Cognaize samler inn 18 millioner dollar for å bygge en bedre LLM for finanssektoren, en som holder mennesker i løkken
Kunstig intelligens har hatt stor innvirkning gjennom årene i finanssektoren, og hjelper neobanker med å tilpasse tjenester for kunder, långivere vurdere lånesøknader, digitale leverandører oppdager svindel og sikkerhetsproblemer, analytikere kjører prediktiv modellering for investeringer og mer.
Likevel er mye av arbeidet som gjøres i dag innen strukturerte data. Med en bølge av ustrukturerte data som venter på å bli avlyttet og brukt i prosessen, tar en New York-startup kalt Cognaize en hybrid tilnærming. Den har bygget en plattform for behandling av ustrukturerte data for finansielle AI-applikasjoner, og den kompletterer det med «mennesker i løkken» for å avgrense arbeidet.
Og i dag annonserer den 18 millioner dollar i finansiering for å utvide virksomheten sin på bakgrunn av å vinne noen store kunder for tjenestene sine. Kundene inkluderer to av de tre største kredittvurderingsbyråene, store forsikringsselskaper og finansielle tjenester.
Argonautic Ventures leder runden med Metaplanet og andre ikke navngitte investorer deltar også. Cognaize avslører ikke verdsettelsen sin bortsett fra for å bekrefte at den er i størrelsesorden hundrevis av millioner.
Finansieringen vil gå til ansettelse – Cognaize har kontorer også i Tyskland og Armenia – forskning, produktutvikling og forretningsutvikling.
Cognaizes grunnlegger Vahe Andonians er også CTO og CPO, og han grunnla tidligere en annen fintech som ga analyser og risikostyring rundt kredittinvesteringer som til slutt ble kjøpt opp av Moody’s. Hans tilnærming der og med Cognaize er basert på ideen om at AI kan være i stand til å gjøre ting som mennesker ikke kan, men likevel ikke kan erstatte mennesker.
Forutsetningen som Cognaize tar er at selv om det er en tilsynelatende ubegrenset mengde data tilgjengelig for finansbransjen i disse dager for å få bedre innsikt om tjenestene deres, markedstilstanden og kundene deres, bruker den vanligvis bare en liten del av dette. data, den strukturerte delen.
Oppstarten har bygget en plattform som benytter seg av dyp læring som er trent spesifikt på økonomiske modeller og et veldig bredt utvalg av dokumenter – 1,3 millioner i alt – som kan ha mange forskjellige “celler” med informasjon om dem som krever et mer ekspertøye for å “lese.” (Dokumentene dekker lånesøknader, men også SEC-innleveringer, ESG-dokumenter, presentasjoner, tillitsmannsrapporter og mer.)
Denne plattformen brukes på sin side av menneskelige arbeidere, typisk finansanalytikere, både for å hjelpe til med å korrigere det som blir lest, og for å ta konklusjoner og beslutninger basert på ikke resultatene.
“Hvis du er en bank, har du tre alternativer akkurat nå,” sa Al Eisaian, Cognaizes administrerende direktør. “Du kan prøve å bygge AI-evner internt, men glem det. Du kan gå gjennom den generelle AI-modellen for eksempel ved å bruke ChatGPT og prøve å implementere den ved å bruke en hær av konsulenter. Eller alternativ tre er oss. Vi muliggjør og utdanner deg.»
Eisaian, en gjentatt bedriftsgrunnlegger med exits til selskaper som VMWare i bakgrunnen, er ikke en grunnlegger av Cognaize, men ble med veldig kort tid etter at Cognaize kom i gang. Årsaken til forsinkelsen var fordi han trengte å finne en etterfølger i det siste selskapet han grunnla og ledet, en spesialist for analyse av flybilder kalt Intelinair.
Veksten av startups som Cognaize innen AI fremhever et viktig tema i området: mens det sannsynligvis vil være en rekke selskaper som OpenAI, Google, Anthropic og andre som gjør store svingninger på generelle kunnskapsgrafer innen AI, og bygger virkelig “store” ” store språkmodeller i prosessen, er det en like interessant trend med svært sterke aktører som fokuserer på spesifikke felt og brukstilfeller. Disse aktørene kan fortsatt bygge “store” LLM-er, men de er mer fokusert på å være dype enn brede i omfanget.
Ja, den største av dem alle kan godt prøve å gjøre begge deler, men spesialister kan alltid være i stand til å snakke språket til kundene deres er litt mer direkte, og det kan være det investorer satser på også.
“Vi er henrykte over å samarbeide med Cognaize når de bruker den transformative kraften til AI og store språkmodeller (LLM) for å finansiere,” sa Viken Douzdjian, administrerende partner i argonautic Ventures, i en uttalelse. “AI har forstyrret ulike bransjer, men den enorme mengden ustrukturerte økonomiske data skaper utallige brukssaker som trenger finansspesifikk, generativ AI. Cognaize-plattformen kan behandle enorme mengder ustrukturerte økonomiske data og trekke ut innsikt med bemerkelsesverdig presisjon og hastighet, noe som resulterer i forbedret beslutningstaking, risikovurdering og avdekning av mønstre og trender som tidligere var skjult av kompleksitet og menneskelige feil. Vi har sterk overbevisning i Al, Vahe og Cognaize-teamet for å definere hvordan finansbransjen samhandler med AI.»
“Cognaize er et selskap å se etter som de er en av de første som leverer repeterbar og målbar verdi gjennom AI i finansbransjen. Det var en enkel beslutning å investere i Al, Vahe og hele Cognaize-teamet,” la Rauno Miljand, administrerende partner, Metaplanet til. “De har allerede utnyttet kraften til AI, som demonstrert av den misunnelsesverdige veksten til Cognaizes virksomhet, de globale lederne innen finans som de allerede har sikret seg som kunder, og deres enestående teknologiske veikart. De redefinerer raskt hvordan finansindustrien kan utnytte moderne kunstig intelligens for å utnytte kraften i sine egne data for å dramatisk kutte kostnader og samtidig skape nye konkurransefortrinn.»
De mest overbevisende argumentene for mer målrettede tilnærminger er selvfølgelig at de vil gi bedre resultater og bli trent på spesifikt hva en bedrift trenger; men de kan også vise seg å være rimeligere å kjøre, gitt de mindre parameterne til deres LLM-er som krever mindre datakraft.
“Det vil alltid være muligheter fordi vi er mer smidige og fokuserte,” sa Andonians. – Det gir oss et forsprang.
“Når det er sagt, er det bare paranoidene som overlever, og derfor utnytter vi ting som ChatGPT også der det gir mening,” la han til etter en pause.