Η Dili θέλει να αυτοματοποιήσει τη δέουσα επιμέλεια με AI

Η Stephanie Song, πρώην μέλος της ομάδας εταιρικής ανάπτυξης και επιχειρήσεων στο Coinbase, ήταν συχνά απογοητευμένη από τον όγκο των εργασιών δέουσας επιμέλειας που έπρεπε να ολοκληρώνει αυτή και η ομάδα της σε καθημερινή βάση.

«Οι αναλυτές καίνε το λιπαντικό τα μεσάνυχτα δουλεύοντας εκατοντάδες ώρες κάνοντας τη δουλειά που κανείς δεν θέλει να κάνει», είπε ο Song στο TechCrunch σε μια συνέντευξη μέσω email. «Ταυτόχρονα, τα funds αναπτύσσουν λιγότερα κεφάλαια και αναζητούν τρόπους για να κάνουν τις ομάδες τους πιο αποτελεσματικές με ταυτόχρονη μείωση του λειτουργικού κόστους».

Έχοντας έμπνευση να βρει έναν καλύτερο τρόπο, ο Song συνεργάστηκε με τον Brian Fernandez και τον Anand Chaturvedi, δύο πρώην συναδέλφους της Coinbase, για να ξεκινήσουν

Ντίλι

(για να μην μπερδευτείτε από το

πρωτεύουσα του Ανατολικού Τιμόρ

), μια πλατφόρμα που επιχειρεί να αυτοματοποιήσει τα βήματα δέουσας επιμέλειας και διαχείρισης χαρτοφυλακίου βασικών επενδύσεων για εταιρείες ιδιωτικών κεφαλαίων και VC που χρησιμοποιούν τεχνητή νοημοσύνη.

Ο Dili, απόφοιτος του Y Combinator, έχει συγκεντρώσει 3,6 εκατομμύρια δολάρια σε επιχειρηματική χρηματοδότηση μέχρι

σήμερα

από υποστηρικτές όπως η Allianz Strategic Investments, η Rebel Fund, η Singularity Capital, η Corenest, η Decacorn, η Pioneer Fund, η NVO Capital, η Amino Capital, η Rocketship VC, η Hi2 Ventures, η Gaingels και Hyper Ventures.

“[AI] επηρεάζει όλα τα μέρη ενός επενδυτικού αμοιβαίου κεφαλαίου, από αναλυτές έως συνεργάτες και λειτουργίες back-office», είπε ο Song. «Οι επαγγελματίες επενδύσεων στα funds αναζητούν ένα διαφοροποιημένο πλεονέκτημα στη λήψη αποφάσεων και μπορούν τώρα να χρησιμοποιήσουν τον πλούτο των δεδομένων τους για να συνδυάσουν την κατανόησή τους για τη συμφωνία με το πώς ταιριάζει στα ταμεία… Η Dili έχει μια μοναδική ευκαιρία να αναδυθεί ως λύση για κεφάλαια σε ένα σκληρό μακροοικονομικό περιβάλλον».

Το Song δεν έχει άδικο όσον αφορά τα κεφάλαια που αναζητούν πλεονέκτημα — ή οποιουσδήποτε νέους πολλά υποσχόμενους τρόπους για τον μετριασμό του επενδυτικού κινδύνου, για αυτό το θέμα. VCs

σύμφωνα με πληροφορίες

έχουν 311 δισεκατομμύρια δολάρια σε αδιάθετα μετρητά και πέρυσι συγκέντρωσαν το χαμηλότερο σύνολο – 67 δισεκατομμύρια δολάρια – σε επτά χρόνια, καθώς έγιναν ολοένα και πιο προσεκτικοί σχετικά με τις επιχειρήσεις σε αρχικό στάδιο.

Η Dili δεν είναι η πρώτη που εφάρμοσε την τεχνητή νοημοσύνη στη διαδικασία δέουσας επιμέλειας. Gartner

προβλέπει

ότι έως το 2025, περισσότερο από το 75% των επιθεωρήσεων εκτελεστικών επενδυτών και επενδυτών σε πρώιμο στάδιο θα ενημερώνονται χρησιμοποιώντας τεχνητή νοημοσύνη και ανάλυση δεδομένων.

