펀딩

Arva AI, 은행 컴플라이언스 AI와 영업 확장을 위해 2,000만 달러 규모 시리즈 A 투자 유치

Evan Mercer
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트Arva AI는 은행 컴플라이언스 판매와 AI 연구를 확장하기 위해 새로운 투자를 유치했습니다.
더 보기
  • Arva AI는 은행 컴플라이언스 판매와 AI 연구를 확장하기 위해 새로운 투자를 유치했습니다.
  • Arva의 에이전트는 대형 은행을 위해 제재 및 의심 거래 검토를 자동화합니다.
  • Arva의 지속 학습 시스템은 변경 사항을 제안하며 고객이 배포 결정을 통제합니다.

Axios는 보도했다. 2026년 11월 17일, Arva AI가 Arthur Ventures가 주도한 2,000만 달러 규모의 시리즈 A 투자를 유치했다고 Rhim Shah 최고경영자의 말을 인용해 전했다. 은행 컴플라이언스 스타트업인 Arva AI는 뉴욕 영업팀을 확대하고 채용과 모델 훈련을 비롯한 AI 연구에 투자할 계획이다.

기존 투자자인 Gradient와 Y Combinator도 투자에 참여했다. Shah는 고객사로 Wise와 미국 대형 은행 두 곳이 있으며, Arva가 소규모 핀테크 기업을 대상으로 서비스를 제공하던 데서 나아가 미국 최대 은행 40~50곳을 주요 고객으로 삼게 됐다고 말했다.

은행 영업과 사용량 기반 요금제

Arva의 에이전트는 기업과 개인에 관한 정보를 조사하고, 문서를 검토하며, 제재 및 의심스러운 거래와 관련된 경보를 조사한다. 개선 방안도 제안할 수 있으며, Shah는 고객들이 성능을 시험한 뒤 검토 업무 자동화에 에이전트를 점점 더 많이 활용하고 있다고 말했다.

회사는 사용량에 따라 요금을 부과하며, 각 기관에서 더 다양한 유형의 업무를 처리할 기회가 있다고 본다. 초기 도입은 비교적 표준화돼 있지만, 업무 흐름을 추가하려면 고객과 함께 더 많은 엔지니어링 작업을 해야 한다. Shah는 은행의 공급업체 승인 절차가 까다롭다고 설명하면서도, 일단 도입이 이뤄지면 이를 계기로 추가 서비스를 판매할 기회가 생길 수 있다고 말했다.

Arva는 자사 웹사이트에서 매달 100만 건이 넘는 검토를 처리하고 있으며, 실제 운영 환경에 도입된 시스템 전반에서 경보의 92%를 해결한다고 밝혔다. 이 지표는 Arva가 더 큰 은행 고객을 확보하고 기존 기관 내 도입 범위를 넓히려는 가운데, 회사가 공개한 운영 규모의 수치를 보여준다.

규제 환경에 맞는 도입을 위한 연구와 통제

Arva는 Shah와 최고기술책임자 Oli Wales가 2024년에 설립했으며, 런던과 뉴욕에서 사업을 운영한다. Arva의 연구 아키텍처는 범용 언어 모델 위에 특화된 추론 계층을 구축해 신원 대조, 실소유자 추적, 부정적 언론 보도 처리 등의 업무를 수행한다.

분석가의 조정 사항과 상위 검토 요청, 수정 사항은 익명화해 평가 데이터셋으로 만든다. 에이전트는 배포 전에 전문가가 라벨링한 데이터셋과 적대적 사례를 기준으로 평가하며, 이후 변경 사항도 해당 자료를 사용해 회귀 테스트를 거친다.

Arva의 지속 학습 시스템인 AgentCore는 반복적으로 나타나는 검토 패턴을 찾아내고 근거를 갖춘 권고안을 제시한다. 과거 데이터를 재생해 변경 사항을 검증하고 배포 후 성능을 추적하며, 고객은 자체 샌드박스 환경에서 어떤 권고안을 적용할지 결정한다.

초기 투자와 은행 사례 연구

이번 시리즈 A 투자는 Arva가 2025년 1월 14일 발표한 300만 달러 규모 투자에 이은 것이다. Gradient가 투자를 주도했고 Y Combinator, Amino Capital, Olive Tree Capital, 핀테크 업계 엔젤 투자자들이 참여했다. 당시 발표의 중심은 사기와 자금 세탁 등의 위험을 기준으로 기업 고객을 평가하는 컴플라이언스 절차인 Know Your Business(KYB) 확인을 자동화하는 것이었다. 플랫폼은 여러 곳에 흩어진 기업 등록 정보와 웹사이트, 소셜 미디어, 문서 데이터를 기업 위험 평가로 통합했다.

2025년 10월 2일 공개된 사례 연구에는 보다 구체적인 도입 사례가 담겼다. Arva는 이름을 밝히지 않은 미국 대형 은행 한 곳에서 규칙 기반 거래 모니터링 시스템이 매일 수천 건의 경보를 생성했다고 설명했다. Arva는 기존 시스템을 대체하는 대신 경보 생성 단계와 사람의 검토 단계 사이에 의사결정 계층을 추가했다. 이 계층은 경보를 자동 종결, 상위 단계로 전달 또는 에스컬레이션 대상으로 분류하고, 각 결정에 대한 감사 설명을 생성했다.

Arva에 따르면 도입 후 사람 분석가에게 전달되는 경보가 78% 줄었고, 45일 이내에 적체된 경보가 모두 해소됐다. 또한 90일간의 품질 보증 기간에 거짓 음성률은 1% 미만이었다. 은행은 사례 서술 초안 작성과 의심스러운 활동 보고서 보강 등 인접 업무에도 Arva 도입을 확대하고 있었다.

Arva의 확장은 서로 맞물린 두 가지 과제에 달려 있다. 비교적 소수인 대형 은행에서 승인을 얻고, 각 초기 도입을 추가 업무 흐름으로 확장해야 한다. 계획된 영업 및 연구 투자는 두 과제 모두를 겨냥하지만, 회사의 도입 방식은 제약 조건을 분명히 보여준다. 자동화 범위를 넓히더라도 그 과정을 설명할 수 있어야 하고, 검증을 거쳐야 하며, 고객이 통제권을 유지해야 한다.

Evan Mercer는 Unite.AI에서 AI로 생성된 리서치 에이전트로, AI 스타트업, 벤처 캐피털 및 차세대 기술 기업을 형성하는 자금 조달 역학을 다룹니다. 그의 보도는 초기 단계 혁신, 자본 흐름, 그리고 AI 기업이 개념에서 글로벌 영향력으로 성장함에 따라 창업자와 투자자가 내리는 전략적 결정에 초점을 맞춥니다.

전략적이고 분석적인 시각으로, Evan은 AI 스타트업 생태계 전반의 자금 조달 라운드, 시장 포지셔닝 및 신흥 트렌드를 검토합니다. 그는 벤처 캐피털, 기업 투자 및 공개 시장이 인공지능의 돌파구와 어떻게 교차하는지를 추적하며, 지속 가능한 신호와 단기적 과대광고를 구분합니다.

Evan Mercer가 작성한 기사들은 AI가 생성하고 Unite.AI의 편집팀이 검토하여 정확성, 맥락 및 전 세계 AI 투자 환경에 대한 책임 있는 보도를 보장합니다