Michael Rangel, grundlægger af Novo – Interviewserie

Michael Rangel, grundlægger af Novo, er en fintech‑entreprenør, der grundlagde virksomheden i 2016 og var dens administrerende direktør i mere end ni år, og hjalp med at transformere Novo fra et tidligt koncept til en finansiel platform, der betjener små virksomheder. I løbet af hans embedsperiode arbejdede Rangel på tværs af produktudvikling, fundraising, ansættelser, drift, partnerskaber og go‑to‑market‑strategi og hjalp virksomheden med at rejse mere end $170 million i finansiering. Han trådte tilbage som CEO i april 2025, men forbliver involveret som Novos grundlægger og bestyrelsesmedlem og støtter dens langsigtede mission om at styrke iværksættere og uafhængige virksomheder. Før han grundlagde Novo, tilbragte Rangel mere end fem år i handelsadministration og drift hos Fairholme Capital Management, efter en tidligere driftsrolle hos Smith Barney.

Novo er en fintech‑platform designet specifikt til uafhængige virksomheder, iværksættere, freelancere og små virksomhedsejere og kombinerer erhvervskonto med værktøjer til betalinger, fakturering, udgiftsstyring, likviditetsplanlægning, udlån og erhvervskredit. Platformen integrerer med mere end 40 erhvervsværktøjer, herunder QuickBooks, Stripe, Shopify, Square og Xero, og hjælper virksomheder med at forbinde bankforretning med regnskab, betalinger og driftsprocesser. Novo indarbejder også AI drevet af modeller fra OpenAI, Anthropic og Google for at strømline processer som onboarding og udgiftskategorisering. Virksomheden siger, at platformen er betroet af mere end 250.000 uafhængige virksomheder. Novo er selv en fintech snarere end en bank, med banktjenester og FDIC‑forsikrede indskud leveret gennem partneren Middlesex Federal Savings.

Du grundlagde Novo i 2016 og brugte næsten et årti på at bygge det omkring de finansielle behov for små virksomheder. Når du ser tilbage på de problemer, du satte dig for at løse dengang, hvilke af dem tror du, AI nu kan løse på måder, som simpelthen ikke var mulige, da du startede virksomheden?

AI kan have en dybdegående indvirkning på, hvordan du driver en virksomhed og leverer værdi til kunderne. Da vi startede Novo, var et af de problemer, vi ønskede at løse, at en virksomhed med $1.000 i årlig omsætning, en virksomhed med $100.000 i årlig omsætning og en virksomhed med $1 million i årlig omsætning kan skabe en overraskende lignende driftsbyrde for en bank. Du skal stadig understøtte onboarding, compliance, svindel, sikkerhed, transaktionsmonitorering og kundeservice, uanset hvor meget omsætning den pågældende kunde genererer for dig. Det betød, at banker måtte opbygge store driftsteams for at betjene kunder, som individuelt ikke altid var så værdifulde for dem.

For ti år siden mente vi, at software kunne hjælpe med at ændre den ligning. AI tager nu den idé meget længere. En compliance‑specialist kan bruge AI til at opsummere information, behandle dokumenter og udarbejde rapporter eller svar, så én person kan håndtere mere end ti gange så mange opgaver som før. Vores kundeserviceteams kan lade AI håndtere rutine‑spørgsmål, så folk kan bruge deres tid på de problemer, der virkelig kræver dømmekraft. Svindelmodeller kan identificere potentielle problemer tidligere og hjælpe os med at inddrive tab hurtigere, når noget går galt. AI har givet os en langt bedre måde at levere på, hvad Novo blev bygget til at gøre, nemlig at tilbyde en bankoplevelse, der fungerer for virksomheder uanset deres størrelse.

Små virksomheder har historisk set manglet adgang til de finanshold, analytikere og avanceret software, som større virksomheder har. Hvor meget kan AI realistisk set lukke dette ressourcegab, og hvor vil menneskelig ekspertise forblive afgørende?

AI udvikler sig utrolig hurtigt, men tempoet ser meget forskelligt ud afhængigt af, hvor du befinder dig. Hvis du arbejder med teknologi i San Francisco eller New York, har du sandsynligvis en helt anden oplevelse af AI end en lille virksomhedsejer, der blot forsøger at drive sin virksomhed.

