Siddhant Masson, administrerende direktør og medstifter af Wokelo – Intervieuserie

Sid Masson er medstifter og administrerende direktør for Wokelo. Med en baggrund, der spænder over strategi, produktudvikling og dataanalyse i organisationer som Tata Group, Indiens regering og Deloitte, bringer Masson dyb ekspertise i at anvende fremvoksende teknologier til virkelige forretningsudfordringer. I Wokelo leder han virksomhedens mission om at transformere, hvordan videnarbejdere udfører due diligence, sektoranalyse og porteføljemonitoring gennem agensbaserede AI-rammer.

Wokelo er en generativ AI-drevet investeringsforskningsplatform, der er designet til at automatisere komplekse forskningsarbejdsprocesser, herunder due diligence, sektoranalyse og porteføljemonitoring. Ved hjælp af proprietære store sprogmodeller (LLM)-baserede agenter faciliterer platformen kuratering, syntese og triangulering af data for at generere strukturerede, beslutningsklare output.

Wokelo bruges af en række organisationer, herunder private equity-virksomheder, investeringsbanker, konsulentfirmaer og virksomhedshold, til at støtte data-baseret beslutningstagning.

Hvad inspirerede dig til at oprette Wokelo AI, og hvordan identificerede du behovet for en AI-drevet forskningsassistent, der kunne strømline due diligence, investeringsanalyse og virksomhedsstrategi?

Wokelo AI blev født ud af første-hånds-erfaring. Efter at have tilbragt år i managementkonsultation hos Deloitte og virksomhedsudvikling hos Tata Group, stødte jeg på de samme udfordringer gang på gang – manuel, repetitiv forskning, data-mangel på private markeder og den rene slid, der langsommere analytikere og beslutningstagere.

Vendepunktet kom under min anden master i AI på University of Washington, hvor min afhandling fokuserede på naturlig sprogbehandling. Mens jeg arbejdede som konsulent for at betale mine vej gennem skolen, byggede jeg en prototype ved hjælp af tidlige versioner af GPT og så førstehånds, hvordan AI kunne omdanne uger med arbejde til dage og timer – uden at kompromittere med kvaliteten. Det var øjeblikket, hvor jeg fik den store idé.

Da jeg indså, at denne teknologi kunne revolutionere investeringsforskning, besluttede jeg at satse alt på det. Wokelo AI er ikke bare endnu et forskningsværktøj – vi var nogle af de første mennesker, der banebrydende AI-agenter for to år siden. Det er løsningen, jeg ønskede, jeg havde under mine år med due diligence og investeringsanalyse.

Hvordan formede din erfaring hos Deloitte, Tata og Indiens regering din tilgang til at opbygge Wokelo?

Hos Deloitte, som managementkonsulent, arbejdede jeg på en række komplekse projekter, der omfattede forskning, analyse og due diligence på daglig basis. Arbejdet var intensivt og indeholdt mange manuelle, repetitive opgaver og skrivebordsforskning, der ofte langsommere fremdrift og øgede omkostninger. Jeg blev alt for godt bekendt med smertepunkterne ved at indsamle data, især når det kom til private selskaber, og udfordringerne ved at bruge traditionelle værktøjer, der ikke var bygget til effektivitet eller skalerbarhed.

Siden, hos Tata Group, hvor jeg arbejdede med M&A og virksomhedsudvikling, fortsatte jeg med at støde på de samme problemer — data-mangel, langsom forskning og udfordringen ved at omdanne rå information til handlebare indsigt for store beslutninger. Frustrationen over ikke at have effektive værktøjer til at støtte beslutningstagning, især når det kom til private selskaber, fik mig endnu mere motiveret til at finde en løsning.

Desuden gav mit arbejde med Indiens regering på IoT-løsningen for et vandinfrastrukturprojekt mig en dybere forståelse af, hvordan produktinnovation kunne løse virkelige problemer på stor skala, og det gav mig tilliden til at anvende den samme tilgang til at løse udfordringerne med forskning og analyse i konsulent- og investeringssektoren.

