Siddhant Masson, CEO og medstifter af Wokelo – Intervjuerækken

Sid Masson er medstifter og CEO af Wokelo. Med en baggrund, der spænder over strategi, produktudvikling og dataanalyse i organisationer som Tata Group, den indiske 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 agente AI-rammer.

Wokelo er en generativ AI-dreven investeringsforskningsplatform 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-firmaer, investeringsbanker, konsulentfirmaer og virksomhedshold, til at støtte datainformerede beslutninger.

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

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

Vendepunktet kom under min anden master i AI på University of Washington, hvor min afhandling fokuserede på Natural Language Processing. Mens jeg arbejdede som freelancer som konsulent for at betale mine studieomkostninger, byggede jeg en prototype med tidlige versioner af GPT og så førstehånds, hvordan AI kunne omdanne uger med arbejde til dage og timer – uden at gå på kompromis med kvaliteten. Det var øjeblikket, hvor lyset gik op.

Da jeg indså, at denne teknologi kunne revolutionere investeringsforskning, besluttede jeg at gå hele vejen. 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 den indiske regering din tilgang til opbygning af Wokelo?

Hos Deloitte, som management-konsulent, arbejdede jeg på en række komplekse projekter, der omfattede forskning, analyse og due diligence på daglig basis. Arbejdet var intensivt og indebar mange manuelle, repetitive opgaver og skrivebordsforskning, der ofte langsommere fremdriften og øgede omkostningerne. Jeg blev alt for bekendt med smertepunkterne ved at indsamle data, især når det kom til private selskaber, og udfordringerne, der fulgte med brug af traditionelle værktøjer, der ikke var bygget til effektivitet eller skalerbarhed.

Derefter, hos Tata Group, hvor jeg arbejdede med M&A og virksomhedsudvikling, fortsatte jeg med at støde på de samme problemer — dataskaarthed, langsommere 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, fødde yderligere min ønske om at finde en løsning.

Desuden affinede mit arbejde med den indiske regering på IoT-løsningen til et vandinfrastrukturprojekt min forståelse af, hvordan produktinnovation kunne løse virkelige problemer i stor målestok, og det gav mig tilliden til at anvende samme tilgang til at løse forsknings- og analyseudfordringerne i konsulent- og investeringsområdet.

Min professionelle baggrund og min første-hånds-erfaring med udfordringerne i forskning, analyse og dataindsamling i konsulent- og virksomhedsudvikling påvirkede direkte, hvordan jeg tilgangen til Wokelo. Jeg vidste fra erfaring, hvilke vejspærringer, som professionelle stødte på, så jeg fokuserede på at bygge en løsning, der ikke kun automatiserer slid, men også giver brugerne mulighed for at fokusere på høj-impact, strategiske opgaver, og gør dem mere produktive og effektive.

Wokelo udnytter GenAI til forskning og intelligens. 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 et finance-fokuseret UI — tager Wokelo AI en helt anden tilgang. Vi byggede en AI-agent specifikt designet til investeringsforskning og finansielle services — ikke bare en chatbot, men et fuldt udbygget workflow-automatiseringsværktøj.

I modsætning til simple sammenfatningsværktøjer håndterer Wokelo hele forskningsleverancer, udfører 300-400 analyst-opgaver, der normalt ville tage en uge. Vores system identificerer selvstændigt krav, opdelere dem i underopgaver og udfører alt fra dataekstraction og syntese til triangulering og rapportgenerering. Som resultat får vores kunder dybe, omfattende og højtydende indsigt — en rigtig analyse, ikke bare overfladiske svar.

En anden nøgleforskel er nøjagtigheden og pålideligheden af efterretningerne. Wokelo finder ikke på indsigt — det hallucinerer ikke — det giver fuldt henvisnings-, faktatjekket output med citater, 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, hvilket gør det til en problemfri erstatning for traditionelle forskningsplatforme som PitchBook eller Crunchbase, men med langt rigere intelligens om M&A-aktivitet, finansieringsrunder, partnerskaber og markedstrends.

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

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

Designet til problemfri workflow-integration 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 — strømlinerer forskningsdokumentation og præsentation. Dets multi-agent-orkestrator og promptstyringssystem sikrer dynamisk modeltilpasning, mens robuste admin-kontroller faciliterer forespørgselsloganmeldelser og compliance-regelgennemførelse.

Ved at kombinere avancerede AI-kapaciteter med dyb finansielle indsigt og intuitive forskningsværktøjer leverer Wokelo en end-to-end investeringsforskningsløsning, der går langt ud over en standard LLM.

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

Da 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 generelle formål AI-platforme, der kan producere spekulative eller uverificerede oplysninger, sikrer Wokelo faktabaseret analyse gennem en robust, henvisningsbaseret tilgang, eliminerer AI-hallucinationer.