Mange af de problemer, som små virksomheder står over for, er allerede inden for AI’s rækkevidde. Den større udfordring er, at teknologien udvikler sig hurtigere, end folk kan lære at bruge den. Derfor er jeg interesseret i, hvad virksomheder som Anthropic gør med produkter, der er designet til at give mindre tekniske brugere et udgangspunkt.

Menneskelig ekspertise forsvinder ikke, men AI kan lukke kløften ved at gøre ekspertisen mere tilgængelig. Jeg har set produkter som April Tax gøre ting, som tidligere krævede meget tid og specialiseret viden, meget nemmere for en lille virksomhedsejer. Vi er ikke på et punkt, hvor AI kan sætte din virksomhed på autopilot, men hvis du nogensinde har mistet en weekend på at forberede skatteindberetning, betyder det at få den tid tilbage.

Hvor ser du, at AI skaber den mest håndgribelige værdi for små virksomhedsejere i dag, især inden for likviditetsprognoser, udgiftsstyring, budgettering og daglige finansielle beslutninger?

En af de mest nyttige anvendelser af AI, vi har bygget hos Novo, er faktisk noget, der lyder ret enkelt, nemlig transaktionsmærkning. Historisk set krævede det, at disse modeller fungerede godt, en enorm mængde træningsdata, og selv da kunne du kun opnå omkring 80 % nøjagtighed. Det er ikke tilstrækkeligt, når du håndterer en persons finansielle oplysninger, fordi du stadig skal kontrollere alt.

Ved at bruge en mindre mængde af vores egne data, nogle model‑destillations‑teknikker og frontier‑modeller når vores systemer ikke er sikre, har vi presset nøjagtigheden til langt over 97 % og for nylig tættere på 99 %. Når du præcist kan forstå, hvad hver transaktion repræsenterer, kan du bygge meget mere nyttige finansielle værktøjer oven på de data. Det kan drive udgifts‑dashboards, grundlæggende FP&A og endda hjælpe en virksomhed med at adskille penge til fx løn og leverandørbetalinger, så de ikke ved et uheld bruger dem andre steder.

Det interessante er, at LLM’er er overraskende gode til klassificering og clustering. Det betyder, at vi kan tage en virksomheds transaktioner og begynde at bygge et personligt overblik over dens finanser uden den ingeniørkompleksitet, der tidligere var påkrævet. For vores kundebase er nutidens AI‑kapaciteter faktisk foran den kompleksitet, som de problemer, vi forsøger at løse, har. Det er et ret spændende sted at være.

Et af løfterne ved AI er at flytte finanssoftware fra blot at vise virksomhedsejere, hvad der er sket, til proaktivt at fortælle dem, hvad de bør gøre næste gang. Hvordan ser en virkelig intelligent finansplatform ud i praksis?

Den bedste bankoplevelse, du kan få, er stadig at tale med en person i din bank, som kender alt om din virksomhed. De forstår din historik, hvad du prøver at opnå, og hvad du måske har brug for næste gang. Software har altid været en muliggjører af den relation, men det har ikke erstattet den.

For mig begynder en virkelig intelligent finansplatform at føles som om, du har reduceret antallet af personer, du behøver i rummet for at styre din virksomhed. Du skal kunne stille et spørgsmål, få et svar, se den rette information og modtage brugbar vejledning uden selv at skulle finde ud af, hvor du skal lede. Det vigtige er, at du har tillid til svaret.

Hos Novo siger vi nogle gange, at vi konkurrerer med fortovet. At gå til en bankrådgiver er stadig en god oplevelse. Der er ingen app at navigere i, nogen kender dig, og de kan vejlede dig baseret på din virksomhed. Det AI giver os, er muligheden for at bringe noget af den oplevelse til en underforsynet gruppe af virksomheder i en skala, der før ikke var mulig. For vores kunder er den mulighed endelig inden for rækkevidde.

Kan AI på sigt fungere som en slags virtuel Chief Financial Officer for en lille virksomhed, kontinuerligt overvåge finanser, identificere risici og anbefale handlinger? Hvilke kapaciteter skal modnes, før iværksættere kan stole på et sådant system?

Ja, og jeg siger det med sikkerhed, fordi det er noget, vi allerede bygger. Tidligere i år udgav vi vores AI‑Agent‑infrastruktur specifikt for at bevæge os mod den vision.

