Michael Rangel, Novo:n perustaja – Haastattelusarja

Michael Rangel, Novo:n perustaja, on fintech-yrittäjä, joka perusti yrityksen vuonna 2016 ja toimi sen toimitusjohtajana yli yhdeksän vuoden ajan, auttaen muuttamaan Novon varhaisvaiheen konseptista pienyrityksiä palvelevaksi rahoitusalustaksi. Toimintakautensa aikana Rangel työskenteli tuotekehityksen, varainhankinnan, rekrytoinnin, operaatioiden, kumppanuuksien ja markkinoillemenostrategian parissa, auttaen yritystä keräämään yli $170 million rahoitusta. Hän erosi toimitusjohtajana huhtikuussa 2025, mutta pysyy mukana Novo:n perustajana ja hallituksen jäsenenä, tukien sen pitkän aikavälin missiota, joka vahvistaa yrittäjiä ja itsenäisiä yrityksiä. Ennen Novon perustamista Rangel vietti yli viisi vuotta kauppahallinnon ja operaatioiden parissa Fairholme Capital Managementissa, sen jälkeen kun hän oli työskennellyt aiemmin operaatioiden tehtävissä Smith Barneyssa.

Novo on fintech-alusta, joka on suunniteltu erityisesti itsenäisille yrityksille, yrittäjille, freelancereille ja pienyritysten omistajille, yhdistäen yritystilin tarkistuksen maksuihin, laskutukseen, kulujen hallintaan, kassavirran suunnitteluun, lainoihin ja yrityslainaan. Alusta integroituu yli 40 liiketoimintatyökalun kanssa, mukaan lukien QuickBooks, Stripe, Shopify, Square ja Xero, auttaen yrityksiä yhdistämään pankkitoiminnot kirjanpitoon, maksuihin ja operatiivisiin työnkulkuihin. Novo sisällyttää myös tekoälyn, jota ohjaavat OpenAI:n, Anthropicin ja Googlen mallit, tehostaakseen prosesseja kuten asiakashankintaa ja kulujen luokittelua. Yritys kertoo, että sen alusta on luottamuksen kohteena yli 250 000 itsenäiselle yritykselle. Novo itse on fintech, ei pankki, ja pankkipalvelut sekä Federal Deposit Insurance Corporation (FDIC)-vakuutetut talletukset tarjotaan yhteistyökumppanin Middlesex Federal Savingsin kautta.

Perustit Novon vuonna 2016 ja vietit lähes vuosikymmenen rakentaen sitä pienyritysten taloudellisten tarpeiden ympärille. Katsottuasi taaksepäin niihin ongelmiin, joita pyrittiin ratkaisemaan, mitkä niistä mielestäsi tekoäly voi nyt ratkaista tavoilla, jotka eivät olleet mahdollisia yrityksen perustamisen aikaan?

Tekoäly voi vaikuttaa syvästi siihen, miten yritystäsi pyöritetään ja miten arvoa toimitetaan asiakkaille. Kun aloimme Novon, yksi ratkaistavaksi haluttu ongelma oli se, että $1,000‑vuosittainen yritys, $100,000‑vuosittainen yritys ja $1 million‑vuosittainen yritys voivat aiheuttaa yllättävän samanlaisen operatiivisen rasituksen pankille. Sinun on silti tuettava asiakashankintaa, sääntelyn noudattamista, petoksia, turvallisuutta, tapahtumien seurantaa ja asiakaspalvelua, riippumatta siitä, kuinka paljon tuloja kyseinen asiakas sinulle tuottaa. Tämä tarkoitti, että pankkien piti rakentaa suuria operatiivisia tiimejä tukemaan asiakkaita, jotka yksittäin eivät aina olleet niin arvokkaita.

Kymmenen vuotta sitten uskoimme, että ohjelmisto voi auttaa muuttamaan tätä yhtälöä. Tekoäly vie tätä ajatusta nyt paljon pidemmälle. Sääntelyn asiantuntija voi käyttää tekoälyä tiedon tiivistämiseen, asiakirjojen käsittelyyn ja raporttien tai vastausten laatimiseen, jolloin yksi henkilö pystyy käsittelemään yli kymmenkertaista määrää kuin ennen. Asiakaspalvelutiimimme voivat antaa tekoälyn hoitaa rutiinikysymyksiä, jotta ihmiset voivat käyttää aikansa ongelmiin, jotka oikeasti vaativat harkintaa. Petosmalleja voidaan käyttää havaitsemaan mahdollisia ongelmia aikaisemmin ja auttamaan meitä palauttamaan menetykset nopeammin, kun jokin menee pieleen. Tekoäly on antanut meille paljon paremman tavan toteuttaa Novon tarkoitus, eli tarjota pankkikokemus, joka toimii yrityksille koosta riippumatta.

