FOUNDER · AI & AUTOMATION · FULL-STACK
Jeg bygger software til de arbejdsgange, folk stadig laver i hånden.
Jeg hedder Martin Shakib. Jeg står bag Datamap, og før det var jeg Head of AI & System Integrations hos Bikekey. Jeg arbejder hele vejen rundt: proces, data, backend, AI, produkt og drift.
Det, jeg er bedst til, er at grave i, hvad der reelt skal løses, lære det nødvendige hurtigt og trække løsningen hele vejen fra uklar idé til noget, der kører i produktion.
- Resolving property…
- Calling ownership_data…
- Validating sources…
- Answer ready
Datamap · tool-first AI over verificerede registerdata
- Idé → betalende kunder
- Datamap bygget og lanceret
- ~3 mio. ejendomme
- Geospatialt dataindeks
- AI · OCR · workflows
- Automatisering i produktion
- DK & NO
- Produktionserfaring
01 · Show and tell
Fire minutter med produktet åbent.
Jeg klikker rundt i Datamap, viser hvordan AI-laget henter tal ud af registrene i stedet for at digte dem, og gennemgår OCR-pipelinen fra Bikekey. Den sidste er jeg ret stolt af.
Det gennemgår jeg
- 01Datamap live: søgning, ejendomsvisning, kort og registre, områdeanalyse og AI-assistenten med dens kilder.
- 02Hvorfor modellen aldrig får lov at være sandhedskilden, og hvordan typesikrede backend-tools leverer de faktiske tal.
- 03Den eventdrevne OCR- og visionpipeline fra Bikekey, og hvorfor mennesket blev i loopet.
- 04Hvordan jeg vælger værktøj: hvornår det skal være en agent, og hvornår et script gør arbejdet bedre.
Videoen er på vej
Optagelsen lander her, med undertekster og et kort resumé nedenunder. Indtil da fortæller casene herunder det samme, bare på skrift.
02 · Case
FLAGSHIP PROJECT · LIVE PRODUCTION
Datamap: offentlige data gjort brugbare
Danske ejendomsdata ligger spredt over en håndfuld registre, hver med sit eget format og sin egen vej ind. Datamap trækker dem sammen i ét kortbaseret workspace, hvor du kan søge, analysere og spørge på almindeligt dansk.
datamap.dk ↗Min rolle
Jeg har bygget og lanceret platformen selv: produkt, data engineering, backend, AI, infrastruktur, betalinger og salg.
Dataplatformen
Fra fragmenterede registre til ét sammenhængende datalag.
Jeg byggede versionsbevidste ETL- og sync-flows fra de officielle datakilder ind i PostgreSQL/PostGIS. Indekset dækker omkring 3 millioner danske ejendomme, søgbart og geospatialt.
Opdateringer valideres, før de går live. Pipelinen kan delta-synce, spore hvor et felt kommer fra, og rulle tilbage, så ingen træffer beslutninger på et halvt indlæst datasæt.
Produktet
Ejendomme, adresser, bygninger, matrikler, ejerforhold, virksomheder, vurderinger og geografiske lag hænger sammen i de samme visninger.
Oven på datalaget ligger søgning, kortværktøjer, områdeanalyse, rapporter, API-adgang, abonnementer, adgangsstyring og drift.
AI, der ikke gætter
AI fortolker. SQL leverer.
Folk træffer dyre beslutninger på de her tal. Så modellen fik aldrig lov at være sandhedskilden.
Assistenten finder først den rigtige adresse, ejendom, virksomhed eller person. Derefter kalder den typesikrede backend-tools, henter deterministiske data og svarer med kilder på.
I Intelligent Søgning oversætter modellen din danske sætning til et valideret JSON-skema. Backend slår lokationer op og kører de samme filtre og forespørgsler som resten af produktet. Filtre, den ikke kunne tyde, bliver markeret som ikke anvendt i stedet for gættet.
Modellen håndterer sproget. Systemet håndterer fakta.
