– Det å være gründer er ikke lett, og det har gått ut over løpingen å bygge en løpeapp, sier Fredrik Hasseleid.
Sammen med broren Magnus Hasseleid og Magnar Wium står han bak appen PacePilot. Dette er en løpeapp som for en hundrelapp i måneden lover å gjøre løpingen morsommere, mer effektiv og mer tilpasset enn noensinne – takket være bruk av AI.
Fredrik forteller til kode24 at han alltid – i tillegg til løping – har vært interessert i programmering og utvikling og er selvlært som utvikler. Han har tidligere jobbet med blant annet å lage event-apper, og jobbet inntil i fjor i Qvisten Animation. Det var der han først begynte å snuse på AI.
I 2023 tok han en prat med broren sin om hva som er mulig å få til med AI.
– Etter utallige samtaler fant vi ut at vi skulle bygge PacePilot og bruke AI til å identifisere gode og dårlige perioder bakover i tid for å lage treningsprogrammer, sier Fredrik.
Sluttet i jobben
Nå har både han og broren sluttet i jobbene sine for å satse for fullt på PacePilot, og også fått med seg enda en utvikler – Magnar Wium. Han har lang erfaring som arkitekt og utvikler på store systemer, og jobber i dag fulltid som IT-konsulent.
– Nå skal jeg ut i perm og jobbe med PacePilot på fulltid, sier Magnar.
Hans kompetanse kommer godt med når gründerne nå har planer om å gjøre appen enda mer skalerbar – for ambisjonene er klare:
Appen skal ut i verden, i første omgang til resten av Skandinavia. Men veksten skal skje gradvis og i deres eget tempo, og ved å teste grundig i Norge først for å vite at de har et godt nok produkt.
– Det er mye som skal gjøres på infrastruktursiden. I dag kjører vi det på en SaaS-plattform med diverse functions. I tillegg vil vi begynne å lukte på å hoste egne modeller i Azure, vi er litt for avhengig av OpenAI i dag, sier Magnar.
Forer AI med treningshistorikk
Appen fungerer omtrent slik:
- Når du starter opp appen første gang blir du spurt om hvilke treningsapper og -klokker du bruker. Det kan for eksempel være Strava, Garmin, Polar eller Suunto.
- Ved hjelp av AI-modeller analyserer appen disse dataene og ser etter mønstre i hva slags trening som har fungert tidligere.
- Så skreddersyr appen et treningsprogram for deg.
– Grunnkonseptet er å lage et dynamisk treningsprogram som har en kunnskapsbase som er reell sier Fredrik.
Treningsprogrammet du får er ikke "fastlåst", men kan tilpasses etter behov, slik at det endres dynamisk. Dette kan gjøres ved å chatte med AI-en – du kan for eksempel si at "jeg har ikke tid til å trene i dag".
Etter hvert som du bruker treningsklokker og -apper og Pacepilot synkroniserer data fra disse, vil også treningsprogrammet tilpasses automatisk.
LangChain og LangGraph
– Hvordan har dere laget appen?
– Appen i seg selv er en React Native- og Expo-applikasjon. Det er en enkel app med mye funksjonalitet, men det er det som er i backend som er tøft, sier Fredrik.
Han forteller at han begynte å utforske hva som finnes av AI-verktøy, og at de har tatt i bruk LangGraph fra LangChain for å kunne jobbe med flere AI-modeller samtidig.
Så bygget Magnar Wium integrasjonene og backendløsningen appen snakker med. Alt dette ligger som nevnt i Azure.
«Vi har modeller som klarer å estimere din nåværende form basert på treningsdatoene du nettopp har lastet opp.»
Til chatten brukes raske AI-modeller, som OpenAIs 4o-mnodell, mens de for treningsprogrammet baserer seg mer på resonneringsmodeller.
– Når vi lager et treningsprogram bruker vi mange ulike AI-modeller. Det samme med chatten, du prater ikke bare med én modell, sier Fredrik.
– Vi har modeller som klarer å estimere din nåværende form basert på treningsdatoene du nettopp har lastet opp, legger Magnar til.
Kombinerer med kunnskapsbase
Som kjent kan språkmodeller av og til dikte opp ting, derfor har trioen jobbet mye med hvordan de kan sørge for at alt blir så riktig som mulig.
– Treningsprogrammet har fått kunnskap fra et sted. Det er mye generell kunnskap, og så har vi satt en del rammer. Den skal være konsekvent og følge bestemte regler, sier Fredrik.
PacePilot har blant annet foret AI-modellene med en masse kunnskap som de har verifisert, og de har brukt mye tid på å fintune modellene.
De bruker også RAG (Retrieval Augmented Generation) – en teknikk der generative AI-modeller kan hente inn ny og oppdatert kunnskap som den kan bruke i tillegg til det som ligger i treningsdataene.
– Vi bruker RAG i forbindelse med en kunnskapsdatabase som oppdateres hele tiden. Det kan være for eksempel hvordan du legger opp en 10 km, sier Fredrik.
Velger Neo4j som RAG-database: «Perfect fit!»
Fikk blessing fra kona
– Hvem er konkurrentene?
– Folk spør om vi er det nye Strava. Men de lager ikke treningsprogrammer, de er et sosialt nettverk og en treningsdagbok. Vi er treningsprogram – det er det som er appen vår, sier Fredrik.
Han sier apper som Coopah og Runna er det nærmeste de har funnet, men at ingen av disse har fokus på det samme som PacePilot gjør.
– Du kan kanskje si at personlige trenere er konkurrenter, men de som bruker det har kanskje en lommebok til å betale for en trener.
– Går det rundt?
– Vi har litt venner og familie som har blitt med på et par emisjoner, og så har vi fått støtte for Innovasjon Norge. Vi har i hvert fall fått til noe som gjør at jeg har fått "blessing" fra kona, ler Fredrik Hasseleid.
