شیوی شارما یک دهه از عمر خود را در زمینه ارزیابی ریسک اعتباری در شرکت‌هایی مانند امریکن اکسپرس و وارو بانک سپری کرد.
در مقطعی، او متوجه شد که تیم‌ها زمان یکسانی را صرف تجزیه و تحلیل انواع وام‌ها می‌کنند – صرف نظر از اینکه ارزش آن 100,000 دلار باشد یا 5 میلیون دلار – به این معنی که ارزیابی وام‌های کوچک‌تر در نهایت یک فرآیند غیر سودآور و زمان‌بر برای وام‌دهندگان بود.
او و همسرش، اوتساو شاه، متوجه شدند که در اینجا یک فرصت وجود دارد.
شاه به خبرنگار گفت: “او شاهد بود که اکثریت قریب به اتفاق صاحبان مشاغل کوچک نمی‌توانند به سرمایه مورد نیاز خود برای رشد دسترسی پیدا کنند، صرفاً به این دلیل که این کار از نظر اقتصادی برای بانک‌ها توجیه نداشت.”
وی ادامه داد: “با توجه به مهارت‌های ما در ساخت سیستم‌های تصمیم‌گیری مبتنی بر هوش مصنوعی در مقیاس بزرگ و تخصص ما در ارزیابی ریسک اعتباری و ریسک تقلب در بانکداری و خدمات مالی، متوجه شدیم که می‌توانیم از گردش‌کارهای عامل هوش مصنوعی نسل بعدی برای حل این مشکل چندین دهه‌ای استفاده کنیم.”
این زوج متاهل تصمیم گرفتند در سال 1403 شرکت Kaaj را تأسیس کنند، شرکتی که به خودکارسازی تحلیل ریسک اعتباری کمک می‌کند تا فرآیند پذیره‌نویسی دیگر روزها طول نکشد، بلکه در عرض چند دقیقه انجام شود. Kaaj اعلام کرده است که بیش از 5 میلیارد دلار درخواست وام را پردازش کرده است و مشتریانی از جمله Amur Equipment Finance و Fundr دارد. این شرکت روز چهارشنبه از جذب سرمایه 3.8 میلیون دلاری در دور seed از Kindred Ventures و Better Tomorrow Ventures خبر داد.
نحوه عملکرد این محصول به این صورت است: یک کسب‌وکار کوچک برای دریافت وام درخواست می‌دهد و تمام مدارک مورد نیاز (مانند صورت‌های مالی، گردش حساب‌های بانکی و اظهارنامه‌های مالیاتی) را ارائه می‌کند – معمولاً وقتی این اتفاق می‌افتد، پذیره‌نویسان روزها را صرف بررسی دستی تمام این اطلاعات و ثبت آن در سیستم منشاء وام (LOS) می‌کنند.
Kaaj از هوش مصنوعی برای شناسایی، طبقه‌بندی، تأیید و سازماندهی اطلاعات در LOS استفاده می‌کند. همچنین ارزیابی‌هایی را برای بررسی دستکاری اسناد برای تیم مبارزه با تقلب پذیره‌نویس انجام می‌دهد. این سیستم با سیستم‌های مدیریت ارتباط با مشتری (CRM) موجود مانند Salesforce، HubSpot یا Microsoft ادغام می‌شود و حتی به وام‌دهنده نشان می‌دهد که آیا یک کسب‌وکار معیارهای سیاست وام‌دهنده را برآورده می‌کند یا خیر.
شاه، مدیرعامل شرکت، گفت: “این امر به تیمی که ماهانه 500 درخواست را پردازش می‌کند، اجازه می‌دهد تا با همان تعداد کارمند، 20,000 درخواست را رسیدگی کند و وام‌های کوچک‌تر را از نظر اقتصادی مقرون به صرفه سازد.”
امید است که کسب‌وکارهای کوچک بیشتری بتوانند به وام‌های بانکی دسترسی پیدا کنند، زیرا بررسی آن‌ها برای بانک‌ها مقرون به صرفه‌تر می‌شود.
شرکت‌های دیگری مانند Middesk، Ocrolus و MoneyThumb نیز در این بازار فعالیت دارند. شارما امیدوار است که Kaaj با خودکارسازی کل فرآیند تجزیه و تحلیل اعتباری به جای بخش‌هایی از آن، از رقبا متمایز شود.
او گفت: “ما این کار را با استقرار گردش‌کارهای هوش مصنوعی انجام می‌دهیم که از تیم‌های آن‌ها تقلید می‌کند تا به وام‌دهندگان کمک کند بسته‌های وام را به طور کامل تجزیه و تحلیل کنند.”
سرمایه جدید برای کمک به تسریع توسعه محصول و گسترش در بین وام‌دهندگان مستقل و کسب‌وکارهای کوچک استفاده خواهد شد. ما بر بهبود قابلیت‌های عامل هوش مصنوعی خود، گسترش پیشنهادات ماژول و افزایش پایگاه مشتریان وام‌دهندگان و کارگزاران خود فراتر از ردپای فعلی‌مان متمرکز هستیم.”
به طور کلی، شاه و شارما امیدوارند که Kaaj بتواند به نوعی وام‌دهی به کسب‌وکارهای کوچک را “دگرگون” کند و اتوماسیون را به فرآیندی که هنوز هم بسیار متکی به کاغذ است، بیاورد.
وی گفت: “با خودکارسازی علم تجزیه و تحلیل اعتباری، ما پذیره‌نویسان انسانی را آزاد می‌کنیم تا بر هنر معامله‌گری و ارزیابی ذهنی، که مزیت رقابتی واقعی آن‌هاست، تمرکز کنند.”