Pienyrityksillä on historiallisesti ollut puutteellinen pääsy rahoitustiimeihin, analyytikoihin ja kehittyneeseen ohjelmistoon, jota suuremmat yritykset käyttävät. Kuinka paljon tekoäly voi realistisesti kaventaa tätä resurssikatosta, ja missä ihmisen asiantuntemus säilyy olennaisena?

Tekoäly kehittyy uskomattoman nopeasti, mutta tahti näyttää hyvin erilaiselta riippuen siitä, missä olet. Jos työskentelet teknologiassa San Franciscossa tai New Yorkissa, sinulla on todennäköisesti hyvin erilainen tekoälykokemus kuin pienyrityksen omistajalla, joka yrittää vain pyörittää yritystään.

Monet pienyritysten kohtaamat ongelmat ovat jo tekoälyn ulottuvilla. Suurempi haaste on, että teknologia kehittyy nopeammin kuin ihmiset pystyvät oppimaan sen käyttöä. Siksi olen kiinnostunut siitä, mitä yritykset kuten Anthropic tekevät tuotteilla, jotka on suunniteltu antamaan vähemmän teknisille käyttäjille lähtökohdan.

Ihmisen asiantuntemus ei katoa, mutta tekoäly voi kaventaa kuilua tekemällä asiantuntemuksen helpommin saavutettavaksi. Olen nähnyt tuotteita kuten April Tax, jotka tekevät asioita, jotka ennen vaativat paljon aikaa ja erikoistunutta tietämystä, paljon helpommiksi pienyrityksen omistajalle. Emme ole vielä pisteessä, jossa tekoäly voi asettaa yrityksesi automaattiseen tilaan, mutta jos olet koskaan menettänyt viikonlopun verojen valmisteluun, sen ajan takaisin saaminen on merkittävää.

Missä näet tekoälyn tuottavan tänään konkreettisinta arvoa pienyritysten omistajille, erityisesti kassavirran ennustamisen, kulujen hallinnan, budjetoinnin ja päivittäisten taloudellisten päätösten osalta?

Yksi hyödyllisimmistä tekoälysovelluksista, jonka olemme rakentaneet Novossa, on itse asiassa melko yksinkertainen: tapahtumien merkintä. Historiallisesti näiden mallien saaminen toimimaan hyvin vaati valtavan määrän koulutusdataa, ja silti tarkkuus oli usein noin 80 %. Tämä ei riitä, kun käsitellään jonkun taloustietoja, koska kaikkea on silti tarkistettava.

Kun käytämme pienempää määrää omaa dataamme, joitakin mallin tiivistystekniikoita ja huipputyylisiä malleja silloin, kun järjestelmämme eivät ole varmoja, olemme viime aikoina nostaneet tarkkuuden selvästi yli 97 % ja lähemmäs 99 %:aa. Kun pystyt tarkasti ymmärtämään, mitä jokainen tapahtuma edustaa, voit rakentaa paljon hyödyllisempiä talousvälineitä sen datan päälle. Se voi ruokkia kulutuksen hallintapaneeleja, perus‑FP&A:ta ja jopa auttaa yritystä erottamaan rahat esimerkiksi palkkoihin ja toimittajamaksuihin, jotta niitä ei vahingossa käytetä muualle.

Mielenkiintoista on, että LLM:t ovat yllättävän hyviä luokittelussa ja ryhmittelyssä. Tämä tarkoittaa, että voimme ottaa yrityksen tapahtumat ja alkaa rakentaa henkilökohtaista näkymää sen talouteen ilman sitä insinööritason monimutkaisuutta, joka aiemmin vaadittiin. Asiakaskunnallemme tämän päivän AI:n kyvyt ovat itse asiassa ongelmiemme monimutkaisuutta edellä. Se on varsin innostava asema olla.

AI:n lupauksista yksi on siirtää talousohjelmistot pelkästä siitä, että ne näyttävät yritysomistajille, mitä tapahtui, kohti proaktiivista neuvontaa siitä, mitä heidän tulisi tehdä seuraavaksi. Millainen todella älykäs talousalusta näyttää käytännössä?

