Michael Rangel, grunnlegger av Novo – intervjuserie

Michael Rangel, grunnlegger av Novo, er en fintech‑entreprenør som grunnla selskapet i 2016 og var administrerende direktør i mer enn ni år, og bidro til å transformere Novo fra et tidlig konsept til en finansiell plattform som betjener småbedrifter. I løpet av sin periode jobbet Rangel med produktutvikling, kapitalinnhenting, rekruttering, drift, partnerskap og go‑to‑market‑strategi, og hjalp selskapet med å skaffe mer enn 170 millioner dollar i finansiering. Han trådte tilbake som administrerende direktør i april 2025, men forblir involvert som Nodos grunnlegger og styremedlem, og støtter selskapets langsiktige oppdrag om å styrke entreprenører og uavhengige virksomheter. Før han grunnla Novo, tilbrakte Rangel mer enn fem år i handelsadministrasjon og drift hos Fairholme Capital Management, etter en tidligere driftsrolle hos Smith Barney.

Novo er en fintech‑plattform designet spesielt for uavhengige virksomheter, entreprenører, frilansere og småbedriftseiere, og kombinerer bedriftskonto med verktøy for betalinger, fakturering, utgiftsstyring, kontantstrømplanlegging, utlån og forretningskreditt. Plattformen integreres med mer enn 40 forretningsverktøy, inkludert QuickBooks, Stripe, Shopify, Square og Xero, og hjelper virksomheter med å koble banktjenester til regnskap, betalinger og operative arbeidsflyter. Novo bruker også AI drevet av modeller fra OpenAI, Anthropic og Google for å effektivisere prosesser som onboarding og kategorisering av utgifter. Selskapet oppgir at plattformen er betrodd av mer enn 250 000 uavhengige virksomheter. Novo er selv en fintech og ikke en bank; banktjenester og innskudd som er forsikret av Federal Deposit Insurance Corporation (FDIC) leveres gjennom partneren Middlesex Federal Savings.

Du grunnla Novo i 2016 og tilbrakte nesten et tiår med å bygge den rundt de finansielle behovene til småbedrifter. Når du ser tilbake på problemene du satte deg fore å løse da, hvilke av dem tror du AI nå kan adressere på måter som simpelthen ikke var mulige da du startet selskapet?

AI kan ha en dyp innvirkning på hvordan du driver en virksomhet og leverer verdi til kunder. Da vi startet Novo, var ett av problemene vi ønsket å løse at en bedrift med $1 000 i årlig omsetning, en bedrift med $100 000 i årlig omsetning og en bedrift med $1 million i årlig omsetning kan skape en overraskende lik operasjonell belastning for en bank. Du må fortsatt støtte onboarding, overholdelse, svindel, sikkerhet, transaksjonsovervåking og kundeservice, uavhengig av hvor mye inntekt den kunden genererer for deg. Det betydde at banker måtte bygge store driftsteam for å støtte kunder som, individuelt, ikke alltid var så verdifulle for dem.

Ti år siden trodde vi at programvare kunne bidra til å endre den ligningen. AI tar nå den ideen mye lenger. En compliance‑spesialist kan bruke AI til å oppsummere informasjon, behandle dokumenter og utarbeide rapporter eller svar, slik at én person kan håndtere mer enn ti ganger så stor mengde som før. Våre kundeserviceteam kan la AI håndtere rutine‑spørsmål slik at folk kan bruke tiden sin på problemer som faktisk krever skjønn. Svindelmodeller kan identifisere potensielle problemer tidligere og hjelpe oss med å hente inn tap raskere når noe går galt. AI har gitt oss en mye bedre måte å levere på det Novo ble bygget for, nemlig å tilby en bankopplevelse som fungerer for virksomheter uavhengig av størrelse.

Småbedrifter har historisk sett manglet tilgang til finansavdelinger, analytikere og sofistikert programvare som er tilgjengelig for større selskaper. Hvor mye kan AI realistisk sett lukke dette ressursgapet, og hvor vil menneskelig ekspertise fortsatt være essensiell?

AI utvikler seg utrolig raskt, men tempoet ser svært forskjellig ut avhengig av hvor du befinner deg. Hvis du jobber med teknologi i San Francisco eller New York, har du sannsynligvis en helt annen opplevelse av AI enn en småbedriftseier som bare prøver å drive sin virksomhet.

Mange av problemene småbedrifter står overfor er allerede innenfor AI‑s rekkevidde. Den større utfordringen er at teknologien utvikler seg raskere enn folk kan lære seg hvordan de skal bruke den. Derfor er jeg interessert i hva selskaper som Anthropic gjør med produkter som er designet for å gi mindre tekniske brukere et utgangspunkt.

Menneskelig ekspertise forsvinner ikke, men AI kan redusere gapet ved å gjøre ekspertisen mer tilgjengelig. Jeg har sett produkter som April Tax gjøre ting som tidligere krevde mye tid og spesialisert kunnskap mye enklere for en småbedriftseier. Vi er ikke på et punkt hvor AI kan sette virksomheten din på autopilot, men hvis du noen gang har mistet en hel helg på å forberede skatteinnlevering, så betyr det å få den tiden tilbake.

Hvor ser du AI skape mest håndgripelig verdi for småbedriftseiere i dag, spesielt rundt kontantstrømsprognoser, utgiftshåndtering, budsjettering og daglige økonomiske beslutninger?

