Naré Vardanyan, Co-Fundador y CEO de Ntropy – Serie de Entrevistas

Naré Vardanyan, Co-Fundador y CEO de Ntropy, una plataforma que permite a los desarrolladores analizar transacciones financieras en menos de 100 ms con una precisión superior a la humana, desbloqueando el camino hacia una nueva generación de finanzas autónomas, impulsando productos y servicios que nunca antes habían sido posibles. Convierte flujos de transacciones en bruto en información estructurada y contextualizada combinando datos de múltiples fuentes, incluyendo modelos de lenguaje natural, motores de búsqueda, bases de datos internas, API externas y datos de transacciones existentes de nuestra red.

Creciste en Armenia, sin electricidad durante una guerra. ¿Podrías compartir algunos detalles sobre esos primeros días y cómo te llevaron a trabajar para las Naciones Unidas?

Esa experiencia fue compartida por toda una generación en Armenia. Me dio un sentido de imaginación y la capacidad de encontrar soluciones incluso con pocos medios. Al igual que otros que crecieron en una zona de conflicto, este período en mi vida tuvo un impacto profundo en cómo veo el mundo. Estas circunstancias exigentes nutrieron un sentido de responsabilidad compartida dentro de la comunidad y una determinación para generar un cambio positivo. Al darme cuenta de que nuestros desafíos iban más allá de las luchas individuales, sentí un llamado a pensar a una escala más amplia y canalizar mis esfuerzos. Esto, a su vez, me dirigió hacia las Naciones Unidas.

Las Naciones Unidas surgieron como la plataforma ideal para contribuir de manera significativa. Dada la posición geopolítica precaria de Armenia y mi aspiración a influir en asuntos globales, creí que colaborar con las Naciones Unidas ofrecería una oportunidad para marcar una diferencia real. Al ser parte de discusiones y decisiones importantes, apuntaba a tener un impacto significativo en los problemas del mundo.

Pronto te desilusionaste con las Naciones Unidas, ¿cómo pasaste de eso a querer trabajar en tecnología?

La desilusión con las Naciones Unidas se debió a su naturaleza lenta y burocrática, lo que finalmente me llevó a cambiar mis aspiraciones profesionales. Si bien las Naciones Unidas tenían sus ventajas, me di cuenta de que a menudo carecían de acción efectiva y la capacidad de impulsar un cambio auténtico. Esta comprensión me guió a redirigir mi enfoque hacia el ámbito de la tecnología – un espacio dinámico y sin restricciones.

En el mundo de la tecnología, las herramientas innovadoras están disponibles y avanzan constantemente, brindando a las personas la capacidad de generar transformaciones sin obstáculos innecesarios. Este entorno permite que las ideas se conviertan en realidad sin barreras – un aspecto que realmente me fascinó. El potencial de tener un impacto sustancial y generalizado a través de la tecnología se convirtió en un llamado irresistible, lo que me llevó a sumergirme en este campo vibrante.

¿Cuáles fueron algunos de los primeros proyectos de datos en los que trabajaste?

Uno de mis proyectos iniciales fue crear una aplicación centrada en la salud mental de los adolescentes. La aplicación utilizaba datos de háptica pasiva y inteligencia conversacional para identificar signos tempranos de trastorno bipolar. En ese momento, el campo del procesamiento de lenguaje natural no era tan avanzado como lo es hoy, lo que es bastante notable considerando que fue hace unos seis años cuando se inició este proyecto. Nuestro trabajo fue una de las primeras iniciativas de investigación y desarrollo en este espacio, y más tarde vendimos nuestra propiedad intelectual a aseguradoras para análisis y subscripción interna.

Anteriormente, invirtiste en empresas de IA y ML a través de AI Seed con sede en Londres, ¿cuáles fueron algunos de los rasgos comunes que observaste en las startups de IA exitosas?

Un hilo constante fue tener acceso exclusivo a datos, junto con la capacidad de aprovechar estos datos para abordar problemas del mundo real. Además, es crucial reconocer que dentro del ámbito de las empresas de IA aplicadas, el énfasis va más allá de simplemente construir modelos; se desplaza hacia la creación de productos valiosos e impactantes. Los equipos que captan y abrazan esta perspectiva son aquellos que genuinamente prosperan en el paisaje de IA/ML. Por ejemplo, Predina utiliza IA para predecir el riesgo de un accidente de vehículo en una ubicación y momento determinados, mientras que Observe Technologies utiliza algoritmos propietarios para apoyar a granjas de peces a cultivar alimentos de manera sostenible.

¿Podrías compartir la historia de origen detrás de Ntropy?

Ntropy nació de la idea de que algunas de las informaciones más importantes del mundo se esconden en transacciones financieras. Hasta ahora, estos datos han vivido en silos, lo que es desordenado y difícil de trabajar. Creamos Ntropy para ser el primer motor de datos financieros verdaderamente global, transindustrial, transgeográfico y multilingüe que pueda proporcionar precisión a nivel humano. Al crear un lenguaje común y un sistema para entender datos financieros, estamos igualando la confianza y el acceso al dinero para empresas e individuos en cualquier lugar. Al tener la capacidad de entender e interpretar estas transacciones, las dinámicas del dinero pueden ser redefinidas, junto con el acceso a él.

Tuvimos una historia de startup bastante arquetípica. Al principio, mi co-fundador Ilia y yo operábamos desde el sótano de un edificio escolar abandonado y polvoriento. Empezamos con 20.000 transacciones y un modelo BERT destilado entrenado en ellas. Los datos se obtuvieron a través de una aplicación de consumidor en Typeform con una conexión Plaid, y fueron apoyados por amigos y familiares. Trabajábamos largas horas y estábamos escasos de dinero al principio, pero impulsados por la determinación y la dedicación a este negocio.

