Naré Vardanyan, mede-oprichter en CEO van Ntropy – Interviewreeks

Naré Vardanyan, mede-oprichter en CEO van Ntropy, een platform dat ontwikkelaars in staat stelt om financiële transacties te parseren in minder dan 100ms met super-menselijke nauwkeurigheid, waardoor een nieuwe generatie autonome financiën mogelijk wordt, en producten en diensten mogelijk maakt die nog nooit eerder mogelijk waren. Het converteert ruwe stromen van transacties naar gecontextualiseerde, gestructureerde informatie door gegevens te combineren uit meerdere bronnen, waaronder natuurlijke taalmodellen, zoekmachines, interne databases, externe API’s en bestaande transactiegegevens uit ons netwerk.

U bent opgegroeid in Armenië, zonder elektriciteit tijdens een oorlog. Kunt u enkele details delen over deze vroege dagen en hoe dit u ertoe bracht om voor de Verenigde Naties te werken?

Deze ervaring werd gedeeld door een hele generatie in Armenië. Het heeft bij mij een gevoel van verbeelding en het vermogen om oplossingen te vinden, zelfs met weinig middelen, ontwikkeld. Net als anderen die opgroeiden in een conflictzone, had deze periode in mijn leven een diepgaande invloed op hoe ik de wereld zie. Deze moeilijke omstandigheden hebben een gevoel van gedeelde verantwoordelijkheid binnen de gemeenschap en een vastberaden drive om positieve verandering teweeg te brengen, bij mij ontwikkeld. Toen ik besefte dat onze uitdagingen verder gingen dan individuele strijd, voelde ik een roeping om op een bredere schaal te denken en mijn inspanningen te richten. Dit leidde me naar de Verenigde Naties.

De VN bleken het ideale platform te zijn om op een betekenisvolle manier bij te dragen. Gezien de precaire geopolitieke positie van Armenië en mijn aspiratie om globale kwesties te beïnvloeden, geloofde ik dat samenwerken met de VN me de kans zou geven om echt een verschil te maken. Door deel te nemen aan belangrijke discussies en beslissingen, wilde ik een significante impact hebben op de problemen van de wereld.

U raakte al snel teleurgesteld in de Verenigde Naties, hoe bent u toen overgestapt naar het werken in de technologie?

De teleurstelling in de VN was geworteld in de trage en bureaucratische aard, wat uiteindelijk leidde tot een verschuiving in mijn carrière-aspiraties. Hoewel de VN zijn voordelen had, kwam ik tot de conclusie dat het vaak ontbrak aan effectieve actie en het vermogen om echte verandering teweeg te brengen. Deze realisatie leidde me naar het richten van mijn aandacht op het domein van de technologie – een dynamische en onbeperkte ruimte.

In de wereld van de technologie zijn innovatieve instrumenten gemakkelijk beschikbaar en constant in ontwikkeling, waardoor individuen de mogelijkheid hebben om transformatie te bewerkstelligen zonder onnodige hindernissen. Deze omgeving maakt het mogelijk om ideeën in realiteit om te zetten, ongehinderd door onnodige toestemmingen – een facet dat me echt fascineerde. Het potentieel om een significante, brede impact te hebben door middel van technologie werd een onweerstaanbare roeping, waardoor ik me in dit levendige veld wilde onderdompelen.

Wat waren enkele van de eerste dataprojecten waar u aan werkte?

Een van mijn eerste projecten was het creëren van een app gericht op de geestelijke gezondheid van tieners. De app gebruikte passieve haptische gegevens en conversatie-intelligentie om vroege tekenen van bipolaire stoornis te identificeren. Op dat moment was het veld van natuurlijke taalverwerking niet zo geavanceerd als het nu is, wat opmerkelijk is gezien het ongeveer zes jaar geleden was toen dit project werd gestart. Ons werk was een van de eerste onderzoeks- en ontwikkelingsinitiatieven in deze ruimte, en we verkochten later onze intellectuele eigendom aan verzekeraars voor interne analyses en onderwriting.

U heeft eerder in AI- en ML-bedrijven geïnvesteerd via de Londense AI Seed, wat waren enkele van de gemeenschappelijke kenmerken die u observeerde bij succesvolle AI-startups?