Paras pankkikokemus, jonka voit saada, on yhä keskustelu pankkisi henkilön kanssa, joka tuntee yrityksesi kaiken. Hän ymmärtää historiasi, mitä yrität saavuttaa ja mitä saatat seuraavaksi tarvita. Ohjelmisto on aina ollut tämän suhteen mahdollistaja, mutta se ei ole korvannut sitä.

Minulle todella älykäs talousalusta alkaa tuntua siltä, että olet vähentänyt huoneessa tarvittavien ihmisten määrää yrityksesi hallinnassa. Sinun pitäisi pystyä esittämään kysymys, saada vastaus, nähdä oikea tieto ja saada hyödyllistä ohjausta ilman, että sinun täytyy itse selvittää, mistä sitä etsiä. Tärkeä osa on, että luotat vastaukseen.

Novo:ssa sanomme joskus, että kilpailemme jalkakäytävän kanssa. Pankkineuvojan luona käynti on edelleen loistava kokemus. Ei ole sovellusta, jota pitäisi navigoida, joku tuntee sinut ja voi ohjata sinua yrityksesi perusteella. AI antaa meille mahdollisuuden tuoda osa tätä kokemusta alipalveltuun yritysryhmään mittakaavassa, joka ei aiemmin ollut mahdollinen. Asiakkaillemme tämä mahdollisuus on vihdoin ulottuvilla.

Voisiko AI lopulta toimia eräänlaisena virtuaalisena talousjohtajana (CFO) pienyritykselle, valvoen jatkuvasti taloutta, tunnistaen riskejä ja suositellen toimenpiteitä? Mitkä kyvyt tulisi kehittyä, ennen kuin yrittäjät voisivat luottaa tällaiseen järjestelmään?

Kyllä, ja sanon sen itsevarmasti, koska se on jotain, mitä rakennamme jo nyt. Tämän vuoden alussa julkistimme AI Agent -infrastruktuurin erityisesti tämän vision suuntaamiseksi.

Vaikea osa ei ole saada mallia vastaamaan kysymykseen. Se on rakentaa jotain, johon ihmiset voivat luottaa taloudellisessa elämässään. Opimme sen itse. Ensimmäinen beta‑koortti oli hyvä, mutta se ei ollut riittävän hyvä, jotta voisimme sanoa kokemuksen ei lopulta rikkoisi kenenkään luottamusta. Jatkoimme siis työtä, parantaen järjestelmän oppimista, erikoistuneiden agenttien yhteistyötä ja sitä, miten ne käyttävät saatavilla olevaa tietoa ja työkaluja.

Olemme rakentaneet pohjimmiltaan pankkikohtaisen agenttijärjestelmän, jossa eri agentit hoitavat esimerkiksi tapahtumia, petoksia, kortteja ja ACH:ta, jokaisella omat työkalunsa ja tietonsa. Siihen pääsyyn kului paljon työtä, mutta tulokset ovat nyt todella hyvät. Emme halua kiirehtiä tällaista vain siksi, että AI on juuri nyt suosiossa. Se olisi epäoikeudenmukaista asiakkaita kohtaan. Mutta niiden yritysten osalta, joiden kokoihin palvelemme, uskon, että se hetki on saapunut, ja se on uskomattoman jännittävää.

Pääsy pääomaan on edelleen yksi pienyritysten suurimmista haasteista. Kuinka AI voisi muuttaa luotonmyöntöä ja lainanantoa, ja voisivatko vaihtoehtoiset tiedot mahdollistaa rahoituslaitosten arvioida yrityksiä, joita perinteiset luottomallit usein jättävät huomiotta?

Tämä on yksi alue, jossa mielestäni keskustelu sekoittuu. Kyse ei oikeastaan ole AI:sta. Kyse on oikeudenmukaisuudesta ja siitä, että ymmärretään, mihin nämä mallit todella kykenevät.

Et koskaan saa käyttää huipputason kielimallia mallina, joka tekee luottopäätöksen. LLM:t ovat epädeterministisiä, mikä tarkoittaa, että samat syötteet voivat tuottaa erilaisia tuloksia. Perinteiset luottopäätöksiin käytettävät koneoppimismallit ovat deterministisiä, joten samat syötteet antavat saman tuloksen. Tämä ero on valtavan tärkeä, kun päätetään, kenelle luotto myönnetään. Sinun täytyy tietää, mitkä tekijät ohjaavat päätöstä, testata puolueellisuutta ja pystyä korjaamaan ongelmia niiden ilmetessä.