Sådan bliver et spørgsmål til et svar
Brugerens spørgsmål
naturligt dansk
Intent og entity resolution
adresse · BFE · CVR
Typed backend-tool
valideret skema
Registerdata og SQL
deterministisk
Svar med kildehenvisninger
sporbart
Teknisk
- Tool-first AI-agent
- SSE-streaming
- Typesikrede backend-tools
- Kildehenvisninger
- Domain- og privacy-controls
- Samtalepersistens
- Rate limits og adgangsniveauer
- PostgreSQL / PostGIS
03 · Case
AI AUTOMATION · INSURANCE WORKFLOW
Fra manuel verificering til human-in-the-loop OCR
Aflæst stelnummer
Konceptillustration, ikke et screenshot
Problemet
Når en forsikringskunde registrerede sin cykel, uploadede de billeder af stelnummeret og dokumentationen.
En medarbejder åbnede hver eneste sag og læste nummeret af i hånden. Kontrollen gav mening (det er den, der binder cyklen til den rigtige ejer), men det var det samme arbejde igen og igen.
Løsningen
Jeg byggede en eventdrevet OCR- og visionpipeline, der læser stelnummeret ud af billedet og selv vurderer, hvor sikker den er på aflæsningen.
Klare sager kunne køre videre med det samme. Usikre resultater blev flaget til manuel gennemgang.
Mennesket blev bevidst i loopet. Automatiseringen skulle flytte opmærksomheden hen på undtagelserne, hvor der faktisk skal træffes en vurdering.
Workflowet
Kunden uploader billeder
stelnummer + dokumentation
OCR / vision udlæser stelnummer
eventdrevet
Validering og confidence check
tærskel
Høj sikkerhed
Sagen fortsætter i det hurtige flow uden at vente på en medarbejder.
Usikkert resultat
Flages til manuel review, hvor et menneske træffer afgørelsen.
Og resten af rollen
Som Head of AI & System Integrations fandt jeg de steder i kundesupport og de interne processer, hvor AI faktisk gav mening, og byggede dem.
Konkret betød det Intercom AI, workflowautomatiseringer, API-integrationer og produktleverancer på tværs af Danmark og Norge.
Tidligere, som full-stack engineer, arbejdede jeg med forsikringsintegrationer, den norske produktlancering og partnere som LB Forsikring og NAF.
Jeg har ikke længere adgang til Bikekeys interne dashboards. Skærmbilledet er derfor den offentlige produktside, og diagrammet er tegnet fra hukommelsen: ingen fortrolige systemer, kundedata eller intern kode.
04 · Case
Mindre manuelt regnskabsarbejde. Mere kontrol.
Som founder løb jeg selv ind i alle de administrative rutiner, man accepterer som manuelle, indtil man har lavet dem 50 gange.
Så jeg har bygget scripts og agent-workflows, der henter, strukturerer og afstemmer Stripe-betalinger, refunds, gebyrer og dokumentation til bogføring i Dinero.
Systemet husker, hvad der er behandlet før, gemmer beregningsgrundlaget og lægger bogføringsforslag frem til godkendelse.
Gevinsten ligger i, at samme måned kan køres igennem igen og komme ud ens, og at hvert tal kan spores tilbage til sin kilde.
Stripe
betalinger · refunds · gebyrer
Lokal ledger og idempotens
hvad er set før?
Validering og afstemning
beregningsgrundlag bevares
Bogføringsforslag
Dinero
Menneskelig godkendelse
sidste ord
05 · Min tilgang
Nogle gange er svaret et lille script.
Jeg griber ikke ud efter en LLM, bare fordi løsningen så kan kaldes AI-baseret.
Jeg vælger værktøj ud fra pålidelighed, hastighed, pris, vedligeholdelse og hvad en fejl koster. Nogle problemer kræver en agent. Andre løses bedre med en API-integration, SQL, et script, en kø, en CLI eller et helt almindeligt workflow.
- 01
Probabilistisk fortolkning, deterministisk udførelse
Modeller er gode til sprog, intention og rodede inputs. Databaser, regler og kode er gode til præcision. De stærkeste systemer bruger begge dele.
- 02
Mennesket bliver i loopet, når fejl er dyre
Automatisering skal flytte opmærksomheden hen på de svære sager. Usikkerhed skal vises frem, ikke pakkes væk.
- 03
Den rette model til den rette opgave
Jeg følger med i, hvad modellerne kan fra måned til måned, og vejer evne op mod latency og pris. Tunge modeller skal bruges, når opgaven kræver dem.
- 04
Find flaskehalsen først
Før jeg bygger, prøver jeg at forstå hele processen. Ellers ender man bare med at køre en dårlig arbejdsgang hurtigere.