Den svære del er ikke at få en model til at besvare et spørgsmål. Det er at bygge noget, folk kan stole på med deres finansielle liv. Det lærte vi på egen hånd. Vores første beta‑kohort var god, men den var ikke god nok til, at vi kunne sige, at oplevelsen ikke på et tidspunkt ville bryde nogens tillid. Så vi fortsatte med at presse på, forbedre hvordan systemet lærer, hvordan specialiserede agenter samarbejder, og hvordan de bruger den information og de værktøjer, de har til rådighed.

Det, vi har bygget, er i bund og grund et bankspecifikt system af agenter, med forskellige agenter der håndterer ting som transaktioner, svindel, kort og ACH, hver med deres egne værktøjer og viden. Det krævede meget arbejde at komme dertil, men resultaterne er nu virkelig gode. Vi vil ikke skynde os med noget sådant bare fordi AI er i fokus. Det er uretfærdigt over for kunden. Men for virksomheder i den størrelse, vi betjener, mener jeg, at dette øjeblik er kommet, og det er utrolig spændende.

Adgang til kapital er fortsat en af de største udfordringer for små virksomheder. Hvordan kunne AI ændre underwriting og udlån, og kunne alternative data gøre det muligt for finansielle institutioner at vurdere virksomheder, som traditionelle kreditmodeller typisk overser?

Dette er et område, hvor jeg mener, at samtalen bliver forvirret. Det handler ikke egentlig om AI. Det handler om retfærdighed og om at forstå, hvad disse modeller faktisk kan.

Du bør aldrig bruge en frontier‑sprogsmodel som den model, der træffer en kreditbeslutning. LLM’er er ikke‑deterministiske, hvilket betyder, at de samme input kan give forskellige output. Traditionelle maskin‑læringsmodeller, der bruges til kreditbeslutninger, er deterministiske, så de samme input giver samme resultat. Den forskel betyder enormt meget, når du skal beslutte, hvem der får kredit. Du skal vide, hvilke faktorer der driver beslutningen, teste for bias og kunne rette problemer, når de opstår.

AI kan absolut hjælpe os med at bygge bedre modeller til at forstå risiko, og vi gør det ekstremt godt hos Novo. Men jeg tror ikke, at AI alene løser det større problem med småvirksomheders adgang til kapital. En stor del af problemet skyldes det regulatoriske miljø skabt af Basel‑rammen, som ændrede økonomien i småvirksomhedslån for banker og gjorde dem mindre villige til at påtage sig de risici.

Vi siger altid, at små virksomheder er økonomiens rygrad, men vi har bygget et finansielt system omkring dem, hvor mange af de beslutninger, der påvirker deres overlevelse, træffes i rum, de ikke får lov at tale i. Det er et meget større problem end, om vi har en bedre AI‑model.

AI bliver også stadig vigtigere inden for bedrageriopsporing og finansiel sikkerhed. Hvordan kan finansielle platforme bruge AI til at identificere mistænkelig aktivitet uden at skabe for mange falske positiver eller gøre legitime transaktioner sværere for små virksomheder?

AI er særligt nyttig til at opdage ting, der ikke ser rigtige ud. Sproglige modeller er overraskende gode til klassificering og klyngedannelse, hvilket betyder, at du kan bruge dem til at identificere usædvanlig adfærd til en relativt lav pris.

Den vigtige sondring er, at jeg ikke ville bruge en ikke-deterministisk model til at træffe den endelige beslutning. Jeg ville bruge den til at sætte et flag, hvorefter en deterministisk model træffer beslutningen. Sådan har vi håndteret bedrageri hos Novo.

Vi samarbejder også med virksomheder som Sardine, som kan bringe mønstre fra et langt bredere sæt af finansielle institutioner ind i vores modeller. De kan hjælpe os med at identificere ting som legitimationsoplysninger, der tidligere er blevet forbundet med bedrageri, eller adfærd, der ligner automatiseret aktivitet. Vi har bygget en stærk bedragerioperation omkring den kombination af teknologi og ekspertise. Sikkerhed er altid et våbenkapløb, men AI giver os bedre værktøjer til at holde os foran.

Finansielle AI-systemer kan få adgang til ekstremt følsomme oplysninger om en virksomheds indtægter, udgifter, kunder og økonomiske sundhed. Hvilke sikkerhedsforanstaltninger bør iværksættere forvente omkring dataprivatliv, sikkerhed og brugen af deres finansielle data til at træne AI-modeller?

