Michael Rangel, oprichter van Novo – Interviewreeks

Michael Rangel, oprichter van Novo, is een fintech-ondernemer die het bedrijf in 2016 oprichtte en meer dan negen jaar als CEO diende, waarbij hij Novo transformeerde van een concept in een vroeg stadium tot een financieel platform voor kleine bedrijven. Tijdens zijn ambtstermijn werkte Rangel aan productontwikkeling, fondsenwerving, werving, operaties, partnerschappen en go-to-marketstrategie, en hielp hij het bedrijf meer dan $170 miljoen aan financiering binnen te halen. Hij trad in april 2025 af als CEO, maar blijft betrokken als oprichter en bestuurslid van Novo, en ondersteunt de langetermijndoelstelling om ondernemers en zelfstandige bedrijven te versterken. Voor hij Novo oprichtte, werkte Rangel meer dan vijf jaar in handelsadministratie en operaties bij Fairholme Capital Management, na een eerdere operationele functie bij Smith Barney.

Novo is een fintech-platform dat specifiek is ontworpen voor zelfstandige bedrijven, ondernemers, freelancers en kleine ondernemers, en combineert zakelijke betaalrekeningen met tools voor betalingen, facturering, uitgavenbeheer, cashflowplanning, leningen en zakelijke kredietverlening. Het platform integreert met meer dan 40 zakelijke tools, waaronder QuickBooks, Stripe, Shopify, Square en Xero, en helpt bedrijven bankieren te koppelen aan boekhouding, betalingen en operationele workflows. Novo maakt ook gebruik van AI, aangedreven door modellen van OpenAI, Anthropic en Google, om processen zoals onboarding en uitgavencategorisatie te stroomlijnen. Het bedrijf zegt dat zijn platform wordt vertrouwd door meer dan 250,000 zelfstandige bedrijven. Novo zelf is een fintech in plaats van een bank, waarbij bankdiensten en door de Federal Deposit Insurance Corporation (FDIC) verzekerde deposito’s worden geleverd via partner Middlesex Federal Savings.

U hebt Novo in 2016 opgericht en bijna een decennium besteed aan het bouwen ervan rond de financiële behoeften van kleine bedrijven. Als u terugkijkt op de problemen die u toen wilde oplossen, welke daarvan denkt u dat AI nu kan aanpakken op manieren die simpelweg niet mogelijk waren toen u het bedrijf startte?

AI kan een diepgaande impact hebben op hoe u een bedrijf runt en waarde levert aan klanten. Toen we Novo begonnen, was een van de problemen die we wilden oplossen dat een bedrijf van $1,000 per jaar, een bedrijf van $100,000 per jaar en een bedrijf van $1 miljoen per jaar een verrassend vergelijkbare operationele last voor een bank kunnen vormen. U moet nog steeds onboarding, compliance, fraude, beveiliging, transactiemonitoring en klantenservice ondersteunen, ongeacht hoeveel omzet die klant voor u genereert. Dat betekende dat banken grote operationele teams moesten opbouwen om klanten te ondersteunen die individueel niet altijd zo waardevol voor hen waren.

Tien jaar geleden geloofden we dat software die vergelijking kon veranderen. AI brengt dat idee nu veel verder. Een compliance‑specialist kan AI gebruiken om informatie samen te vatten, documenten te verwerken en rapporten of reacties op te stellen, waardoor één persoon meer dan tien keer het volume kan afhandelen dat hij of zij eerder aankon. Onze klantenserviceteams kunnen AI routinematige vragen laten afhandelen zodat mensen hun tijd kunnen besteden aan de problemen die echt beoordelingsvermogen vereisen. Fraudemodellen kunnen potentiële problemen eerder identificeren en ons helpen verliezen sneller te recupereren wanneer er iets misgaat. AI heeft ons een veel betere manier gegeven om te leveren wat Novo is gebouwd om te doen, namelijk een bankervaring bieden die werkt voor bedrijven, ongeacht hun omvang.

Kleine bedrijven hebben historisch gezien geen toegang gehad tot de financiële teams, analisten en geavanceerde software die beschikbaar is voor grotere bedrijven. Hoeveel kan AI realistisch gezien die resourcekloof dichten, en waar blijft menselijke expertise essentieel?

AI ontwikkelt zich ongelooflijk snel, maar het tempo ziet er sterk verschillend uit, afhankelijk van waar u zich bevindt. Als u werkt in de technologie in San Francisco of New York, heeft u waarschijnlijk een heel andere AI‑ervaring dan een kleine ondernemer die simpelweg probeert zijn bedrijf te runnen.