Avanzando hacia el día de hoy, nuestro viaje nos ha llevado a analizar y etiquetar miles de millones de transacciones. Como resultado, ahora tenemos una de las bases de datos de comerciantes más completas del mundo, con cerca de 100 millones de comerciantes enriquecidos con nombres, direcciones, etiquetas de industria y más. Hemos expandido consistentemente nuestro repositorio de transacciones – aprovechando el poder de los LLM en estos datos financieros ha entregado una eficiencia y velocidad sin precedentes. Esta capacidad tiene el potencial de revolucionar el paisaje financiero.

¿Por qué los datos financieros son uno de los grandes igualadores?

Los datos financieros emergen como un poderoso igualador debido a su capacidad para nivelar el campo de juego, reducir la incertidumbre y fomentar la confianza. Cuando los datos son abundantes y refinados, se traducen en riesgos disminuidos asociados con la toma de decisiones financieras. A medida que el riesgo se vuelve más manejable, ocurre un cambio. El costo de la incertidumbre disminuye, permitiendo a las personas tomar decisiones más informadas y equitativas, lo que a su vez nivela el campo de juego. Por ejemplo, si tenemos un mayor acceso a datos y ya no tomamos decisiones basadas en un conjunto muy limitado de parámetros, un nuevo inmigrante tiene el mismo potencial que alguien de una línea establecida para obtener términos favorables en un préstamo para un automóvil o una hipoteca. Esencialmente, el obstáculo presentado por los desequilibrios financieros comienza a disolverse, introduciendo una era en la que una gama más amplia de personas puede acceder a oportunidades financieras ventajosas.

¿Cuáles son algunos de los desafíos detrás de la construcción de una IA que pueda leer y entender transacciones financieras como lo haría un ser humano?

Desarrollar una IA capaz de comprender transacciones financieras como los humanos es desafiante debido a su naturaleza probabilística, que puede llevar a errores. A diferencia de los humanos, los sistemas de IA aún carecen de estructuras de responsabilidad. El desafío principal es refinar los sistemas de IA para reducir los errores y su impacto, al mismo tiempo que se garantiza la escalabilidad. Curiosamente, los modelos más grandes pueden aliviar este desafío al mejorar gradualmente la precisión con el tiempo. Las capacidades mejoradas y la riqueza de los datos pueden mejorar la precisión interpretativa de la IA, cultivando finalmente un entorno más indulgente con los errores y acelerando la adopción generalizada de estos sistemas.

¿Podrías discutir cómo Ntropy ofrece datos financieros estandarizados?

Ntropy funciona como una plataforma integral, reuniendo un espectro de modelos de lenguaje, desde los más extensos hasta los más compactos, junto con heurísticas. Estos modelos se entrenan utilizando datos financieros en bruto, conocimientos expertos y muestras etiquetadas por máquina. Nuestro objetivo es extraer información valiosa de una variedad de cadenas de transacciones y presentarlas de manera coherente y fácil de entender. Nuestra suite incluye API y un panel de control intuitivo, permitiendo la conversión rápida de datos financieros dentro de milisegundos. Esta funcionalidad se integra sin esfuerzo en los productos y servicios de los usuarios.

¿Cuáles son algunos de los casos de uso detrás de estos datos?

Las aplicaciones para estos datos son extensas, abarcando toda la operación financiera. Empodera diversas funciones, incluyendo pagos, subscripción, contabilidad, inversión y más. La adaptabilidad de los datos se hace evidente en su capacidad para impactar varios aspectos de las actividades financieras, ya sea que involucren transferencias de fondos, registro meticuloso o optimización del uso del capital.

Considera transacciones bancarias o una aplicación de presupuesto. Un vistazo rápido revela las dificultades para entender compras debido a nombres y descripciones de comerciantes no estandarizados. Mientras que muchas empresas han intentado abordar este problema a través de soluciones internas, a menudo se quedan cortas en términos de escalabilidad, mantenimiento y generalización. Un modelo personalizado generalmente es solo 60-70% preciso y puede tomar meses en construirse.

La tecnología de Ntropy combina miles de millones de puntos de datos de bases de datos de comerciantes globales, motores de búsqueda y modelos de lenguaje entrenados en una versión condensada de la web para procesar datos bancarios en cuatro continentes diferentes y seis idiomas o más. Estamos habilitando el uso de grandes modelos de lenguaje a escala en finanzas para respaldar todas las funciones de back-office.

¿Cuál es tu visión para el futuro de Ntropy?

Nuestra visión para Ntropy es clara: apuntamos a convertirnos en la empresa de IA vertical para servicios financieros. Nuestro sólido fundamento de datos y intuición, respaldado por un equipo dedicado, nos ha posicionado de manera única para impulsar un cambio real. Entonces, ¿qué significa esto en la práctica? Se trata de aprovechar los últimos avances para transformar las finanzas y desbloquear nuevos niveles de productividad que anteriormente estaban fuera de alcance.

Todos sabemos que el banquero puede ser costoso. Pero imagina si pudiéramos cambiar eso. Al reducir los costos, no solo estamos recortando gastos, sino que estamos fomentando una competencia saludable, mejorando la economía del sistema y, en última instancia, haciendo que los servicios financieros sean más accesibles y eficientes para todos. Ese es el futuro hacia el que estamos trabajando – un paisaje financiero más justo y más amigable con el usuario.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Ntropy.