Uniwersytet Mikołaja Kopernika w Toruniu

Bój się i rób!

Zdjęcie ilustracyjne
fot. Andrzej Romański

Z Andżeliką Lorenc i Mają Kaźmierkiewicz oraz Serhiijem Krasnoiarskyim rozmawia Honorata Fajga-Żurańska

W świecie, gdzie dane są nazywane „nową ropą”, startup DataMinder proponuje nowe podejście do ich analizy, łącząc zaawansowaną sztuczną inteligencję z intuicyjnym interfejsem. Rozmawiamy z założycielami tej obiecującej firmy wywodzącej się ze środowiska akademickiego: Andżeliką Lorenc, asystentką badawczo-dydaktyczną z Katedry Biofarmacji Wydziału Farmaceutycznego CM UMK i Mają Kaźmierkiewicz, absolwentką Kosmetologii Wydziału Farmaceutycznego CM UMK.

– Skąd wziął się pomysł na DataMinder?

Andżelika: – Wszystko zaczęło się od moich doświadczeń jako dydaktyka. Obserwowałam, jak studenci reagują na samo słowo „statystyka” – opadające ramiona, grymasy na twarzach. Jednocześnie wielu z nich przychodziło do mnie po pomoc w analizie danych. Zaczęłam się zastanawiać, dlaczego ta dziedzina budzi taki opór, skoro jest tak fascynująca. Poprzez rozmowy ze studentami i naukowcami odkryłam, że główną barierą jest wysoki próg wejścia – potrzeba specjalistycznej wiedzy teoretycznej i znajomości skomplikowanego oprogramowania. Chciałam to zmienić, pokazać, że świat danych może być dostępny dla każdego.

– Jak wyglądały pierwsze kroki w realizacji tego pomysłu?

Andżelika: – Początkowo myślałam o platformie edukacyjnej do nauki statystyki. Z tym pomysłem dostałam się do programu akceleracyjnego Start in Park w Płocku. Przełomowym momentem była wizyta w iMIND Institute w Warszawie, gdzie zobaczyłam możliwości wykorzystania generatywnej sztucznej inteligencji. Wtedy zrozumiałam, że AI może radykalnie uprościć proces analizy danych.

Później wszystko potoczyło się dość szybko – zbudowałam zespół i wystartowaliśmy w konkursie do platformy startowej Mazovian StartUPolis. Dostaliśmy się do programu inkubacyjnego, który dał nam dostęp do ekspertów i znacząco przyspieszył prace nad projektem.

– Jak powstał Wasz zespół?

Andżelika: – Podczas DemoDay programu Start in Park poznałam osobę, dzięki której nawiązałam kontakt z Sierhiiem – niezwykle utalentowanym specjalistą AI i inżynierem danych. Po kilku spotkaniach pomysł spodobał mu się na tyle, że postanowił stworzyć serce naszej aplikacji.

Zdaliśmy sobie jednak sprawę, że oprócz stworzenia aplikacji potrzebujemy też pokazać ją światu. Z pomocą przyszła moja przyjaciółka Maja, która od razu powiedziała „wchodzę w to!”. Znamy się prywatnie od lat, ale nasze drogi przecięły się też na wydziałowych korytarzach – Maja jest absolwentką Wydziału Farmaceutycznego CM UMK. Obecnie specjalizuje się w digital marketingu i wzięła na siebie odpowiedzialność za pokazanie Data Minder światu.

Całkiem niedawno, w ramach grantu Platformy Startowej Mazovian StartUPolis, nawiązaliśmy też współpracę z Nazarem – niezwykle zdolnym programistą z Kijowa, który odpowiada za budowę dużej części oprogramowania.

– Co jest kluczem do Waszej efektywnej współpracy?

Maja: – Kluczowe jest to, że nasze umiejętności i doświadczenia świetnie się uzupełniają. Każdy odpowiada za swoją część projektu, choć nasze „strefy wpływów” często się pokrywają, co daje nam więcej perspektyw i możliwości. Tłumaczymy sobie nawzajem różne pojęcia, żeby mieć pewność, że wszyscy wszystko rozumieją. Najważniejsze jest jednak zaufanie – jesteśmy w pełni transparentni nie tylko wtedy, gdy wszystko działa, ale przede wszystkim wtedy, gdy coś się psuje. To pozwala nam wspólnie szukać rozwiązań i buduje silne więzi w zespole.

– Jakie były największe wyzwania, które napotkaliście na początku swojej drogi?