Hver trend, analyse, markedssignal, caseskstudsie, M&A-aktivitet, partnerskabsopdatering eller finansieringsrundes indsigt genereret af Wokelo er baseret på virkelige, verificerbare kilder. Vores platform “finder ikke på” information — hver indsigt er ledsaget af henvisninger og citater fra premium datasæt, troværdige markedstrends-platforme, tier-et nyhedsleverandører og verificerede branchdatabaser. Brugere kan tilgå disse kilder til enhver tid, 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 kundernes interne, låser værdifulde indsigt op, der ellers ville være spredt eller underudnyttet. Dette sikrer, at vores AI-drevne analyse er tilpasset, omfattende og tilpasset specifikke investeringsrelaterede forespørgsler.

Designet til højrisiko-forretningsbeslutninger er Wokelos AI trænet til at syntetisere indsigt, ikke spekulere — trækker eksklusivt fra faktuelle datasæt frem for at generere antagelser. Dette gør Wokelo til en mere troværdig og pålidelig alternativ til generelle formål AI-værktøjer, giver virksomheder mulighed for at træffe informerede, 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 tæppe 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-forlag, 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, tilbyder øjeblikkelige indsigt, der er afgørende for investeringsforskning.

Wokelo bruges allerede af firmaer som KPMG, Berkshire, EY og Google. Hvad har været nøglen til at drive adoption blandt disse højprofilerede kunder?

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

En nøgle-driver for adoption har været Wokelos tætte samarbejde med ledelseshold, der giver firmaer mulighed for at indlejre deres hårdt-tilkæmpede ekspertise i proprietære AI-workflows. Denne dybe tilpasning sikrer, at Wokelo er i tråd med de nuancerede beslutningsprocesser hos top-investeringsprofessionelle, giver best-in-class pålidelighed og opnår tillid hos elitekunder. Disse firmaer vælger Wokelo over andre værktøjer på markedet for dets dybde af analyse, troværdighed og nøjagtighed.

Ud over sin præcision og tilpasning leverer Wokelo målbare effektivitetsgevinster. Ved at reducere due diligence-tidsrammer fra 21 til kun 10 dage og automatisere kerneforskningsopgaver, reducerer det betydeligt arbejdskraftomkostninger, samtidig med at det frigør seniorprofessionelle fra timer med manuelt arbejde. Med mulighed for at screene 5-10 gange flere deals per måned giver Wokelo firmaer en konkurrencemæssig fordel, 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 rådgivningsfirmaer, der søger at skala deres operationer uden at gå glip af kritiske detaljer.

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

Wokelo integrerer problemfrit i investeringsworkflows ved at automatisere hele deal-livscyklussen — fra vurdering af sektorattraktivitet til identifikation af høj-potentiale-selskaber i en global database med over 30 millioner firmaer. Det tilbyder dybde-selskabsanalyse, konkurrencemæssig benchmarking og, eliminerer kedelige filgennemgang og genererer hurtigt handlebare indsigt. Wokelo understøtter også porteføljemonitoring, peer-analyse og giver let-eksportable PPT’er med klient-branding, strømlinerer klient-præsentationer og møde-forberedelse.

Brugere rapporterer betydelige effektivitetsgevinster, reducerer due diligence-tidsrammer fra 20 dage til kun en uge og øger deal-evaluationskapaciteten fra 100 til 500 per måned — øger deal-dækning ti-fold.

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

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

AI vil enable 50-100 gange flere deals i pipeline. Ved at automatisere store dele af due diligence og analyse kan AI-drevne løsninger hjælpe investeringschefer med at udvide deres deal-screening-kapacitet eksponentielt, afslører flere muligheder og diversificerer porteføljer på måder, der tidligere var umulige.

Det mest afgørende element vil være den forstærkede menneske-AI-synergi. Da disse “super-agenter” tager sig af det tunge løft, bliver samarbejdet mellem AI-værktøjer og menneskelige beslutningstagere afgørende. Mens AI vil accelerere processer og fremme indsigt i stor målestok, vil menneskelig ekspertise fortsat være essentiel for at finjustere strategier, fortolke nuancerede fund 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 frem for konkurrence med AI. I stedet for at erstatte analytikere vil AI fungere som et kraftfuldt augmenteringsværktøj, automatisere repetitive opgaver og give analytikere mulighed for at fokusere på høj-værdi, strategisk arbejde. De mest succesfulde analytikere vil være dem, der lærer at integrere AI i deres workflows, bruge det til at forbedre produktivitet, afklare indsigt og drive innovation. I stedet for at frygte AI bør analytikere se det som et spil-forandrende værktøj, der forstærker deres færdigheder og giver dem mulighed for at tilføje større værdi til deres organisationer.

Til sidst vil AI ikke erstatte menneskelige analytikere — men analytikere, der omfavner AI, vil erstatte dem, der ikke gør det.