Αρκετές νεοφυείς επιχειρήσεις και κατεστημένοι φορείς χρησιμοποιούν ήδη την τεχνητή νοημοσύνη για να μεταφέρουν μέσα από χρηματοοικονομικά έγγραφα και άφθονες ποσότητες δεδομένων για να δημιουργήσουν συγκρίσεις και αναφορές αγορών — συμπεριλαμβανομένου του Wokelo (του οποίου οι πελάτες είναι ιδιωτικά κεφάλαια και κεφάλαια VC, όπως το Dili’s), η Ansarada, η AlphaSense και η Thomson Reuters (μέσω της Μονάδα εκκαθάρισης ανεπιθύμητων μέσων).

Αλλά ο Song επιμένει ότι ο Dili χρησιμοποιεί την «πρώτη στο είδος του» τεχνολογία.

“[We can] παρέχει πολύ υψηλή ακρίβεια σε συγκεκριμένες εργασίες, όπως η εξαγωγή οικονομικών μετρήσεων από μεγάλα μη δομημένα έγγραφα», πρόσθεσε. «Έχουμε δημιουργήσει προσαρμοσμένους αγωγούς ευρετηρίασης και ανάκτησης προσαρμοσμένους για την παροχή συγκεκριμένων εγγράφων [our AI] μοντέλα με πλαίσιο υψηλής ποιότητας.”

Η Dili αξιοποιεί το GenAI, συγκεκριμένα μοντέλα μεγάλων γλωσσών σύμφωνα με το ChatGPT του OpenAI, για να εξορθολογίσει τις ροές εργασίας των επενδυτών.

Η πλατφόρμα καταγράφει πρώτα τα ιστορικά οικονομικά δεδομένα και τις επενδυτικές αποφάσεις ενός αμοιβαίου κεφαλαίου σε μια γνωσιακή βάση και, στη συνέχεια, εφαρμόζει τα προαναφερθέντα μοντέλα για την αυτοματοποίηση εργασιών όπως η ανάλυση βάσεων δεδομένων ιδιωτικών εταιρικών δεδομένων, ο χειρισμός λιστών αιτημάτων δέουσας επιμέλειας και η αναζήτηση ελάχιστα γνωστών στοιχείων στον ιστό .

Η Dili πρόσθεσε πρόσφατα υποστήριξη για αυτοματοποιημένη συγκρίσιμη ανάλυση και συγκριτική αξιολόγηση του κλάδου σχετικά με τις εκκρεμείς συμφωνίες μιας εταιρείας. Μόλις τα ταμεία ανεβάσουν τα δεδομένα των συναλλαγών τους, μπορούν να συγκρίνουν ιστορικές και τρέχουσες επενδυτικές ευκαιρίες σε ένα μέρος.

“Φανταστείτε να μπορείτε να λαμβάνετε ένα email με μια νέα επενδυτική ευκαιρία ή ενημέρωση εταιρείας χαρτοφυλακίου και να έχετε αμέσως μια πλατφόρμα που παράγει κόκκινες σημαίες συμφωνίας που δημιουργείται από AI, ανταγωνιστική ανάλυση, συγκριτική αξιολόγηση του κλάδου και μια προκαταρκτική περίληψη ή σημείωμα που αξιοποιεί τα ιστορικά επενδυτικά μοτίβα του κεφαλαίου σας”, Song είπε.

