Conor Burke は、キャリアの大半をアイルランドの大手銀行のバック オフィスで過ごしました。 彼のチームは、銀行に毎年何百万ドルもの費用がかかり、詐欺を発見できなかったオンボーディング プロセス、特にドキュメントの多い手作業によるレビュー ワークフローのデジタル化を任されていました。 彼によると、最大の課題は、リスクと不正防止を損なうことなく、人的要素を取り除く方法を考え出すことでした。
これに触発されて、バークと彼の双子の兄弟、ローナン・バークが立ち上げた 記す、AI を活用した文書不正検出サービス。 フィンテックおよび金融業界の詐欺、リスク、および運用チーム向けに構築された Inscribe は、何億ものデータ ポイントでトレーニングされた AI を利用して結果を返します、と Ronan 氏は言います。
「面倒な書類審査は、口座開設と引受プロセスに摩擦を加えますが、自動化だけでは答えにはなりません」とローナン氏は TechCrunch の電子メール インタビューで語った。 「不正検出のない自動化は無謀だと考えています。そのため、Inscribe は、企業が不正を検出し、プロセスを自動化し、信用力を理解して、より多くの顧客をより迅速に承認できるようにするトータル パッケージです。」
Inscribe は、金融オンボーディング ドキュメントを解析、分類、データ照合し、提供されたドキュメントと、AI を活用した不正検出を使用して復元されたドキュメントの違いを強調します。 名前、住所、銀行取引明細書の取引などのドキュメントの詳細が自動的にデジタル化され、銀行取引明細書と取引のスナップショットを含む個々の顧客のリスク プロファイルが生成されます。
昨年 9 月、Inscribe は、銀行取引明細書からのキャッシュ フローの詳細、取引の解析、給与明細の解析など、融資の決定に必要なほとんどのデータ ポイントを提供する信用分析および銀行取引明細書の自動化コンポーネントを展開しました。 Ronan は、Inscribe が名前、住所、日付、取引、給与などの重要な詳細を数秒で抽出して返すことができると主張しています。
画像クレジット: 記す
Inscribe が提供する機能は、Resistant AI (2021 年 10 月に 1,660 万ドルを調達) や Smile Identity (同年 7 月に 700 万ドルを調達) など、他の多くの不正対策ツールと似ています。 ただし、Ronan は、顧客との以前のパートナーシップを通じて収集された元のデータに依存する AI ファーストのアプローチによって差別化されていると主張しています。
「私たちの分野の不正検出と文書自動化の企業が、顧客と話をすることなくすぐに完璧なソリューションを構築しようとするのを見てきましたが、その後閉鎖されました. 彼らはコールド スタートの問題を克服できませんでした。 顧客が使用しているデータにアクセスできなかったため、ゼロから製品を構築することができませんでした」と Ronan 氏は言います。 「これは、機械学習の最初のルールに戻ります。機械学習ではなく、データから始めます。 適切なデータセットがなければ、時間を無駄にしています。 間違ったモデルを選択するか、期待どおりに機能しないデータでモデルをトレーニングすることになります。」
AI は想像を絶するほど完璧ではありません。歴史は、それが真実であることを示しています。 たとえば、パンデミックの間、異常な行動に焦点を合わせた詐欺検出システムは、 混乱している 新しい買い物と消費の習慣によって。 他の場所では、自動化されたアルゴリズム 設計 福祉詐欺を検出することは、エラーを起こしやすいことが示されており、基本的に貧しい人々が貧しいことを罰するように設計されています.
しかし、Ronan の主張の真実性はさておき、Inscribe のプラットフォームには、著名な顧客を惹きつけている何かがあることは明らかです。 TripActions、Ramp、Bluevine、Shift はスタートアップのクライアントです。
投資家は、今度は勝ちました。 ちょうど今週、Inscribe は 2500 万ドルのシリーズ B 資金調達ラウンドを完了し、Crosslink Capital、Foundry、Uncork Capital、Box の共同創業者 Dillon Smith、Intercom の共同創業者 Des Traynor が参加して Threshold Ventures をリードした。 この注入により、スタートアップのこれまでの調達総額は、2021 年 4 月に完了したシリーズ A ラウンドの 1,050 万ドルを含めて、3,800 万ドルになります。
おそらくそれは、Inscribe のソリューションを導入できる比較的容易な点です。 Ronan が正しく指摘しているように、Inscribe は、社内で不正検出ソリューションを構築したり、大規模なデータ サイエンス チームを雇ったりする必要があるという問題を解決します。
「AI と機械学習モデルは可能な限り多くのデータから恩恵を受けますが、個々の企業は自社のデータセットのみに制限されています。 したがって、独自のソリューションは、多数のデータ ソースから取得するソリューションほど効果的ではありません」と Ronan 氏は述べています。 「そのため、企業は代わりにドキュメント詐欺検出ソリューションと提携しています。犯罪者はさまざまな方法で詐欺を犯しており、これらのソリューションは顧客ベース全体からデータを引き出して、組織的な攻撃や新たな傾向をより迅速に特定しています。」
恐怖を与えることもおそらく助けになります。 最近の 1 つ 調査 平均的な米国のフィンテック企業は毎年、詐欺で 5,100 万ドルを失っていることが示唆されています。
「ますますデジタル化され、地理的に分散し、高速化する世界では、ビジネスを行っている相手を知ることがこれまで以上に難しくなっています。企業は、どの潜在的な顧客が信頼できるかについて不確実なままです」と、Ronan 氏は述べています。 「フィンテック企業はオンラインの世界に向けて構築することができましたが、従来の金融機関は、レガシー システムから離れて真のデジタル トランスフォーメーションを採用するという課題に直面しています。 そして、競争力のあるカスタマー エクスペリエンスを実現するために、詐欺や摩擦を減らしながら、すべてを行う必要があります。」
拡張計画について尋ねられた Ronan 氏は、Inscribe は今後 12 ～ 18 か月で 50 人の従業員の規模を 2 倍にする可能性が高いと述べています。