時，蘭德格倫開始開發使用卷積神經網絡(CNNs)的算法。現在，這些算法將應用商店下載、之前投資者信息、網站流量、創始人簡歷等數據聯系起來。

但最初，在公司嘗試不同的數據混合和編寫算法的過程中，出現了相當多的試驗和錯誤。這意味著要了解哪些問題是關于一家公司的最佳問題，以及哪些標準可能可靠地導致最佳優先排序。

此外，開發Motherbrain意味著要重新考慮與公司日常工作流程相關的基本任務。EQT的30人團隊最初依賴于第三方的消息、計劃和電子郵件應用程序。該團隊擁有一系列不連接的云服務，使得內部數據分散在不同的豎井中。最終，蘭德格倫意識到Motherbrain錯失了這個豐富的數據來源，于是開始重新架構所有的通信和數據，讓它們通過人工智能平臺傳遞。

“或許更重要的是，它改變了我們與這個平臺的合作方式，以及我們的日常工作，”他說。“這被證明是極其重要的，因為我們現在發現，我們已經能夠使用人工智能來建立更好的預測模型。”

正如critical一直在創造一種內部準則，讓合作伙伴們以大大小小的方式遵循Motherbrain提出的建議。如果公司不根據這些人工智能方面的見解來決定與哪些公司對話，那么就沒有辦法測試它們是否有用或是否有待改進。反過來，這些決定會反饋到平臺中，為it創造另一種學習方式。

蘭德格倫說:“要使用人工智能來訓練這些模型，你必須有一個過程，讓人們按照機器的指令去做。”

到目前為止，最有用的功能是淘汰那些前景最差的初創公司。這樣，合伙人就可以解放出來，更有效地利用有限的時間，去做與創始人會面、分析產品以及其他形式的盡職調查等人為驅動的工作。

不過，在準備會議等任務上，Motherbrain也提供了實際幫助，它會生成通知，其中包括過去與某人互動的總結。該系統還會不斷掃描外部資源，以找到與感興趣的公司或競爭對手有關的新聞。