Το ερώτημα είναι, μπορεί να είναι αξιόπιστη η τεχνητή νοημοσύνη του Dili – ή οποιαδήποτε τεχνητή νοημοσύνη πραγματικά – όταν πρόκειται για τη διαχείριση ενός χαρτοφυλακίου;

Η τεχνητή νοημοσύνη δεν είναι απαραιτήτως γνωστή για την εμμονή στα γεγονότα, τελικά. Fast Company

δοκιμασμένο

Η ικανότητα του ChatGPT να συνοψίζει άρθρα και διαπίστωσε ότι το μοντέλο είχε την τάση να κάνει λάθος πράγματα, να αφήνει τα κομ

μάτια

έξω και να εφευρίσκει λεπτομέρειες που δεν αναφέρονται στα άρθρα που συνόψιζε. Δεν είναι δύσκολο να φανταστεί κανείς πώς αυτό μπορεί να γίνει πραγματικό πρόβλημα στις εργασίες δέουσας επιμέλειας, όπου η ακρίβεια είναι πρωταρχικής σημασίας.

Η τεχνητή νοημοσύνη μπορεί επίσης να φέρει προκαταλήψεις στη διαδικασία λήψης αποφάσεων. Σε ένα πείραμα

διεξαχθεί

από το Harvard Business

Review

πριν από αρκετά χρόνια, ένας αλγόριθμος που εκπαιδεύτηκε για να κάνει επενδυτικές προτάσεις για startup βρέθηκε να επιλέγει λευκούς επιχειρηματίες αντί έγχρωμους επιχειρηματίες και προτιμούσε να επενδύει σε νεοσύστατες επιχειρήσεις με άνδρες ιδρυτές. Αυτό συμβαίνει επειδή τα δημόσια δεδομένα στα οποία εκπαιδεύτηκε ο αλγόριθμος αντικατόπτριζαν το γεγονός ότι λιγότερες γυναίκες και ιδρυτές από υποεκπροσωπούμενες ομάδες τείνουν να είναι

μειονεκτούν

στη διαδικασία χρηματοδότησης — και τελικά να συγκεντρώσει λιγότερα επιχειρηματικά κεφάλαια.

Έπειτα, υπάρχει το γεγονός ότι ορισμένες εταιρείες μπορεί να μην αισθάνονται άνετα να εκτελούν τα ιδιωτικά, ευαίσθητα δεδομένα τους μέσω ενός μοντέλου τρίτου μέρους.

Για να προσπαθήσει να κατευνάσει όλους αυτούς τους φόβους, η Song είπε ότι η Dili συνεχίζει να βελτιώνει τα μοντέλα της – πολλά από τα οποία είναι ανοιχτού κώδικα – για να μειώσει τις περιπτώσεις παραισθήσεων και να βελτιώσει τη συνολική ακρίβεια. Τόνισε επίσης ότι τα δεδομένα ιδιωτών πελατών δεν χρησιμοποιούνται για την εκπαίδευση των μοντέλων της Dili και ότι η Dili σχεδιάζει να προσφέρει έναν τρόπο στα funds να δημιουργήσουν τα δικά τους μοντέλα εκπαιδευμένα σε ιδιόκτητα, offline δεδομένα κεφαλαίων.

«Ενώ τα hedge funds και οι δημόσιες αγορές έχουν επενδύσει πολλά στην τεχνολογία, τα δεδομένα της ιδιωτικής αγοράς έχουν πολλές αναξιοποίητες δυνατότητες που η Dili θα μπορούσε να ξεκλειδώσει για τις εταιρείες», είπε ο Song.

Η Dili πραγματοποίησε ένα αρχικό πιλοτικό πρόγραμμα πέρυσι με 400 αναλυτές και χρήστες σε διαφορετικούς τύπους αμοιβαίων κεφαλαίων και τραπεζών. Όμως, καθώς η startup επεκτείνει την ομάδα της και προσθέτει νέες δυνατότητες, θέλει να επεκταθεί σε νέες εφαρμογές — τελικά προς το να γίνει μια λύση «από άκρο σε άκρο» για τη δέουσα επιμέλεια των επενδυτών και τη διαχείριση χαρτοφυλακίου, λέει ο Song.

«Τελικά πιστεύουμε ότι αυτή η βασική τεχνολογία που χτίζουμε μπορεί να εφαρμοστεί σε όλα τα μέρη της διαδικασίας κατανομής περιουσιακών στοιχείων», πρόσθεσε.