Sådan har min professionelle baggrund og min første-hånds-erfaring med udfordringerne ved forskning, analyse og dataindsamling i konsulent- og virksomhedsudvikling direkte påvirket, hvordan jeg tilgangen til Wokelo. Jeg vidste fra erfaring, hvilke vejspærringer, som professionelle stod overfor, så jeg fokuserede på at bygge en løsning, der ikke kun automatiserer slid, men også giver brugerne mulighed for at fokusere på høj-impact, strategisk arbejde, og som i sidste ende gør dem mere produktive og effektive.

Wokelo udnytter GenAI til forskning og efterretning. Hvad adskiller jeres AI-tilgang fra andre sammenfatningsværktøjer på markedet?

Mens de fleste konkurrenter tilbyder chatbot-lignende Q&A-grænseflader – essentielt omskrevne versioner af ChatGPT med en finansfokuseret brugerflade – tager Wokelo AI en helt anden tilgang. Vi har bygget en AI-agent, der specifikt er designet til investeringsforskning og finansielle services – ikke bare en chatbot, men et fuldt udbygget arbejdsprocesautomatiseringsværktøj.

I modsætning til simple sammenfatningsværktøjer håndterer Wokelo hele forskningsleverancer, udfører 300-400 analystasker, som normalt ville tage en uge. Vores system identificerer selvstændigt krav, opdeler dem i underopgaver og udfører alt fra dataekstraktion og syntese til triangulering og rapportgenerering. Som resultat får vores kunder dybe, omfattende og højnuancerede indsigt – en rigtig analyse, ikke bare overfladiske svar.

En anden nøgleforskel er nøjagtigheden og pålideligheden af efterretningen. Wokelo finder ikke på indsigt – det citerer ikke – det giver fuldt henvisnings- og faktatjekket output med citeringer, og eliminerer tillidsproblemerne, som mange GenAI-værktøjer har. Som et cherry på toppen får vores platformbrugere også eksportable rapporter i forskellige formater, som normalt bruges af analytikere, og det gør det til en nahtløs erstatning for traditionelle forskningsplatforme som PitchBook eller Crunchbase, men med langt rigere intelligens om M&A-aktivitet, finansieringsrunde, partnerskaber og markeds tendenser.

Wokelo er mere end bare en LLM med en brugerflade-indpakning. Kan du forklare de dybere AI-kapaciteter bag jeres platform?

Wokelo er bygget specifikt til investeringsforskning, kombinerer avanceret AI, eksklusive finansielle datasæt og en forskningscentreret arbejdsproces – og tilbyder kapaciteter, der går langt ud over en simpel LLM med en brugerflade-indpakning. I dens kerne udnytter Wokelo en Mixture of Experts (MoE)-tilgang, integrerer proprietære store sprogmodeller (LLM), der er forudtrænet på tier-1 investeringsdata, og sikrer højpræcise, domænespecifikke indsigt for investeringsprofessionelle.

Designet til problemfri integrering i arbejdsprocesser, har Wokelo en samarbejdende, notebook-lignende editor, der giver brugerne mulighed for at oprette, afklare og eksportere velstrukturerede, tematiserede output i PPT-, PDF- og DOCX-formater – og strømliner forskningsdokumentation og præsentation. Dets multi-agent-orchestrator og promptstyringssystem sikrer dynamisk modeltilpasning, mens robuste administrator-kontroller giver mulighed for forespørgselslog-gennemgang og overholdelse af regler.

Ved at kombinere avanceret AI med dyb finansielle indsigt og intuitive forskningsværktøjer leverer Wokelo en komplet investeringsforskningsløsning, der går langt ud over en standard LLM.

Hvordan sikrer Wokelo faktuel analyse og forhindrer AI-hallucinationer, når det syntheserer indsigt?

Som vi betjener højt respekterede kunder, hvis hver enkelt beslutning skal være bakket op af præcis data, er nøjagtighed og troværdighed i hjertet af vores AI-drevne indsigt. I modsætning til generiske AI-platforme, der kan producere spekulative eller uverificerede oplysninger, sikrer Wokelo faktuel analyse gennem en robust, citeringsbaseret tilgang, og eliminerer AI-hallucinationer.

