsforbrug i den del af arbejdet med 25 pct.,” siger Henrik Zillmer.

Den tredje og nyeste robot i AirHelp hedder LARA, en forkortelse for Legal Assessment Recomendation Assistant.

”Hun er advokat,” som Henrik Zillmer udtrykker det. Den erstatter nemlig advokatvurderinger, som menneskelige jurister ellers ville have foretaget.

”LARA vurderer, om vi skal i retten – altså om den enkelte sag er stærk nok til at tage til retten, baseret på alle de tidligere sager, vi har vundet,” forklarer Zillmer.

Til det formål inddrager LARA al mulig data: Flystatistik, airtraffic-control-data, vejrdata i både afgang- og ankomstlufthavne og meget mere.

”Alle de forskellige informationer, som vi normalt ville bruge 20-30 minutter på at gennemgå manuelt, det gør LARA på 4 millisekunder,” siger han.

Verdens største advokatbureau

Alle robotterne er udviklet af AirHelps egne programmører i udviklingsafdelingen i Krakow i Polen. Og robotterne kunne sikkert sagtens vække interesse hos mere traditionelle advokatvirksomheder. Men selv om AirHelp, målt på antallet af sager, med god grund kan kalde sig et af verdens største advokatbureauer, adskiller virksomheden sig grundlæggende fra traditionelle advokatvirksomheder i tilgangen til data og tidsforbrug, siger Henrik Zillmer.

“Problemet med traditionelle advokatvirksomheder er, at de ikke registrerer noget som helst. De har ingen data, fordi det alt sammen er manuelt arbejde, og det er jo manuelt, fordi de har incitament til at fakturere så mange timer som overhovedet muligt. Det skal helst tage lang tid, for så tjener de flere penge,” siger han.

“Vi har det omvendt sådan, at det skal tage så kort tid som overhovedet muligt. Så vi skal have gjort det så automatiseret som overhovedet muligt, og alt hvad vi foretager os, skal registreres, så vi kan få data på det, så maskinerne kan lære af, hvad vi har foretaget os tidligere,” siger han.

“Den slags data har advokatbureauer bare ikke. De lagrer den ikke. Og derfor kan de aldrig rigtig bruge machine-learning, medmindre det er sådan nogen som os, der går ind og hjælper dem med at komme i gang,” siger Henrik Zillmer, som dog afviser, at han lige foreløbig vil begynde at sælge sine robotter til advokatvirksomhederne.

“Det kunne vi vel godt. Men vi har travlt nok med at få automatiseret resten af vores processer, så det er ikke vores fokus lige nu, at vi skal ud og sælge robotter til advokatbureauer,” siger han. 


Få Mandag Morgens overskrifter direkte i din mail.

Tilmeld dig nyhedsbrevet nu




Få Mandag Morgens overskrifter direkte i din mail.

Tilmeld dig nyhedsbrevet nu