Shivi Sharma یک دهه را در زمینه ریسک اعتباری در شرکت‌هایی مانند American Express و Varo Bank گذراند.

در مقطعی، او متوجه شد که تیم‌ها زمان تقریباً یکسانی را صرف تحلیل انواع وام‌ها می‌کنند - صرف نظر از اینکه مبلغ وام ۱۰۰,۰۰۰ دلار باشد یا ۵ میلیون دلار - به این معنی که ارزیابی وام‌های کوچکتر در نهایت فرآیندی پرهزینه و زمان‌بر برای وام‌دهندگان بود.

او و همسرش، Utsav Shah، متوجه فرصتی در اینجا شدند.

شاه به TechCrunch گفت: «او شاهد بود که اکثریت قریب به اتفاق صاحبان مشاغل کوچک به دلیل اینکه اقتصاد برای بانک‌ها کار نمی‌کرد، نمی‌توانستند به سرمایه مورد نیاز خود برای رشد دسترسی پیدا کنند.»

وی ادامه داد: «با ترکیب مهارت‌های ما در ساخت سیستم‌های تصمیم‌گیری مبتنی بر هوش مصنوعی در مقیاس بزرگ و تخصص ما در ارزیابی ریسک اعتباری و ریسک کلاهبرداری در خدمات بانکی و مالی، متوجه شدیم که می‌توانیم از گردش کار عامل‌های هوش مصنوعی نسل بعدی برای حل این مشکل چندین ساله استفاده کنیم.»

این زوج متاهل تصمیم گرفتند در سال ۲۰۲۴ Kaaj را راه‌اندازی کنند، شرکتی که به اتوماسیون تحلیل ریسک اعتباری کمک می‌کند تا صدور ضمانت به جای روزها، تنها چند دقیقه طول بکشد. Kaaj اعلام کرد که بیش از ۵ میلیارد دلار درخواست وام را پردازش کرده است، و مشتریان آن شامل Amur Equipment Finance و Fundr هستند. این شرکت روز چهارشنبه اعلام کرد که دور سرمایه اولیه ۳.۸ میلیون دلاری را از Kindred Ventures و Better Tomorrow Ventures دریافت کرده است.

محصول به این صورت کار می‌کند: یک کسب و کار کوچک برای وام درخواست می‌دهد و تمام مدارک مورد نیاز (مانند صورت‌های مالی، صورت‌حساب‌های بانکی و اظهارنامه‌های مالیاتی) را ارسال می‌کند - معمولاً در این شرایط، ارزیابان ضمانت روزها را صرف تأیید دستی تمام این اطلاعات و ورود آن‌ها به سیستم مبدأ وام (LOS) خود 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 کلاهبرداری ارزیابان 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 کسب و کار معیارهای خط‌مشی وام‌دهنده را برآورده می‌کند یا خیر.

شاه، مدیرعامل شرکت، گفت: «این امر به تیمی که ماهانه ۵۰۰ درخواست را پردازش می‌کند، اجازه می‌دهد تا با همان کارکنان ۲۰,۰۰۰ درخواست را مدیریت کند و وام‌های کوچکتر را از نظر اقتصادی مقرون به صرفه سازد.»

امید این است که کسب‌وکارهای کوچک بیشتری بتوانند از بانک‌ها وام دریافت کنند، زیرا بررسی آن‌ها برای بانک مقرون به صرفه‌تر می‌شود.

دیگران در بازار شامل Middesk، Ocrolus و MoneyThumb هستند. شارما امیدوار است که Kaaj با خودکارسازی کل فرآیند تحلیل اعتبار به جای بخشی از آن، از رقبا متمایز شود.

او گفت: «ما این کار را با استقرار گردش کار هوش مصنوعی عامل‌محور که تیم‌های آن‌ها را تقلید می‌کند، انجام می‌دهیم تا به وام‌دهندگان در تحلیل بسته‌های وام از ابتدا تا انتها کمک کنیم.»

سرمایه جدید برای تسریع توسعه محصول و گسترش در میان وام‌دهندگان مستقل و کسب‌وکارهای کوچک استفاده خواهد شد. «ما بر روی بهبود قابلیت‌های عامل هوش مصنوعی خود، گسترش پیشنهادات ماژول‌هایمان و مقیاس‌بندی پایگاه مشتریان وام‌دهندگان و کارگزاران خود فراتر از محدوده فعلی تمرکز کرده‌ایم.»

به طور کلی، شاه و شارما امیدوارند که Kaaj بتواند به نوعی وام‌دهی به کسب‌وکارهای کوچک را «انقلابی» کند و اتوماسیون را به فرآیندی که هنوز بسیار مبتنی بر کاغذ است، بیاورد.

وی گفت: «با خودکارسازی علم تحلیل اعتبار، ما ارزیابان انسانی را آزاد می‌کنیم تا بر هنر معامله‌گری و ارزیابی ذهنی تمرکز کنند، که مزیت رقابتی واقعی آن‌هاست.»