Hver tendens, analyse, markeds signal, caseskstudie, M&A-aktivitet, partnerskabsopdatering eller finansieringsrundes indsigt, der genereres af Wokelo, er baseret på virkelige, verificerbare kilder. Vores platform “finder ikke på” information – hver enkelt indsigt er ledsaget af henvisninger og citeringer fra premium datasæt, troværdige markedsintelligens-platforme, tier-et nyhedsleverandører og verificerede branchdatabaser. Brugere kan få adgang til disse kilder på ethvert tidspunkt, og det sikrer fuld gennemsigtighed og tillid til data. Wokelo har en intern faktatjek-agent, der bruger en uafhængig LLM til at sikre, at hver enkelt faktum eller datapunkt er nævnt i den underliggende kilde.

Desuden integrerer Wokelo med kunders interne data-repositorier, og det låser værdifulde indsigt op, som ellers ville være spredt eller underudnyttet. Dette sikrer, at vores AI-drevne analyse er tilpasset, omfattende og i overensstemmelse med specifikke investeringsrelaterede forespørgsler.

Designet til høj-stakes forretningsbeslutninger er Wokelos AI trænet til at syntetisere indsigt, ikke spekulere – og trækker eksklusivt fra faktuelle datasæt i stedet for at generere antagelser. Dette gør Wokelo til en mere troværdig og pålidelig alternativ til generiske AI-værktøjer, og det giver virksomheder mulighed for at træffe informerede, data-drevne beslutninger med tillid.

Hvordan håndterer Wokelos AI realtidsdata-aggregation på tværs af multiple kilder som regnskaber, patenter og alternativ data?

Wokelos AI excellerer i realtidsdata-aggregation ved at tappe ind i over 20 premium finansielle datasæt, herunder nøglekilder som S&P CapIQ, Crunchbase, LinkedIn, SimilarWeb, YouTube og mange andre. Disse datasæt giver rig, pålidelig information, der fungerer som grundlag for Wokelos analytiske kapaciteter. Ud over disse finansielle datasæt integrerer Wokelo data fra en række top-tier udgivere, herunder nyhedsartikler, akademiske tidsskrifter, podcast-transkriptioner, patenter og andre alternative datasæt.

Ved at syntetisere indsigt fra disse forskellige og kontinuerligt opdaterede datastrømme sikrer Wokelo, at brugerne har adgang til den mest omfattende, realtids-intelligens, der er tilgængelig. Denne kraftfulde aggregation af struktureret og ustruktureret data giver Wokelo mulighed for at give en helhedsorienteret visning af markedet og tilbyder øjeblikkelige indsigt, der er afgørende for investeringsforskning.

Wokelo bruges allerede af virksomheder som KPMG, Berkshire, EY og Google (GOOGL ). Hvad har været nøglen til at drive adoption blandt disse højtprofilerede kunder?

Wokelos succes blandt branchens ledere som KPMG, Berkshire, EY og Google stammer fra dets evne til at levere målbart, transformerende impact, mens det samtidig integrerer problemfrit i professionelle arbejdsprocesser. I modsætning til generiske AI-løsninger er Wokelo bygget specifikt til investeringsforskning, og det sikrer, at dets algoritmer ikke kun opfylder, men overgår de høje standarder, der forventes i denne sektor.

En nøglefaktor i adoptionen har været Wokelos tætte samarbejde med ledelseshold, der giver virksomheder mulighed for at indlejre deres hårdt tilkæmpede ekspertise i proprietære AI-arbejdsprocesser. Denne dybe tilpasning sikrer, at Wokelo er i overensstemmelse med de nuancerede beslutningsprocesser hos top-investeringsprofessionelle, og det giver best-in-class pålidelighed og tillid hos elitekunder. Disse virksomheder vælger Wokelo frem for andre værktøjer på markedet på grund af dets dybde af analyse, troværdighed og nøjagtighed.

Ud over sin præcision og tilpasning leverer Wokelo også konkrete effektivitetsgevinster. Ved at reducere due diligence-tidsrammer fra 21 til kun 10 dage og automatisere kerneforskningstasker, reducerer det betydligt arbejdskraftomkostninger, mens det samtidig frigør seniorprofessionelle fra timer med manuelt arbejde. Med mulighed for at screene 5–10 gange flere handler per måned giver Wokelo virksomheder en konkurrencemæssig fordel, og det accelererer beslutningstagning uden at gå på kompromis med dybde eller nøjagtighed.