Een constante draad was het hebben van exclusieve toegang tot gegevens, samen met het vermogen om deze gegevens te benutten om echte wereldproblemen aan te pakken. Bovendien is het cruciaal om te erkennen dat binnen het domein van toegepaste AI-bedrijven de focus verder gaat dan alleen het bouwen van modellen; het verschuift naar het creëren van impactvolle, waardevolle producten. Teams die deze visie begrijpen en omarmen, zijn degenen die echt gedijen in het AI/ML-landschap. Zo gebruikt Predina AI om het risico van een voertuigongeluk voor een bepaalde locatie en tijd te voorspellen, terwijl Observe Technologies propriëtaire algoritmes gebruikt om viskwekerijen te ondersteunen bij het duurzaam kweken van voedsel.

Kunt u de oorsprong van Ntropy delen?

Ntropy is ontstaan uit het idee dat enkele van ‘s werelds meest belangrijke informatie verborgen ligt in financiële transacties. Tot nu toe heeft deze gegevens in silo’s geleefd, wat rommelig en moeilijk te werken is. We hebben Ntropy gecreëerd om het eerste echt globale, cross-industriële, cross-geo en multilinguale financiële gegevensmotor te zijn die menselijke nauwkeurigheid kan bieden. Door een gemeenschappelijke taal en systeem te creëren om financiële gegevens te begrijpen, equaliseren we vertrouwen en toegang tot geld voor bedrijven en individuen overal. Door het vermogen te hebben om deze transacties te begrijpen en te interpreteren, kunnen de dynamiek van geld en de toegang daartoe worden herdefinieerd.

We hebben een archetype-startupverhaal. Aanvankelijk werkten mijn mede-oprichter Ilia en ik vanuit een verlaten, stoffige schoolgebouwkelder. We begonnen met 20.000 transacties en een gedistilleerd BERT-model getraind op deze transacties. De gegevens werden gebootstrapt van een consumentenapp op Typeform met een Plaid-verbinding, en ondersteund door vrienden en familie. We werkten lange uren en waren aanvankelijk krap bij kas, maar werden gedreven door vastberadenheid en toewijding aan dit bedrijf.

Naar de huidige dag toe, heeft onze reis ons ertoe geleid om miljarden transacties te analyseren en te labelen. Als resultaat hebben we nu een van ‘s werelds meest uitgebreide merchantdatabases met bijna 100 miljoen+ merchants verrijkt met namen, adressen, industrietags en meer. We hebben ons transactierepository consistent uitgebreid – het benutten van de kracht van LLM’s op deze financiële gegevens heeft ongekende kostenefficiëntie en snelheid geleverd. Deze capaciteit heeft het potentieel om de financiële landschap te revolutioneren.

Waarom is financiële gegevens een van de grote gelijkmakers?

Financiële gegevens komen naar voren als een krachtige gelijkmaker vanwege hun vermogen om het speelveld te egaliseren, onzekerheid te verminderen en vertrouwen te bevorderen. Wanneer gegevens overvloedig en geraffineerd zijn, vertaalt dit zich in vermindering van de risico’s verbonden aan financiële besluitvorming. Naarmate risico’s beter beheersbaar worden, gebeurt er een verschuiving. De kosten van onzekerheid nemen af, waardoor individuen meer geïnformeerde en eerlijke beslissingen kunnen nemen, wat op zijn beurt het speelveld egaliseert. Als we bijvoorbeeld meer toegang hebben tot gegevens en niet langer beslissingen nemen op basis van een zeer beperkte set parameters, heeft een nieuwe immigrant hetzelfde potentieel als iemand uit een gevestigde lijn om gunstige voorwaarden voor een autoleen of hypotheek te krijgen. In wezen begint de barrière die wordt gepresenteerd door financiële onevenwichtigheden te verdwijnen, waardoor een tijdperk aanbreekt waarin een bredere range van mensen toegang kan krijgen tot gunstige financiële kansen.

Wat zijn enkele van de uitdagingen achter het bouwen van een AI die financiële transacties kan lezen en begrijpen zoals een mens dat zou doen?