Andżelika: – Początkowo wydawało mi się, że największym wyzwaniem będzie znalezienie ludzi, którzy uwierzą w DataMinder i zdecydują się nad nim pracować. W końcu to była praca w imię idei, bez gwarancji „zwrotu z inwestycji”. Jednak rzeczywistość szybko mnie zaskoczyła – udało się stworzyć zespół pełen ludzi, którzy są otwarci, wspierający i doskonale się uzupełniają. Dziś wiemy, że to właśnie zespół jest naszą największą siłą.

Obecnie największym wyzwaniem są prace nad MVP i integracją wszystkich komponentów aplikacji, co wymaga ogromnej precyzji i cierpliwości. Na szczęście nasz zespół deweloperski jest niestrudzony.

Sierhii: – Nie brakowało też mniejszych trudności – na przykład opanowanie nerwów podczas wystąpień przed jury konkursowym czy inwestorami. Może się wydawać, że to drobiazg, ale w rzeczywistości od jakości prezentacji zależy naprawdę wiele.

– Czy były momenty zwątpienia?

Maja: – Chyba każdy, kto buduje startup, zna to uczucie sinusoidy. Są momenty, gdy czujemy się wszechmocni – nie ma rzeczy niemożliwych, wszystko jest do zrobienia. Ale są też chwile zwątpienia – myśli, że przecież nie mamy doświadczenia w prowadzeniu biznesu, że tworzenie technologicznego startupu to ogromne wyzwanie, że może porywamy się z motyką na słońce.

W takich momentach przypominamy sobie jednak coś ważnego – krok po kroku, wszystkiego można się nauczyć. Mamy niesamowity zespół, uzupełniamy się, nie musimy wiedzieć i umieć wszystkiego od razu. Wdech, wydech – i znów możemy z tymi ludźmi przenosić góry.

– Wasza platforma upraszcza analizę statystyczną – jak na to reaguje środowisko akademickie?

Andżelika: – Szczegółowe badania na ten temat planujemy przeprowadzić w najbliższym czasie za pomocą kwestionariuszy i wywiadów, które obecnie przygotowujemy. Pierwsze rozmowy ze środowiskiem akademickim pokazują jednak, że nasz projekt budzi raczej zaciekawienie niż opór.

Kiedy przedstawiamy DataMinder użytkownikom tradycyjnych programów statystycznych, widzimy nadzieję na to, że nasze narzędzie znacząco skróci czas analizy i uprości cały proces. To dla nas ważny sygnał, że kierunek, który obraliśmy, ma realną wartość dla potencjalnych odbiorców.

Sierhii: – Zdajemy sobie jednak sprawę, że możemy spotkać się z krytyką, szczególnie w kontekście wykorzystania AI w analizie danych. Jesteśmy na to przygotowani i traktujemy to jako szansę na rozwój – zarówno naszego narzędzia, jak i nas samych. Konstruktywna dyskusja pomaga nam dostrzec potencjalne wyzwania i jeszcze lepiej dopasować DataMinder do potrzeb użytkowników.

Maja: – Ostatecznie tworzymy DataMinder dla społeczności akademickiej, a nie przeciwko niej. Naszym celem jest wsparcie naukowców i studentów w analizie danych, a nie zastąpienie ich wiedzy i kompetencji. Wierzymy, że AI może być nie tylko narzędziem automatyzującym procesy, ale także wartościowym wsparciem w podejmowaniu decyzji analitycznych.

– Jak wygląda proces testowania aplikacji?

Andżelika: – W pierwszym kroku chcemy wyjść z aplikacją do studentów, naukowców i analityków danych – to społeczność niezwykle wymagająca i nietolerująca półśrodków. Tutaj chcemy testować narzędzie, udoskonalać je i rozwijać funkcjonalności. Dopiero kiedy będziemy mieli pewność, że aplikacja odpowiada na potrzeby tych grup, planujemy skierować ją do sektora małych i średnich przedsiębiorstw.

Patrzymy więc na społeczność akademicką jak na surowego, ale sprawiedliwego rodzica, który wskaże palcem każdy błąd, ale też podpowie, jak go naprawić. Nie chcemy jednak traktować środowiska akademickiego tylko jako „grupy testowej”. Planujemy stworzyć dla niej pełnowymiarowe narzędzie do analizy danych i rozwijać je równolegle do rozwiązania proponowanego biznesowi. Cały pomysł wywodzi się przecież z nauki i chcemy nauce dać coś, co będzie dla niej wsparciem.

– Czy startup akademicki różni się od typowego biznesu technologicznego?

Sierhii: – Nasz startup to hybryda akademickiego podejścia i klasycznego biznesu technologicznego. Pomysł na DataMinder zrodził się z potrzeb społeczności akademickiej, ale od samego początku budujemy firmę w sposób charakterystyczny dla biznesu technologicznego – testujemy hipotezy biznesowe, analizujemy rynek, poszukujemy optymalnego modelu finansowania i skalowania.

