Pixel Systems tar in 30 miljoner för att avslöja AI-manipulerade filer

Den 29 oktober 2026 rapporterade Breakit att svenska Pixel Systems tar in omkring 30 miljoner kronor för att skala en tjänst som ska avslöja AI-manipulerade filer; grundaren Robel Efrem sade i intervjun: ”Behovet av den här typen av hjälpmedel är stort”. Bakom bolaget står Efrem och Philip Skogsberg, båda med bakgrund i e-sportbolaget Challengermode.

EU-Startups redovisar samma såddrunda som 2,7 miljoner euro, eller 3,1 miljoner dollar, ledd av Unconventional Ventures till en värdering före kapitaltillskottet på omkring 18 miljoner euro; bolaget hade nått 89 000 euro i kontrakterade återkommande intäkter tre veckor efter sin kommersiella lansering. Kapitalet ska gå till försäljning, partnerskap och förberedelser för internationell expansion. Produkten är ett API som ger en bedömning av inskickade bilder och PDF-dokument innan de används som underlag för beslut.

Finansieringen ska bygga ut försäljningen

Pixel Systems riktar sig till verksamheter där en digital fil kan påverka en utbetalning eller ett annat ekonomiskt beslut. Bland användningsfallen finns skadebilder i försäkringsärenden, kvitton och fakturor samt produktbilder som skickas in vid återbetalningskrav. Den gemensamma nämnaren är att mottagaren behöver bedöma ett underlag som kan ha skapats eller ändrats med AI.

Den svenska summan är en avrundning av samma finansiering som också redovisas i euro och dollar. Uppgiften om kontrakterade återkommande intäkter visar att bolaget hade tecknat kommersiella avtal kort efter lanseringen. Den säger däremot inte hur många kunder som använder tjänsten, hur stora mängder filer de granskar eller vilken andel av resultaten som kräver manuell handläggning.

Bolaget kombinerar egen digital forensik med andra verifieringsmetoder i ett gemensamt gränssnitt. För en kund innebär det att filkontrollen kan läggas in där ett underlag tas emot, i stället för att varje slags bild eller dokument får en separat granskningslösning. Kapitalets planerade användning pekar därför mot en större kommersiell verksamhet kring en redan lanserad tjänst, samtidigt som tekniken fortsätter att utvecklas.

Olika filtyper får olika kontroller

Vilka filer som kan granskas är mer avgränsat än uttrycket digitalt material antyder. API-dokumentationen anger JPEG, PNG och HEIC/HEIF för bilder samt PDF för dokument; en bild får vara högst 25 MB och en PDF högst 10 MB, medan en bild måste uppfylla kraven på minst 768 pixlar längs den kortare sidan och minst 0,5 megapixel. Ett kvitto är alltså ett användningsfall: som bild eller PDF följer det olika analysvägar.

Varje kundapplikation har en vald uppsättning kontroller, kallad pipeline, som avgör vilka filer den tar emot och vilka resultat den kan lämna. För vanliga bilder finns analys av AI-generering och redigering. En särskild analys för försäkringsbilder väger också in bildens ursprung och andra signaler som är relevanta för ett inskickat skadefoto. Bilder av dokument, exempelvis skannade underlag, har en annan kontroll än PDF-dokument.

För PDF kan analysen söka efter tecken på ändringar, AI-skriven text och uppgifter om hur filen skapades. Den kan även bedöma en elektronisk signatur om en sådan finns. Det är olika frågor: att en fil är oförändrad sedan den signerades säger inget säkert om huruvida uppgifterna i den är sanna. På samma sätt innebär en träff på en bild som redan finns på nätet att bildens sammanhang behöver granskas, inte automatiskt att ett skadeanspråk är falskt.

Svaret visar både bedömning och belägg

API:et lämnar ett separat resultat för varje inskickad fil. Flera filer kan höra till samma ärende, men de får inte en gemensam äkthetsstämpel: ett skadefoto och ett kvitto kan ge olika utfall. Ett färdigt filresultat innehåller en övergripande bedömning, en konfidensnivå och delresultat för de kontroller som körts.

Delresultaten skiljer mellan exempelvis tecken på AI-generering, lokal bildredigering, kamerans ursprung och om en liknande bild hittats på webben. När underlag finns kan resultatet innehålla mer konkreta uppgifter, såsom kameramärke och modell ur filens metadata eller adresser till sidor med bildträffar. Det ger en handläggare möjlighet att se vilken signal som ligger bakom en flaggning, i stället för att bara få ett samlat misstankevärde.

Konfidensnivån beskriver hur säker analysen är på bedömningen av den aktuella filen. Den är inte ett mått på hur ofta tjänsten har rätt i verkliga försäkrings- eller fakturaärenden. Pixel Systems hänvisar till interna tester av sin detektion, men någon öppet redovisad oberoende utvärdering med testunderlag och felutfall finns inte i de publicerade produktuppgifterna. Det begränsar möjligheten att bedöma hur väl resultaten fungerar när filerna kommer från kundernas egna flöden.

Flaggningen är ett underlag för beslut

Ett företag kan använda resultatet för att låta ett ärende gå vidare, hålla kvar det för granskning eller stoppa det enligt sina egna regler. Den skillnaden är central för försäkringsbilder och betalningsunderlag: ett tekniskt fynd om en fil behöver vägas mot övriga uppgifter i ärendet. En misstänkt redigering av ett foto är exempelvis ett annat påstående än att hela fotot har genererats av AI.

Tjänsten kan därmed ge ett konkret skäl att undersöka en fil närmare, men själva utbetalningen eller avslaget ligger i kundens beslutsprocess. Nästa mått på Pixel Systems satsning blir hur väl bolaget kan visa att dessa filbedömningar fungerar hos fler kunder och i fler typer av ärenden när försäljningen och partnerskapen byggs ut.

Läs också:

• Ta bort platsdata från bilder – filen kan avslöja hemadressen
• Saab samlar svenska rymdbolag – avtalen lovar ännu inga system
• Rädda OneDrive-filer – kontot avgör om du har 30 eller 93 dagar