Het ontwikkelen van AI die financiële transacties kan begrijpen zoals mensen, is uitdagend vanwege de probabilistische aard, die tot fouten kan leiden. In tegenstelling tot mensen ontbreken AI-systemen nog steeds aan verantwoordingsstructuren. De belangrijkste uitdaging is het verfijnen van AI-systemen om fouten en hun impact te verminderen, terwijl tegelijkertijd schaalbaarheid wordt gewaarborgd. Interessant is dat grotere modellen deze uitdaging kunnen verlichten door de nauwkeurigheid over tijd te verbeteren. Vergrote capaciteiten en een overvloed aan gegevens kunnen de interpretatieve nauwkeurigheid van AI verbeteren, wat uiteindelijk een meer tolerante fout-tolerante omgeving creëert en de brede adoptie van deze systemen versnelt.

Kunt u bespreken hoe Ntropy gestandaardiseerde financiële gegevens biedt?

Ntropy functioneert als een alomvattend platform, dat een spectrum van taalmodellen combineert, van de meest uitgebreide tot de meest compacte, samen met heuristieken. Deze modellen worden getraind met behulp van ruwe financiële gegevens, expertinzichten en machine-gelabelde voorbeelden. Ons doel is om waardevolle inzichten te extraheren uit een verscheidenheid aan transactiestringen en deze op een gemakkelijk te begrijpen manier samen te voegen. Onze suite bestaat uit API’s en een intuïtief dashboard, waarmee gebruikers financiële gegevens binnen milliseconden kunnen omzetten. Deze functionaliteit integreert naadloos in de producten en diensten van gebruikers.

Wat zijn enkele van de use cases achter deze gegevens?

De toepassingen voor deze gegevens zijn uitgebreid en omvatten de hele financiële operatie. Het activeert diverse functies, waaronder betalingen, onderwriting, boekhouding, beleggingen en meer. De adaptiviteit van de gegevens wordt duidelijk in hun vermogen om verschillende aspecten van financiële activiteiten te beïnvloeden, of het nu gaat om fondsoverdrachten, zorgvuldige recordhouding of het optimaliseren van kapitaalgebruik.

Neem bijvoorbeeld banktransacties of een budgetapp. Een snelle blik onthult de moeilijkheden om aankopen te begrijpen vanwege niet-standaard handelsnamen en beschrijvingen. Terwijl veel bedrijven hebben geprobeerd dit probleem aan te pakken via interne oplossingen, komen ze vaak tekort in termen van schaalbaarheid, onderhoud en generalisatie. Een aangepast model is over het algemeen alleen 60-70% nauwkeurig en kan maanden duren om te bouwen.

De technologie van Ntropy combineert miljarden datapunten uit wereldwijde merchantdatabases, zoekmachines en taalmodellen getraind op een gecomprimeerde versie van het web om bankgegevens te verwerken over vier verschillende continenten en zes-plus verschillende talen. We maken het gebruik van grote taalmodellen mogelijk in de financiële sector om alle back-officefuncties te ondersteunen.

Wat is uw visie voor de toekomst van Ntropy?

Onze visie voor Ntropy is duidelijk: We streven ernaar om het toonaangevende Vertical AI-bedrijf voor financiële diensten te worden. Ons sterke fundament van gegevens en intuïtie, ondersteund door een toegewijd team, heeft ons uniek gepositioneerd om echte verandering te bewerkstelligen. Dus, wat betekent dit in de praktijk? Het gaat erom om de laatste vooruitgang te benutten om de financiën te transformeren en nieuwe niveaus van productiviteit te ontgrendelen die eerder buiten bereik lagen.

We weten allemaal dat bankieren duur kan zijn. Maar stel je voor dat we dat kunnen veranderen. Door kosten te verlagen, zijn we niet alleen uitgaven aan het verminderen, maar we stimuleren ook gezonde concurrentie, verbeteren de economie van het systeem en maken financiële diensten uiteindelijk toegankelijker en efficiënter voor iedereen. Dat is de toekomst waar we naar streven – een financieel landschap dat eerlijker en gebruikersvriendelijker is.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen Ntropy bezoeken.