Ved at kombinere avanceret AI, dyb tilpasning og realverden-impact har Wokelo etableret sig som et uundværligt værktøj for top-tier investerings- og rådgivningsvirksomheder, der søger at skalerer deres operationer uden at gå glip af kritiske detaljer.

Hvordan integrerer Wokelo sig i de eksisterende arbejdsprocesser for investeringsprofessionelle, og hvad har du modtaget for feedback fra brugere?

Wokelo integrerer problemfrit i investeringsarbejdsprocesser ved at automatisere hele handelslivscyklussen – fra vurdering af sektorattraktivitet til identifikation af høj-potentielle selskaber i en global database på over 30 millioner virksomheder. Det tilbyder dybde-selskabsanalyse, konkurrent-benchmarking og data-rum-automatisering, og det eliminerer kedelige fil-gennemgange og genererer hurtigt handlebare indsigt. Wokelo understøtter også porteføljemonitoring, peer-analyse og giver let-eksportable PPT’er med kunde-branding, og det strømliner kunde-præsentationer og møde-forberedelse.

Brugere rapporterer betydelige effektivitetsgevinster, og de reducerer due diligence-tidsrammer fra 20 dage til kun en uge og øger handelsvurderingskapacitet fra 100 til 500 per måned – og det øger handelsdækning ti gange.

Hvordan ser du AI-transformere investeringsforskningslandskabet i de næste fem år?

Vi er kun lige begyndt at skrabe overfladen af, hvad der er muligt. AI vil enable end-to-end forskning på en brøkdel af tiden. Med høj-fidelitet “super-agenter”, der kan håndtere alt fra dyb markedsforskning og ekspert-samtaler til data-analyse og opstilling af en vel-format, 100-siders præsentation, kan opgaver, der traditionelt ville kræve et hold på fem konsulenter, der arbejder 6–8 uger, nu udføres meget hurtigere. Dette spring i hastighed og bredde af output vil låse nye niveauer af produktivitet op, og det giver menneskelige eksperter mulighed for at fokusere på høj-niveau-strategi og dømmekraft.

AI vil enable 50–100 gange flere handler i pipeline. Ved at automatisere store dele af due diligence og analyse kan AI-drevne løsninger hjælpe investeringschefer med at udvide deres handelsvurderingskapacitet eksponentielt, og det åbner op for flere muligheder og diversificerer porteføljer på måder, der tidligere var umulige.

Det mest afgørende element vil være forstærket menneske-AI-synergi. Da disse “super-agenter” tager sig af det tunge slid, bliver samarbejdet mellem AI-værktøjer og menneskelige beslutningstagere afgørende. Mens AI vil accelerere processer og overflade indsigt i stor skala, vil menneskelig ekspertise fortsat være essentiel for at finjustere strategier, fortolke nuancerede resultater og træffe sikre investeringsbeslutninger. Denne synergi vil drive forbedret afkast og innovation på tværs af investeringsforskningslandskabet i de næste fem år.

Hvordan ser du menneskelige analytikere og AI samarbejde i fremtiden?

Da AI-værktøjer bliver mere udbredte, vil fremtiden for menneskelige analytikere dreje sig om samarbejde snarere end konkurrence med AI. I stedet for at erstatte analytikere vil AI fungere som et kraftfuldt værktøj til at forstærke deres arbejde, automatisere repetitive opgaver og give dem mulighed for at fokusere på høj-værdi, strategisk arbejde. De mest succesfulde analytikere vil være dem, der lærer at integrere AI i deres arbejdsprocesser, og som bruger det til at forbedre produktivitet, raffinere indsigt og drive innovation. I stedet for at frygte AI skal analytikere se det som et spil-forandrende værktøj, der forstærker deres færdigheder og giver dem mulighed for at tilføje større værdi til deres organisationer.

Ultimat vil AI ikke erstatte menneskelige analytikere – men analytikere, der omfavner AI, vil erstatte dem, der ikke gør det.

Tak for det gode interview. Læsere, der ønsker at lære mere, kan besøge Wokelo.