Værktøjskassen
Brugt i produktion eller konkrete workflows
- LLM-agenter og tool-calling
- OCR og vision
- API-integrationer
- Zapier-workflows
- Scripts og CLI’er
- Datapipelines
- PostgreSQL / PostGIS
- Human-in-the-loop automation
Prototyper og eksperimenter
- MCP
- Agent skills
- Model routing
- n8n
- Genanvendelige agent-workflows
06 · Om mig
Den røde tråd er, at jeg lærer det undervejs
Jeg er flere gange gået ind i felter, hvor jeg ikke var den oplagte kandidat. Opskriften har været den samme hver gang: sig højt, hvad du ikke ved, og lær så resten hurtigt.
Jeg startede på forsikringsmatematik. Sandsynlighedsregning, statistik og risiko satte fundamentet. Så skiftede jeg til erhvervsøkonomi og IT på CBS for at komme tættere på software, produkt og forretning.
Hos Fødevarestyrelsen arbejdede jeg i et juridisk miljø uden selv at være jurist. Hos Bikekey startede jeg meget grøn som udvikler og endte som full-stack engineer og senere Head of AI & System Integrations.
Med Datamap tog jeg så hele turen selv: bygge, lancere, sælge.
Jeg er hurtig til at undersøge, spørge, prøve af og blive produktiv i noget, jeg ikke kendte i forvejen.
Vejen hertil
Før CBS
Forsikringsmatematik
Matematik, sandsynlighed, statistik og analytisk tænkning.
2023 – 2024
Fødevarestyrelsen
Trådte ind i et juridisk og compliance-tungt fagmiljø og lærte det, opgaven krævede.
2023 – 2025
Bikekey
Fra grøn udvikler til full-stack engineer og Head of AI & System Integrations.
2026 – nu
Datamap
Fra tom kodebase til live produkt med data, AI, drift og betalende kunder.
Næste
Næste kapitel
Bygge løsninger i en virksomhed med større operationel skala, flere workflows og flere mennesker, der kan få gavn af dem.
SIDEBEMÆRKNINGEn lidt mærkelig, men sand historie
Mit første job var som assisterende badmintontræner, selv om jeg aldrig havde spillet badminton.
De vidste det godt. Jeg fik ansvaret for de yngste børn sammen med en erfaren træner, lærte spillet undervejs og løste opgaven.
“Det har jeg ikke prøvet endnu” har aldrig betydet det samme som “det kan jeg ikke lære”.
07 · Uden for terminalen
Uden for terminalen
Jeg spiller guitar og bruger en stor del af min fritid på styrketræning og styrkeløft.
Styrketræning tiltaler mig af samme grund som softwareudvikling: små, konsistente forbedringer bliver over tid til noget, der først virkede urealistisk. Det holder både krop og hoved skarpt.
Jeg værdsætter disciplin, ansvarlighed og det at være til at regne med. Når jeg siger, jeg tager ansvar for noget, skal andre ikke bruge energi på at tjekke, om det bliver gjort.
Nysgerrighed
Jeg lærer bedst ved at undersøge, eksperimentere og bygge noget virkeligt.
Ejerskab
Jeg trives med ansvar for hele strækningen, fra problemformulering til drift.
Pålidelighed
Aftaler og ansvar betyder noget. Jeg vil være en, andre kan regne med.
Teknologisk optimisme
Teknologi bør frigøre mere plads til menneskelig kreativitet, dømmekraft og innovation.
Teknologisk grundholdning
Jeg er grundlæggende optimistisk omkring teknologi og AI.
Så længe verden er fuld af problemer, er der brug for menneskelig dømmekraft, kreativitet og ansvar. AI er for mig en løftestang, der kan fjerne det repetitive og give folk mere plads til at analysere, beslutte og skabe.
På lang sigt håber jeg at efterlade et lille positivt aftryk gennem teknologi. Jeg er stadig tidligt i det her, men iværksætterånden og lysten til at lære forsvinder ikke.
Dansk og engelsk flydende · Persisk på samtaleniveau
08 · Kontakt
Skal vi bygge noget, der faktisk flytter noget?
Skriv, hvis du vil snakke AI, automatisering, produktudvikling, offentlige data eller et projekt, der er lidt for ambitiøst.
martin.sh99@hotmail.com