AI voi ehdottomasti auttaa meitä rakentamaan parempia riskiä ymmärtäviä malleja, ja teemme sen erittäin hyvin Novo:ssa. Mutta en usko, että AI yksin ratkaisee pienten yritysten pääomapääsyn suuremman ongelman. Suuri osa tästä ongelmasta johtuu Basel‑kehyksen luomasta sääntelyympäristöstä, joka muutti pankkien pienyrityslainojen taloutta ja teki niistä vähemmän halukkaita ottamaan näitä riskejä.

Sanomme aina, että pienyritykset ovat talouden selkäranka, mutta olemme rakentaneet niiden ympärille talousjärjestelmän, jossa monet niiden selviytymiskykyyn vaikuttavat päätökset tehdään huoneissa, joissa he eivät pääse puhumaan. Se on paljon suurempi ongelma kuin se, onko meillä parempi AI‑malli.

AI on myös yhä tärkeämpi petosten havaitsemisessa ja taloudellisessa turvallisuudessa. Kuinka talousalustat voivat käyttää AI:ta tunnistaakseen epäilyttävää toimintaa aiheuttamatta liiallisia vääriä positiivisia tuloksia tai vaikeuttamatta laillisia tapahtumia pienyrityksille?

AI on erityisen hyödyllinen havaitsemaan asiat, jotka eivät näytä oikeilta. Kielenmallit ovat yllättävän hyviä luokittelussa ja ryhmittelyssä, mikä tarkoittaa, että niitä voi käyttää epätavallisen käyttäytymisen tunnistamiseen melko pienellä kustannuksella.

Tärkeä ero on se, että en käyttäisi epädeterminististä mallia lopullisen päätöksen tekemiseen. Käyttäisin sitä lipun nostamiseen ja antaisin deterministisen mallin tehdä päätöksen. Näin olemme lähestyneet petoksia Novo:lla.

Teemme myös yhteistyötä yritysten kuten Sardine kanssa, jotka voivat tuoda malleihimme kaavoja paljon laajemmasta joukosta rahoituslaitoksia. Ne auttavat meitä tunnistamaan esimerkiksi tunnistetietoja, jotka on aiemmin liitetty petoksiin, tai käyttäytymistä, joka näyttää automatisoidulta toiminnalta. Olemme rakentaneet vahvan petostekijän tämän teknologian ja asiantuntemuksen yhdistelmän ympärille. Turvallisuus on aina asevarustelu, mutta AI tarjoaa meille paremmat työkalut pysyä siinä edellä.

Taloudellisilla AI-järjestelmillä voi olla pääsy äärimmäisen arkaluonteisiin tietoihin yrityksen tuloista, kuluista, asiakkaista ja taloudellisesta terveydestä. Mitä suojatoimia yrittäjien tulisi odottaa tietosuojan, turvallisuuden ja taloustietojensa käyttöön AI-mallien kouluttamiseen liittyen?

Tähän liittyy muutamia tasoja, alkaen käyttämiesi mallien politiikoista ja ehdoista. Suurimmat frontier-mallien tarjoajat tarjoavat yritys- ja API-ratkaisuja, joissa asiakastietoja ei käytetä mallien kouluttamiseen, mutta on silti tärkeä ero käyttää mallia API:n kautta ja käyttää sitä kuluttajille suunnatussa sovelluksessa, jossa keskusteluhistoriasi tallennetaan.

Kysymys on myös siitä, kuinka paljon tietoa haluat oikeasti antaa AI-järjestelmälle. Novo:lla olemme suunnitelleet agenttimme niin, että asiakkaat voivat tehdä tämän valinnan. Saatat haluta agentin vastaavan kysymyksiin käyttäen vain pankkitoimintamme tietämystä, tai yksinkertaisesti ohjata sinut siihen, missä tieto sovelluksessa sijaitsee, tai saatat olla valmis antamaan sille enemmän taloustietojasi, koska se tuottaa paremman vastauksen.

Lisäksi asetamme järjestelmiä asiakastietojen ja mallien väliin, jotka voivat automaattisesti poistaa arkaluonteisia tietoja, kuten EIN-tunnuksia ja sosiaaliturvatunnuksia, ja testaamme järjestelmiämme toistuvasti varmistaaksemme, etteivät ne paljasta tietoja, joita niiden ei pitäisi. Tämä tekee hyvän AI:n rakentamisesta haastavaa. Kyse ei ole pelkästään mallin älykkääksi tekemisestä. Sinun on rakennettava suojatoimet sen ympärille ja jatkettava niiden testaamista.