Maja: – Bliskość uczelni daje nam cenny kontakt z użytkownikami – możemy na bieżąco obserwować ich potrzeby, zbierać opinie i dostosowywać produkt. To ogromna przewaga, bo pozwala nam nie tworzyć rozwiązania w oderwaniu od rzeczywistości, ale w ścisłej współpracy z tymi, którzy faktycznie z niego korzystają.

– Jaki jest Wasz długoterminowy cel?

Andżelika: – Myśląc o DataMinder, patrzymy daleko za horyzont. Widzimy wiele potencjalnych ścieżek rozwoju, ale jednocześnie wiemy, dokąd zmierzamy. Naszym celem jest stworzenie narzędzia, które stanie się standardem w analizie danych – nie tylko poprzez swoją skuteczność, ale też dzięki temu, jak bardzo upraszcza i przyspiesza pracę użytkowników. Wierzymy, że jeśli nasze rozwiązanie realnie ułatwi analizę danych i pozwoli zaoszczędzić czas, zyska szerokie grono użytkowników, którzy będą chętnie do niego wracać.

Sierhii: – Choć jesteśmy młodym startupem, już nauczyliśmy się jednej ważnej rzeczy – trzeba mieć jasno określony cel, ale jednocześnie pozostawać otwartym na zmiany. AI rozwija się dynamicznie, a my chcemy iść z duchem czasu. Już teraz myślimy o kolejnych funkcjonalnościach i innowacjach, które mogą rozszerzyć nasze możliwości – czy to w obszarze zaawansowanej analizy danych, czy w innych aspektach wykorzystania sztucznej inteligencji.

– Co poradzilibyście innym studentom i naukowcom, którzy myślą o założeniu startupu?

Maja: – Ktoś kiedyś powiedział: „Bój się i rób!” – i te słowa często nam towarzyszą. Budowanie startupu nie jest proste, a strach przed porażką towarzyszy każdemu, kto próbuje stworzyć coś nowego. Ale to właśnie działanie mimo obaw prowadzi do rozwoju.

Andżelika: – Jedna myśl, która szczególnie nam przyświeca, to: „Done is better than perfect”. Jako młodzi ludzie często chcemy, by wszystko było idealne – ale w świecie biznesu perfekcjonizm potrafi być pułapką. Zdarza się, że przez dążenie do ideału odwlekamy działanie, a tym samym hamujemy rozwój. Lepiej stworzyć coś niedoskonałego, ale działającego, niż nieskończenie dopracowywać pomysł, który nigdy nie ujrzy światła dziennego.

Sierhii: – Ważne, by nie bać się popełniania błędów. To nie one są problemem, ale brak działania. Każdy startup to proces uczenia się na bieżąco – a błędy są jego nieodłączną częścią. Ważniejsze jest to, jak szybko jesteśmy w stanie je zauważyć, wyciągnąć wnioski i iść dalej.

Maja: – W zespole DataMinder często sobie powtarzamy: „Najgorsze, co może się stać? Bardzo dużo się nauczymy”.

– Jakie plany macie na najbliższą przyszłość?

Andżelika: – Na ten moment chcielibyśmy doprowadzić do końca nasz udział w Mazovian StartUPolis i otrzymać rekomendację do Komponentu IIa Polskiej Agencji Rozwoju Przedsiębiorczości, która pozwoliłaby nam na dalszy rozwój DataMinder.

W międzyczasie aktywnie poszukujemy partnerów do współpracy, a takie wydarzenia jak Welconomy Forum w Toruniu dają nam szansę opowiedzenia o naszym pomyśle szerszemu gronu odbiorców. To także okazja, by dotrzeć do osób, które w przyszłości mogą stać się naszymi klientami, partnerami biznesowymi lub inwestorami.

Maja: – Zdecydowanie widzimy DataMinder jako globalną, dynamicznie rozwijającą się aplikację, z zespołem znacznie większym niż obecne cztery osoby. Mamy już plany na kolejne funkcjonalności i innowacje. Naszym celem jest skalowanie produktu, rozwój technologiczny i budowanie społeczności wokół naszej wizji. Mamy nadzieję, że w kolejnych latach DataMinder stanie się kluczowym narzędziem na rynku analizy danych, a nasz zespół będzie mógł z dumą patrzeć na to, co wspólnie stworzyliśmy.

Wywiad przeprowadzono w marcu 2025 roku.

Honorata Fajga-ŻurańskaCentrum Przedsiębiorczości Akademickiej i Transferu Technologii UMK

pozostałe wiadomości

galeria zdjęć

Kliknij, aby powiększyć zdjęcie.