CarbonAI získává 12 milionů dolarů na využití agentů AI při financování komerčních nemovitostí

CarbonAI získala 12 milionů dolarů na automatizaci analytické práce spojené s úvěry na komerční nemovitosti. Agenti AI mají pomáhat s posuzováním úvěrů, hloubkovou prověrkou, investičními memorandy i sledováním po uzavření úvěru. Financování oznámené 15. října vedla společnost Cowboy Ventures; zapojily se také Timber Grove Ventures, Bling Capital a Max Ventures.

Společnost z New Yorku se zaměřuje na práci, která často leží mezi souborem dokumentů a zásadním finančním rozhodnutím. Než věřitel rozhodne, jaký úvěr může daná nemovitost zajistit, musí sladit nájemní smlouvy, přehledy nájemného, finanční výkazy a právní podmínky. CarbonAI tvrdí, že specializovaní agenti dokážou tuto přípravu dovést až k výstupům, které lze zkontrolovat a které obsahují i podpůrné důkazy.

Oznámení neuvádí fázi financování ani ocenění společnosti. CarbonAI uvádí, že během šesti měsíců od uvedení první sady produktů na trh na začátku roku 2025 dosáhla sedmimístné výše smluvně sjednaných tržeb. Smluvně sjednané tržby se liší od vykázaných tržeb i od zveřejněné výše ročních opakujících se tržeb.

Od hromady dokumentů k modelu úvěru, který lze zkontrolovat

Posuzování úvěrů na komerční nemovitosti nespočívá jen ve vyčítání čísel z PDF. Analytik musí rozumět tomu, jak spolu tato čísla souvisejí: zda příjmy z nájemného odpovídají podmínkám nájemních smluv, jak se zachází s výdaji a které předpoklady ovlivňují výsledné peněžní toky.

Podle oznámení agenti CarbonAI získávají a strukturovaně zpracovávají informace ze zdrojových dokumentů, vytvářejí modely pro posouzení úvěru, připravují návrhy investičních memorand a upozorňují na rizika. Výstupy odkazují na příslušné dokumenty, zatímco rozhodnutí vyžadující lidský úsudek předávají úvěrovému týmu.

Právě toto rozdělení práce je pro produkt zásadní. Přípravu modelu a zdokumentování předpokladů lze automatizovat, aniž by se tím samotné rozhodnutí o poskytnutí úvěru považovalo za automatické. Kontrolor musí stále posoudit, zda předpoklady dávají smysl a zda navrhovaný úvěr odpovídá kritériím dané instituce.

CarbonAI tyto systémy označuje jako agenty s „dlouhým horizontem“: jde o systémy určené k dokončení navazujících analytických úkolů, které nečekají na samostatný pokyn při každém kroku. V tomto případě je užitečným výsledkem ucelený soubor podkladů ke kontrole, nikoli řada izolovaných odpovědí týkajících se jednotlivých dokumentů.

Fungování v rámci stávajících procesů věřitele

Webové stránky produktu CarbonAI uvádějí důležitý detail ohledně zavádění: pracovní postup pro posuzování úvěrů je navržen podle vlastních šablon a úvěrových kritérií věřitele. Společnost také popisuje průběžné sledování dosud nedodaných dokumentů potřebných k prověrce a dodávání zpráv o sledování v preferovaném formátu dané společnosti.

Tento přístup zohledňuje praktické omezení při zavádění AI ve velkých organizacích. Model dané instituce zároveň zaznamenává, jak posuzuje rizika. Jeho nahrazení obecným výstupem může analytikům přidat práci se sladěním podkladů, i když nový software tento výstup vytvoří rychle.

Například údaj o nájemném získaný z nájemní smlouvy může být nutné přiřadit správnému nájemci, období a nemovitosti, než jej bude možné zahrnout do modelu peněžních toků. Odkazy na zdroje pomáhají kontrolorovi ověřit podklady, stále však záleží na tom, jak je údaj vyložen a kam je zařazen. Hodnota produktu proto závisí na tom, jak dobře spolupracují získávání údajů, modelování a kontrola.