Der er flere lag i dette, startende med politikkerne og vilkårene for de modeller, du bruger. De store frontier-modeludbydere har enterprise- og API-tilbud, hvor kundedata ikke bruges til at træne deres modeller, men der er stadig en vigtig sondring mellem at bruge en model via en API og at bruge den gennem en forbrugerorienteret applikation, hvor din samtalehistorik gemmes.

Der er også et spørgsmål om, hvor meget information du faktisk vil give et AI-system. Hos Novo har vi designet vores agenter, så kunderne kan træffe det valg. Du kan ønske, at en agent svarer på spørgsmål kun ved hjælp af vores bankviden, eller blot peger dig på, hvor informationen findes i appen, eller du kan være komfortabel med at give den mere af dine finansielle data, fordi det giver et bedre svar.

Vi placerer også systemer mellem kundedata og modellerne, som automatisk kan fjerne følsomme oplysninger såsom EIN‑numre og personnumre, og vi tester løbende vores systemer for at sikre, at de ikke afslører information, de ikke bør. Det er det, der gør det svært at bygge god AI. Det handler ikke kun om at gøre modellen intelligent. Du skal bygge sikkerhedsforanstaltninger omkring den og løbende teste dem.

Der er enorm entusiasme omkring AI i fintech lige nu. Hvilke anvendelser mener du er ægte transformerende for små virksomheder, og hvor tror du, branchen i øjeblikket overdriver, hvad AI kan levere?

Der bør være entusiasme for AI i enhver branche. Vi har set denne film før. Internettet ændrede, hvordan vi distribuerede software, browsere ændrede, hvordan vi tilgik den, cloud computing ændrede, hvordan vi implementerede den, og mobil ændrede, hvor vi kunne bruge den. AI ændrer nu, hvordan vi oplever software.

Det, jeg finder mest interessant, er, at vi også ændrer softwarens sprog. Folk kan i stigende grad bygge software ved at beskrive, hvad de vil have i naturligt sprog i stedet for at lære JavaScript eller Python. I årtier var den tekniske viden en af de ting, der holdt softwareudvikling bag en låge. Den låge er ved at falde ned, hvilket er en del af grunden til, at virksomheder som Lovable og Replit er vokset så hurtigt.

Samtidig tror jeg, vi stadig er meget tidligt. Meget af hypen kommer fra folk i Silicon Valley, som oplever AI i et helt andet tempo end resten af verden. De virksomheder, der får reel værdi ud af det, behandler det ikke som magi. De finder ud af, hvad det faktisk kan, og anvender det på problemer, hvor det virker.

Vi er stadig i begyndelsen af dette. Når du sammenligner AI‑adoption med de tidlige adoptionskurver for internettet og mobil, er det utrolig tidligt. Så jeg tror, at afvise AI, fordi dagens teknologi ikke lever op til noget af hypen, ville være som at se på det tidlige internet og beslutte, at det var en modefænomen.

Ser du fremad, hvordan tror du, AI vil omforme småvirksomheders bankvirksomhed? Kan vi på sigt gå fra dagens model med konti, dashboards og finansielle værktøjer til autonome finansielle platforme, der aktivt styrer en stor del af en virksomheds økonomi på ejerens vegne?

Dette er visionen, vi bygger hos Novo. Grundlæggende vil vi genskabe oplevelsen af at have en dygtig bankrådgiver på din telefon. Du skal kunne stille et spørgsmål og få et svar, få et diagram eller en rapport genereret, når du har brug for det, høre om kredit, når timingen er rigtig, opdage forsikring, efterhånden som din virksomhed vokser, og endda lære om tilskud eller skatteændringer, der kan gavne dig.

Innovation handler ikke kun om at få AI til at gøre ting for dig. Det handler om at få AI til at gøre dem så godt, at du faktisk stoler på den. Det er meget sværere, end det lyder, og jeg tror, tillid bliver en funktion i selve produktet.

AI kan holde langt mere information i kontekst end en person kan, men det kan ikke erstatte de menneskelige relationer, der faktisk driver virksomheder fremad. Folk tager risiciene, opbygger relationerne og skaber de muligheder, der får økonomien til at bevæge sig. Det er derfor vores mål for succes hos Novo ikke er at få dig til at bruge mere tid i vores app. Det er det modsatte. Vi ønsker, at du bruger så lidt tid der som muligt og opnår mere på de få minutter, end du kunne før.

Tak for det gode interview, læsere der ønsker at lære mere, bør besøge Novo.