Veel van de problemen waarmee kleine bedrijven worden geconfronteerd, liggen al binnen het bereik van AI. De grotere uitdaging is dat de technologie sneller evolueert dan mensen kunnen leren hoe ze deze moeten gebruiken. Daarom ben ik geïnteresseerd in wat bedrijven zoals Anthropic doen met producten die minder technische gebruikers een startpunt bieden.

Menselijke expertise verdwijnt niet, maar AI kan de kloof dichten door die expertise toegankelijker te maken. Ik heb producten zoals April Tax gezien die zaken die ooit veel tijd en gespecialiseerde kennis vereisten, veel eenvoudiger maken voor een kleine ondernemer. We zijn nog niet op een punt waar AI uw bedrijf op autopilot kan zetten, maar als u ooit een weekend heeft verloren met het voorbereiden van belastingaangiften, is het terugkrijgen van die tijd belangrijk.

Waar ziet u AI vandaag de meest tastbare waarde creëren voor kleine ondernemers, met name op het gebied van cashflow‑voorspelling, uitgavenbeheer, budgettering en dagelijkse financiële besluitvorming?

Een van de meest bruikbare toepassingen van AI die we bij Novo hebben ontwikkeld, is eigenlijk iets dat vrij simpel klinkt: transactielabeling. Historisch gezien vereiste het laten werken van deze modellen een enorme hoeveelheid trainingsdata, en zelfs dan haal je misschien ongeveer 80 % nauwkeurigheid. Dat is niet voldoende wanneer u met iemands financiële gegevens werkt, omdat u alles nog steeds moet controleren.

Door een kleinere hoeveelheid eigen data te gebruiken, enkele modeldistillatietechnieken en frontier-modellen in te schakelen wanneer onze systemen niet zeker zijn, hebben we die nauwkeurigheid recentelijk tot ruim boven de 97 % en dichter bij 99 % geduwd. Zodra je nauwkeurig kunt begrijpen wat elke transactie betekent, kun je veel nuttigere financiële tools bovenop die data bouwen. Het kan uitgaven‑dashboards aandrijven, basis‑FP&A ondersteunen en zelfs een bedrijf helpen geld te scheiden voor zaken als loonlijst en leveranciersbetalingen, zodat ze het niet per ongeluk ergens anders aan uitgeven.

Wat interessant is, is dat LLM’s verrassend goed zijn in classificatie en clustering. Dat betekent dat we de transacties van een bedrijf kunnen nemen en een gepersonaliseerd overzicht van de financiën kunnen bouwen zonder de technische complexiteit die daarvoor vroeger nodig was. Voor onze klantenbasis zijn de mogelijkheden van de huidige AI eigenlijk al geavanceerder dan de complexiteit van de problemen die we proberen op te lossen. Dat is een behoorlijk opwindende positie.

Een van de beloften van AI is dat financiële software niet alleen laat zien wat er is gebeurd, maar proactief vertelt wat er vervolgens moet gebeuren. Hoe ziet een werkelijk intelligente financiële platform er in de praktijk uit?

De beste bankervaring die je kunt hebben, is nog steeds een gesprek met iemand bij je bank die alles weet over je bedrijf. Ze begrijpen je historie, wat je wilt bereiken en wat je later nodig zou kunnen hebben. Software is altijd een facilitator van die relatie geweest, maar heeft die niet vervangen.

Voor mij voelt een werkelijk intelligent financieel platform alsof je het aantal mensen dat je nodig hebt om je bedrijf te beheren, hebt verminderd. Je moet een vraag kunnen stellen, een antwoord krijgen, de juiste informatie zien en bruikbare begeleiding ontvangen zonder zelf te moeten uitzoeken waar je die moet vinden. Het belangrijkste is dat je het antwoord vertrouwt.

Bij Novo zeggen we soms dat we concurreren met de stoep. Naar een bankadviseur gaan is nog steeds een geweldige ervaring. Er is geen app om doorheen te navigeren, iemand kent je en kan je begeleiden op basis van je bedrijf. Wat AI ons geeft, is de kans om een deel van die ervaring naar een onderbediende groep bedrijven te brengen op een schaal die eerder niet mogelijk was. Voor onze klanten is die mogelijkheid eindelijk binnen handbereik.

Kan AI uiteindelijk functioneren als een soort virtuele Chief Financial Officer voor een klein bedrijf, continu de financiën monitoren, risico’s identificeren en acties aanbevelen? Welke capaciteiten moeten zich ontwikkelen voordat ondernemers zo’n systeem kunnen vertrouwen?

Ja, en ik zeg dat vol vertrouwen omdat we dat al aan het bouwen zijn. Begin dit jaar hebben we onze AI‑Agent‑infrastructuur gelanceerd, specifiek om naar die visie toe te werken.