Podle webových stránek se zaznamenává každý krok a u každého údaje lze dohledat jeho zdroj. Uvádějí také řízení přístupu na základě rolí, jednotné přihlašování, šifrovaný hosting v USA a zásadu, podle níž se zákaznická data nepoužívají k trénování modelů. Jde o veřejně popisované vlastnosti produktu a zabezpečení společnosti.

Rozšíření analýzy i za fázi poskytnutí úvěru

Záběr CarbonAI nekončí poskytnutím úvěru. Oznámení popisuje průběžné sledování, jehož cílem je odhalit rizika ještě před další manuální čtvrtletní kontrolou, a také agenty, kteří provádějí čtvrtletní sledování.

Poskytování úvěru a jeho následné sledování se opírají o související informace, ale řeší odlišné otázky. Před uzavřením úvěru věřitel posuzuje potenciální investici. Po jeho uzavření potřebuje zjistit, zda se výkonnost nemovitosti, její dokumentace nebo závazky změnily natolik, že je třeba věnovat jim pozornost.

Propojení podkladových záznamů by mohlo usnadnit porovnání nových informací s předpoklady, na jejichž základě byl úvěr schválen. Mohlo by také omezit práci spojenou s opakovaným sestavováním historie nemovitosti. Oznámení neuvádí četnost aktualizací ani externí zdroje dat používané v jednotlivých procesech sledování, takže průběžné sledování nelze chápat jako záruku pokrytí každé události v reálném čase.

Uváděné úspory a důležitá upřesnění

CarbonAI uvádí, že první zákazníci ušetřili až 90 % času věnovaného vybraným klíčovým úkolům při posuzování úvěrů, včetně kontroly nájemních smluv, analýzy finančních výkazů a přípravy úvěru k poskytnutí. Jde o úsporu času u konkrétních úkolů, kterou uvádí společnost, nikoli o naměřené zkrácení celého procesu poskytování úvěrů u každého zákazníka.

V oznámení je jako zákazník uvedena společnost Greystone a nechybějí v něm ani komentáře spoluprezidenta Mordecaie Rosenberga o automatizaci shromažďování podkladů pro hloubkovou prověrku. CarbonAI také uvádí, že mezi její zákazníky patří úvěrové fondy, hypoteční realitní investiční trusty, věřitelé financující vícerodinné nemovitosti prostřednictvím agenturních programů a veřejně obchodované finanční instituce.

Pro věřitele, kteří zvažují tento typ softwaru, je rychlost jen jedním z hledisek při srovnání. Důležité otázky zahrnují, zda systém zachovává zdrojové podklady, rozpoznává výjimky a snižuje náročnost kontroly, aniž by zastíral nejistotu. Tyto otázky souvisejí s širší výzvou, kterou představuje řízení agentů AI v podnikových pracovních postupech, kde musí zůstat jasně vymezená oprávnění i odpovědnost, jakmile systémy přebírají více úkolů.

Zakladatelé se zkušenostmi na obou stranách pracovního procesu

Spoluzakladatelé Jeff Saul, generální ředitel CarbonAI, a Josh Kaufman dříve pracovali v oblasti financování komerčních nemovitostí a správy úvěrů ve společnostech jako Starwood Capital, Morgan Stanley a Guggenheim. Později vybudovali platformu Nativ pro správu obchodů s komerčními nemovitostmi a prodali ji společnosti Built, kde oba zastávali vedoucí pozice.

Tato zkušenost pomáhá vysvětlit důraz na stávající tabulky, formáty reportů a procesy specifické pro jednotlivé věřitele. CarbonAI staví produkt na znalosti oboru a realizaci pracovních postupů, přičemž generativní AI má práci podporovat, nikoli sloužit jako celé uživatelské rozhraní.

Financování podpoří cílené využití agentní AI: sestavování a průběžnou aktualizaci analytického záznamu, který je podkladem pro úvěr na komerční nemovitost. Praktickou zkouškou bude, zda úvěrové týmy dokážou s jistotou posoudit více případů a zároveň si ponechat odpovědnost za úsudky, které určují rizikovost obchodu.