Én partner. Som selv bygger.
Martin Nørmark Hansen, founder af algoritma. Peer-reviewed forsker i hvordan sprogmodeller og machine learning-algoritmer lærer, og en af de få der både publicerer AI-forskning og selv sætter modellerne i drift hos danske virksomheder. Så tæt på en egentlig AI-specialist som man kommer: én der forstår teknikken i dybden og bygger den hele vejen, fra første datatræk til model i produktion.
Modeller i drift. Ikke prototyper i en skuffe.
Et udpluk af de leverancer jeg har bygget for danske virksomheder. Kunderne nævner jeg ikke ved navn her, det er aftalt fortrolighed, men metoder, data og resultater gennemgår jeg gerne i detaljer på et videocall.
fundet i tre års ordrehistorik med unsupervised clustering (K-means og HDBSCAN på RFM-features, valideret med silhouette-score). Ét segment stod for over 40% af omsætningen, og da marketing begyndte at målrette det, steg genkøbsraten målbart allerede kvartalet efter.
Clustering · ordrehistorik · i driftlavere forecast-fejl (MAPE) end det regneark, indkøbet tidligere styrede efter. Gradient boosting med kalender-, kampagne- og sæson-features, valideret med rullende backtests. Forecast pr. varenummer seks uger frem betyder færre udsolgte varer og mindre kapital bundet i lager.
Tidsserier · ERP-data · i driftaf felterne på indgående bilag læses nu automatisk med finetunet OCR-pipeline med dokumentklassifikation og feltekstraktion, med confidence-tærskler så tvivlstilfælde altid ender hos et menneske. Det der før var en fast indtastningsopgave, er i dag et kvarters stikprøvekontrol om ugen.
OCR · klassifikation · i driftSpecialiseret i machine learning
MSc i data science fra SDU med specialisering i AI og machine learning: dyb, teknisk træning i hvordan modeller faktisk lærer, fra neurale netværk og gradient boosting til clustering og sprogmodeller. Ikke bare hvordan man bruger værktøjerne, men hvordan de virker indeni. Oven på en HA i projektledelse fra CBS.
Det er den kombination der gør algoritma sjælden: én person der forsker i hvordan AI virker på det dybe niveau, bygger modellen selv, og driver projektet der får den i produktion. Ingen overlevering mellem rådgiver og udvikler, intet der går tabt i oversættelsen.
Research i hvordan modeller lærer, og hvordan mennesker stoler på dem.
Jeg har en fod i forskningen og en i driften. To forskningsspor ligger bag måden algoritma leverer på.
Publikation · accepteret til BlackboxNLP 2026Subspace Clustering and the Representational Utility of Quanta Fingerprints
Peer-reviewed forskning i, hvordan man bedst afdækker de små, adskilte færdigheder ("quanta"), en sprogmodel lærer, ved at sammenligne fire clustering-paradigmer. Resultatet: den metode, der passer teorien bedst, er ikke den, der giver de mest brugbare features. Koden er offentligt tilgængelig.
Læs artiklen (PDF) →Hvad sprogmodeller egentlig lærer
Research i hvordan en sprogmodels evner kan brydes ned i små, adskilte færdigheder ved at clustre modellens per-token gradienter. Jeg har sammenlignet fire clustering-paradigmer (spektral, sparse subspace clustering med Lasso og OMP, samt hierarkisk) på tværs af to transformer-størrelser og vist, at den metode der passer teorien bedst, ikke er den der giver de mest brugbare features. Samme klyngestruktur fungerede som "fingerprint", der i et kontrolleret forsøg skelnede AI-genereret tekst fra menneskeskrevet næsten fejlfrit. Koden er offentligt tilgængelig.
Tillid til AI i organisationer
Feltstudie af en international GenAI-implementering: hvordan skaber man tillid til en black box-model hos de mennesker, der skal bruge den? Fundet var tydeligt. Tillid opstår ikke af tekniske forklaringer alene, men af formelle kontrolmekanismer omkring modellens output, kombineret med en nøgleperson der oversætter mellem teknik og forretning. Det princip er bygget direkte ind i måden algoritma leverer på.
Lad os tage en snak.
Du får konkrete forslag, uanset om vi arbejder sammen bagefter eller ej.