Het moeilijke is niet om een model een vraag te laten beantwoorden. Het is iets bouwen waar mensen hun financiële leven aan kunnen toevertrouwen. Dat hebben we uit de eerste hand geleerd. Onze eerste bètacoöperatie was goed, maar niet goed genoeg om te zeggen dat de ervaring uiteindelijk iemands vertrouwen niet zou breken. Dus bleven we doorgaan, het leerproces van het systeem verbeteren, de samenwerking tussen gespecialiseerde agents optimaliseren en de manier waarop ze de beschikbare informatie en tools gebruiken.

Wat we hebben gebouwd is in wezen een bankspecifiek systeem van agents, waarbij verschillende agents zich bezighouden met zaken als transacties, fraude, kaarten en ACH, elk met hun eigen tools en kennis. Het vergde veel werk om daar te komen, maar de resultaten zijn nu echt goed. We willen niets overhaasten alleen omdat AI op dit moment in de belangstelling staat. Dat zou oneerlijk zijn tegenover de klant. Maar voor bedrijven van de omvang die wij bedienen, geloof ik dat dat moment is aangebroken, en dat is enorm spannend.

Toegang tot kapitaal blijft een van de grootste uitdagingen voor kleine bedrijven. Hoe zou AI underwriting en kredietverlening kunnen veranderen, en zouden alternatieve data financiële instellingen in staat kunnen stellen bedrijven te beoordelen die traditionele kredietmodellen over het hoofd zien?

Dit is een gebied waar ik denk dat het gesprek verward raakt. Het gaat niet echt om AI. Het gaat om eerlijkheid en het begrijpen van wat deze modellen werkelijk kunnen.

Je moet nooit een frontier‑taalmodel gebruiken als het model dat een kredietbeslissing neemt. LLM’s zijn niet‑deterministisch, wat betekent dat dezelfde invoer verschillende uitkomsten kan opleveren. Traditionele machine‑learning‑modellen die voor kredietbeslissingen worden gebruikt, zijn deterministisch, zodat dezelfde invoer hetzelfde resultaat geeft. Dat onderscheid is enorm belangrijk wanneer je beslist wie krediet krijgt. Je moet weten welke factoren de beslissing drijven, testen op bias en in staat zijn problemen te corrigeren wanneer ze zich voordoen.

AI kan ons absoluut helpen betere modellen te bouwen voor risicobegrip, en dat doen we bij Novo uitermate goed. Maar ik denk niet dat AI alleen het grotere probleem van toegang tot kapitaal voor kleine bedrijven oplost. Een groot deel van dat probleem komt voort uit de regelgeving die is ontstaan door het Basel‑kader, dat de economie van kleine‑ondernemingsleningen voor banken heeft veranderd en hen minder bereid maakt die risico’s te nemen.

We zeggen altijd dat kleine bedrijven de ruggengraat van de economie vormen, maar we hebben een financieel systeem rondom hen gebouwd waarin veel van de beslissingen die hun overlevingskansen bepalen, worden genomen in kamers waar zij niet mogen spreken. Dat is een veel groter probleem dan of we nu een beter AI‑model hebben.

AI wordt ook steeds belangrijker bij fraudedetectie en financiële beveiliging. Hoe kunnen financiële platforms AI gebruiken om verdachte activiteiten te identificeren zonder te veel valse positieven te creëren of legitieme transacties voor kleine bedrijven moeilijker te maken?

AI is bijzonder nuttig voor het opsporen van zaken die niet kloppen. Taalmodellen zijn verrassend goed in classificatie en clustering, wat betekent dat je ze kunt gebruiken om ongewoon gedrag tegen een relatief lage kost te identificeren.

Het belangrijke onderscheid is dat ik geen niet-deterministisch model zou gebruiken om de uiteindelijke beslissing te nemen. Ik zou het gebruiken om een waarschuwing te geven en vervolgens een deterministisch model de beslissing laten nemen. Zo hebben wij fraude bij Novo aangepakt.

We werken ook samen met bedrijven zoals Sardine, die patronen uit een veel bredere groep financiële instellingen in onze modellen kunnen brengen. Ze kunnen ons helpen zaken te identificeren zoals inloggegevens die eerder met fraude werden geassocieerd of gedrag dat op geautomatiseerde activiteit lijkt. We hebben een sterke fraudeoperatie opgebouwd rond die combinatie van technologie en expertise. Beveiliging is altijd een wapenwedloop, maar AI geeft ons betere hulpmiddelen om een stap voor te blijven.

Financiële AI‑systemen kunnen toegang hebben tot uiterst gevoelige informatie over de omzet, uitgaven, klanten en financiële gezondheid van een bedrijf. Welke waarborgen mogen ondernemers verwachten op het gebied van gegevensprivacy, beveiliging en het gebruik van hun financiële gegevens om AI‑modellen te trainen?

