- Auquan didirikan pada 2018 oleh Chandini Jain, mantan analis dan pedagang derivatif.
- Ini meluncurkan produk AI pada akhir 2023 yang dapat mengotomatiskan pekerjaan penelitian yang biasanya dilakukan oleh analis.
- Sejak itu menandatangani transaksi dengan UBS, Blue Owl Capital, dan T. Rowe Price.
Gelombang fintech membangun agen otonom untuk perusahaan keuangan yang dirancang untuk melakukan pekerjaan analis atau bankir junior adalah pembengkakan.
Salah satu startup semacam itu, Auquan, menggunakan AI generatif untuk mengotomatisasi tugas yang memakan waktu tetapi ada di mana-mana untuk mengumpulkan dan memproses data dan memasukkan informasi itu ke dalam templat tertulis, seperti laporan uji tuntas, memo komite investasi, atau buku pitch.
Permintaan untuk teknologi semacam ini memanas di industri keuanganyang sering macet dengan proses manual di sekitar manajemen data, pemrosesan, dan analisis. Sejak diluncurkan pada Oktober 2023, Auquan telah menghasilkan hampir $ 2 juta dalam pendapatan berulang tahunan dan mengamankan UBS, T. Rowe Price, dan Blue Owl Capital sebagai pelanggan, menurut CEO dan salah satu pendiri, Chandini Jain.
Dari perbankan hingga rekayasa perangkat lunak hingga penelitian, Perusahaan keuangan ingin mengimplementasikan asisten AI Itu dapat melakukan proses multi-langkah. Meskipun masih terlalu dini untuk mengatakan seberapa besar teknologi akan berdampak pada laba asuhan, Investor modal usaha sedang menulis cek untuk masuk ke lantai dasar dari apa yang disebut oleh beberapa pemimpin industri Teknologi Revolusioner.
Selain mencetak klien nama besar dan aliran pendapatannya tahun lalu, Auquan juga menutup $ 8 juta dalam pendanaan benih. Babak itu dipimpin oleh Peak XV dan termasuk Neotribe Ventures.
Auquan telah membuat terobosan dengan berbagai divisi di perusahaan keuangan, dari investasi pasar swasta hingga perbankan investasi, serta risiko dan kepatuhan, dan hubungan investor, kata Jain. Di seluruh fungsi -fungsi itu, ini paling banyak digunakan oleh analis atau rekan untuk menghasilkan dokumen atau templat untuk MD, mitra, atau kepala divisi mereka.
Laporan yang hutang adalah kasus penggunaan besar untuk Auquan. Startup mengotomatiskan penciptaan 3.300 laporan uji tuntas untuk 20 klien yang berbeda, menghemat 55.000 jam kerja kumulatif, menurut perkiraan pelanggan.
Bagaimana Auquan bekerja di belakang layar
Auquan dibangun untuk mencoba meniru manusia yang pekerjaannya, kata Jain.
Langkah pertama adalah mengakses data mentah. Auquan menarik data dari penyedia, seperti FactSet, CAPIQ, dan Pitchbook, serta set data publik dari lembaga pemerintah dan situs berita. Ini juga dapat menyambungkan ke sistem file internal klien.
Bagian kedua melibatkan pengguna yang menyatakan niat dengan contoh, seperti “Saya ingin membuat memo komite investasi dan saya ingin itu keluar terlihat seperti dokumen template ini,” kata Jain. Di bawah tenda, teknologi bergantung pada “agen super orkestrator” yang memecah pekerjaan spesifik yang harus dilakukan dan mengatur beberapa “agen mini” untuk mengambil masing -masing pekerjaan itu, kata Jain.
Dalam contoh memo komite investasi, mungkin ada agen yang mengidentifikasi bidang yang perlu diisi, yang lain untuk menjalankan pencarian pada data vendor yang mendasari, yang lain memindai data publik, dan agen penulisan yang mengambil semua info dan meletakkannya ke dalam format khusus perusahaan berdasarkan templat, seperti jika bagian harus disajikan dalam poin-poin atau tabel. Ini diekspor dalam antarmuka yang diinginkan, seperti presentasi PowerPoint atau Google Doc dengan branding perusahaan yang tepat. Semua ini terjadi secara otomatis tanpa intervensi manusia, kata Jain.
Draf pertama disajikan kepada pengguna sebagai titik awal. Pengguna dapat mengedit dan tweak untuk dokumen mendatang, katanya. Agen Super Orchestrator akan menetapkan agen mini baru sesuai kebutuhan, tambahnya.
Harga untuk Auquan didasarkan pada estimasi hasil yang diinginkan klien, kata Jain. Contoh hasil menghasilkan satu dek geser, satu laporan, atau satu pemeriksaan kepatuhan. Setelah klien memilih alur kerja apa yang akan diotomatisasi, Auquan membebankan jumlah dolar untuk hasil itu, dan melipatgandakannya dengan berapa kali proses itu diharapkan berjalan, katanya.
Terlalu banyak data, tidak cukup banyak orang
Jain tahu secara langsung betapa padat karya intensif untuk mengekstraksi wawasan dari data. Sebelum Auquan, ia bekerja sebagai analis di Deutsche Bank dan pedagang derivatif di pembuat pasar Belanda dan perusahaan perdagangan kepemilikan Optiver, di mana ia tenggelam dalam informasi dengan tidak cukup waktu atau membantu menyaringnya.
“Jika saya atau siapa pun di tim saya dapat membuat kasus mengapa kami pikir setiap set data akan membantu kami membuat keputusan yang lebih baik, kami dapat membelinya, tidak ada pertanyaan yang diajukan,” kata Jain. “Apa yang kami tidak punya banyak sumber daya atau waktu untuk melalui informasi itu,” katanya.
Dia akan belajar dari percakapan dengan klien keuangan bahwa dia tidak sendirian dalam masalah itu. Penerapan yang luas telah menang atas investor.