AI:sta on tällä hetkellä valtava innostus fintech-alalla. Mitkä sovellukset koet aidosti mullistaviksi pienyrityksille, ja missä mielestäsi ala yliarvioi tällä hetkellä, mitä AI voi tarjota?

AI:sta tulisi olla innostusta jokaisella alalla. Olemme nähneet tämän elokuvan aiemmin. Internet muutti tapaa, jolla jaoimme ohjelmistot, selaimet muuttivat tapaa, jolla niihin pääsimme, pilvipalvelut muuttivat tapaa, jolla otimme ne käyttöön, ja mobiili muutti, missä voimme käyttää niitä. AI muuttaa nyt sitä, miten koemme ohjelmistot.

Mielenkiintoisinta on, että muutamme myös itse ohjelmistojen kieltä. Ihmiset voivat yhä enemmän rakentaa ohjelmistoja kuvailemalla, mitä he haluavat luonnollisella kielellä sen sijaan, että opettelisivat JavaScriptiä tai Pythonia. Vuosikymmeniä tämä tekninen tieto oli yksi niistä tekijöistä, jotka pitivät ohjelmistokehityksen portin suljettuna. Tämä portti alkaa laskea, mikä on osa syytä, miksi yritykset kuten Lovable ja Replit ovat kasvaneet niin nopeasti.

Samaan aikaan uskon, että olemme vielä hyvin varhaisessa vaiheessa. Suuri osa hypeä tulee piilaakson ihmisiltä, jotka kokevat AI:n täysin eri tahdissa kuin muut. Yritykset, jotka saavat siitä todellista arvoa, eivät kohtele sitä taikana. Ne selvittävät, mitä se todella pystyy tekemään, ja soveltavat sitä ongelmiin, joissa se toimii.

Olemme edelleen tämän alun vaiheessa. Kun vertaat AI:n omaksumista internetin ja mobiilin varhaisen omaksumisen käyriin, se on uskomattoman varhaista. Siksi mielestäni AI:n hylkääminen, koska nykyinen teknologia ei täytä kaikkea hypeä, olisi kuin katselisi varhaista internetiä ja päätelisi sen olevan ohimenevä muoti.

Kun katsomme tulevaisuuteen, miten uskot AI:n muokkaavan pienyritysten pankkitoimintaa? Voisimmeko lopulta siirtyä nykyisestä tilien, hallintapaneelien ja talousvälineiden mallista autonomisiin talousalustoihin, jotka hallinnoivat suurimman osan yrityksen talousoperaatioista omistajan puolesta?

Tämä on visio, jota rakennamme Novo:lla. Perimmäisesti haluamme luoda kokemuksen, jossa sinulla on loistava pankkineuvoja puhelimessasi. Sinun pitäisi voida esittää kysymys ja saada vastaus, saada kaavio tai raportti luotua tarpeen mukaan, kuulla luotosta oikealla hetkellä, löytää vakuutuksia yrityksesi kasvaessa ja jopa oppia apurahoista tai veromuutoksista, jotka voisivat hyödyttää sinua.

Innovaatio ei ole pelkästään AI:n tekemässä asioita puolestasi. Kyse on siitä, että AI tekee ne riittävän hyvin, että todella luotat siihen. Se on paljon vaikeampaa kuin miltä kuulostaa, ja uskon, että luottamus on nousemassa itse tuotteen ominaisuudeksi.

AI voi pitää kontekstissa huomattavasti enemmän tietoa kuin ihminen, mutta se ei voi korvata ihmissuhteita, jotka todella vievät yrityksiä eteenpäin. Ihmiset ottavat riskit, rakentavat suhteita ja luovat mahdollisuuksia, jotka liikuttavat taloutta. Siksi menestyksen mittarimme Novo:lla ei ole se, että vietät enemmän aikaa sovelluksessamme. Päinvastoin. Haluamme, että vietät mahdollisimman vähän aikaa siellä ja saavutat noissa muutamassa minuutissa enemmän kuin aiemmin.

Kiitos erinomaisesta haastattelusta, lukijat, jotka haluavat oppia lisää, tulisi käydä Novo.