Hier zijn een paar lagen voor, te beginnen met de beleidsregels en voorwaarden van de modellen die je gebruikt. De grote aanbieders van frontier‑modellen hebben enterprise‑ en API‑aanbiedingen waarbij klantgegevens niet worden gebruikt om hun modellen te trainen, maar er blijft een belangrijk onderscheid tussen het gebruik van een model via een API en het gebruik ervan via een consumentenapplicatie waarin je gespreksgeschiedenis wordt opgeslagen.

Er is ook de vraag hoeveel informatie je daadwerkelijk aan een AI‑systeem wilt geven. Bij Novo hebben we onze agents zo ontworpen dat klanten die keuze kunnen maken. Je wilt misschien dat een agent vragen beantwoordt met alleen onze bankkennis, of je simpelweg naar de locatie van informatie in de app wijst, of je voelt je comfortabel om meer van je financiële gegevens te delen omdat dat een beter antwoord oplevert.

We plaatsen ook systemen tussen klantgegevens en de modellen die automatisch gevoelige informatie zoals EIN‑nummers en burgerservicenummers kunnen verwijderen, en we testen onze systemen herhaaldelijk om te verzekeren dat ze geen informatie blootstellen die ze niet zouden moeten. Dat maakt het bouwen van goede AI moeilijk. Het gaat niet alleen om het slim maken van het model. Je moet de waarborgen eromheen bouwen en ze blijven testen.

Er is momenteel enorme enthousiasme rond AI in fintech. Welke toepassingen vind jij echt transformatief voor kleine bedrijven, en waar denk je dat de sector momenteel te veel hype genereert over wat AI kan leveren?

Er mag enthousiasme zijn voor AI in elke sector. We hebben deze film al eerder gezien. Het internet veranderde hoe we software distribueerden, browsers veranderden hoe we er toegang toe kregen, cloud computing veranderde hoe we het implementeerden, en mobiel veranderde waar we het konden gebruiken. AI verandert nu hoe we software ervaren.

Wat ik het meest interessant vind, is dat we ook de taal van software zelf veranderen. Mensen kunnen steeds vaker software bouwen door te beschrijven wat ze willen in natuurlijke taal in plaats van JavaScript of Python te leren. Decennialang was die technische kennis een van de barrières die softwareontwikkeling achter een poort hield. Die poort begint nu te verdwijnen, wat mede verklaart waarom bedrijven als Lovable en Replit zo snel zijn gegroeid.

Tegelijkertijd denk ik dat we nog heel vroeg zijn. Veel van de hype komt van mensen in Silicon Valley die AI op een totaal ander tempo ervaren dan de rest. De bedrijven die er echte waarde uit halen, behandelen het niet als magie. Ze ontdekken wat het daadwerkelijk kan en passen het toe op problemen waar het werkt.

We staan nog aan het begin hiervan. Als je de adoptie van AI vergelijkt met de vroege adoptiegolven van het internet en mobiel, is het ongelooflijk vroeg. Dus ik denk dat het afwijzen van AI omdat de huidige technologie niet aan de hype voldoet, vergelijkbaar is met het zien van het vroege internet en besluiten dat het een rage was.

Vooruitkijkend, hoe denk je dat AI het bankieren voor kleine bedrijven zal hervormen? Kunnen we uiteindelijk afstappen van het huidige model van rekeningen, dashboards en financiële tools naar autonome financiële platforms die een groot deel van de financiële operaties van een bedrijf actief beheren namens de eigenaar?

Dit is de visie die we bij Novo bouwen. Fundamentaal willen we de ervaring recreëren van een uitstekende bankadviseur op je telefoon. Je moet een vraag kunnen stellen en een antwoord krijgen, een grafiek of rapport laten genereren wanneer je het nodig hebt, op het juiste moment over krediet horen, verzekeringen ontdekken naarmate je bedrijf groeit en zelfs leren over subsidies of belastingwijzigingen die je kunnen bevoordelen.

De innovatie is niet simpelweg AI dingen voor je laten doen. Het gaat erom AI die dingen zo goed te laten doen dat je er daadwerkelijk vertrouwen in hebt. Dat is veel moeilijker dan het klinkt, en ik denk dat vertrouwen een eigenschap van het product zelf wordt.

AI kan veel meer informatie in context vasthouden dan een persoon, maar het kan de menselijke relaties die bedrijven echt vooruitstuwen niet vervangen. Mensen nemen de risico’s, bouwen de relaties op en creëren de kansen die de economie laten bewegen. Daarom is onze maatstaf voor succes bij Novo niet dat je meer tijd in onze app doorbrengt. Het is juist het tegenovergestelde. We willen dat je daar zo min mogelijk tijd aan besteedt en in die paar minuten meer bereikt dan je voorheen kon.

Bedankt voor het geweldige interview, lezers die meer willen weten, moeten Novo bezoeken.