Arbeid

Digitalt produkt · AI · Design og utvikling

Sorting Hat

Et intelligenslag over et LinkedIn-nettverk på 10 000 kontakter. Hver kontakt sortert i grupper, de få som er verdt en samtale løftet frem først, og det som er nytt om dem levert med kilder. Vist her på oppdiktede eksempeldata.

Sorting Hat-oversikt på eksempeldata: kontakter, grupper og kildebelagte funn

Arbeidet

Hver påstand kommer
med sin kilde.

Sorting Hat leser en LinkedIn-eksport og sorterer hver kontakt i grupper som betyr noe: fond, gründere, operatører, presse. En scoring løfter frem de få som fortjener oppmerksomhet først, og en research-pipeline følger med på dem og fanger opp det som har endret seg: et fond lukket, en rolle byttet, et selskap solgt.

Regelen som former hele byggverket: en AI-påstand uten kilde finnes ikke. Hvert funn lenker til hvor det kom fra, og det pipelinen ikke kan belegge, avvises i stedet for å gjettes. Reglene håndheves i selve databasen, og logikken testes mot faste eksempler, aldri mot en levende modell.

Det finnes ingen offentlig demo, og det er med vilje. Produktet holder et ekte profesjonelt nettverk, så det bor bak innlogging, leser LinkedIn uten å kunne skrive tilbake, og viser dataene sine til nøyaktig én person. Skjermbildet over er produktet på oppdiktede eksempelkontakter. Slik bygger vi for virksomheter med data som ikke kan være offentlige.

Klassifisering

10 000 kontakter sortert i grupper som betyr noe, med en egen kø for de usikre.

Prioritering

Scoring som løfter frem de få som er verdt en samtale, så oppmerksomheten går dit den lønner seg.

Kildebelagt research

Løpende funn om menneskene som betyr noe, hvert av dem lenket til kilden.

Privat av design

Kun innlogging, skrivebeskyttet mot LinkedIn, én leser. Ingen offentlig demo.