En av de mest nyttige anvendelsene av AI vi har bygget i Novo er faktisk noe som høres ganske enkelt ut, nemlig merking av transaksjoner. Historisk sett krevde det å få disse modellene til å fungere godt en enorm mengde treningsdata, og selv da kunne du oppnå rundt 80 % nøyaktighet. Det er ikke godt nok når du håndterer noens finansielle informasjon, fordi du fortsatt må sjekke alt.

Ved å bruke en mindre mengde av våre egne data, noen modell‑destillasjonsteknikker og frontier‑modeller når systemene våre ikke er sikre, har vi nylig presset nøyaktigheten godt over 97 % og nærmere 99 %. Når du nøyaktig kan forstå hva hver transaksjon representerer, kan du bygge mye mer nyttige finansverktøy på toppen av disse dataene. Det kan drive utgiftsdashbord, grunnleggende FP&A og til og med hjelpe en bedrift med å skille penger til ting som lønn og leverandørbetalinger, slik at de ikke ved et uhell bruker dem andre steder.

Det som er interessant, er at LLM‑er er overraskende gode på klassifisering og klynging. Det betyr at vi kan ta en bedrifts transaksjoner og begynne å bygge en personlig oversikt over dens økonomi uten den tekniske kompleksiteten som tidligere var nødvendig. For vår kundebase er dagens AI‑kapasiteter faktisk foran kompleksiteten i problemene vi prøver å løse. Det er et ganske spennende sted å være.

En av løftene fra AI er å flytte finansprogramvare fra bare å vise bedriftsledere hva som har skjedd til proaktivt å fortelle dem hva de bør gjøre neste. Hvordan ser en virkelig intelligent finansplattform ut i praksis?

Den beste bankopplevelsen du kan ha, er fortsatt å snakke med noen i banken som kjenner alt om virksomheten din. De forstår historikken din, hva du prøver å oppnå og hva du kan trenge neste gang. Programvare har alltid vært en muliggjører av dette forholdet, men den har ikke erstattet det.

For meg begynner en virkelig intelligent finansplattform å føles som om du har redusert antallet personer du trenger i rommet for å styre virksomheten din. Du bør kunne stille et spørsmål, få et svar, se riktig informasjon og motta nyttig veiledning uten å måtte finne ut selv hvor du skal lete. Det viktige er at du stoler på svaret.

På Novo sier vi noen ganger at vi konkurrerer med fortauet. Å gå til en bankrådgiver er fortsatt en flott opplevelse. Det er ingen app å navigere, noen kjenner deg og kan veilede deg basert på virksomheten din. Det AI gir oss er muligheten til å bringe noe av den opplevelsen til en underbetjent gruppe av bedrifter i en skala som ikke var mulig før. For våre kunder er den muligheten endelig innen rekkevidde.

Kan AI etter hvert fungere som en slags virtuell økonomidirektør (CFO) for en liten bedrift, kontinuerlig overvåke økonomien, identifisere risikoer og anbefale tiltak? Hvilke kapasiteter må modnes før gründere kan stole på et slikt system?

Ja, og jeg sier det med selvtillit fordi det er noe vi allerede bygger. Tidligere i år lanserte vi vår AI‑Agent‑infrastruktur spesifikt for å bevege oss mot den visjonen.

Den vanskelige delen er ikke å få en modell til å svare på et spørsmål. Det er å bygge noe folk kan stole på med deres økonomiske liv. Vi lærte det på egen hånd. Vår første beta‑kohort var god, men den var ikke god nok til at vi kunne si at opplevelsen ikke til slutt ville bryte noens tillit. Så vi fortsatte å presse på, forbedre hvordan systemet lærer, hvordan spesialiserte agenter samarbeider, og hvordan de bruker informasjonen og verktøyene som er tilgjengelige for dem.

Det vi har bygget er i hovedsak et bankspesifikt agentsystem, med ulike agenter som håndterer ting som transaksjoner, svindel, kort og ACH, hver med sine egne verktøy og kunnskap. Det krevde mye arbeid å komme dit, men resultatene er nå virkelig gode. Vi vil ikke skynde på noe slikt bare fordi AI er i vinden. Det er urettferdig overfor kunden. Men for bedrifter i den størrelsen vi betjener, tror jeg at øyeblikket har kommet, og det er utrolig spennende.

Tilgang til kapital er fortsatt en av de største utfordringene for små bedrifter. Hvordan kan AI endre kredittvurdering og utlån, og kan alternative data gjøre det mulig for finansinstitusjoner å vurdere bedrifter som tradisjonelle kredittmodeller ofte overser?

Dette er ett område hvor jeg tror samtalen blir forvirret. Det handler egentlig ikke om AI. Det handler om rettferdighet og å forstå hva disse modellene faktisk er i stand til.

Du bør aldri bruke en frontier‑språkmodell som modellen som tar en kredittbeslutning. LLM‑er er ikke‑deterministiske, noe som betyr at samme input kan gi ulike output. Tradisjonelle maskinlæringsmodeller som brukes til kredittbeslutninger er deterministiske, så samme input gir samme resultat. Denne forskjellen er enormt viktig når du bestemmer hvem som får kreditt. Du må vite hvilke faktorer som driver beslutningen, teste for skjevhet, og kunne rette opp problemer når de oppstår.

AI kan absolutt hjelpe oss med å bygge bedre modeller for å forstå risiko, og vi gjør det svært bra på Novo. Men jeg tror ikke AI alene løser det større problemet med småbedrifts tilgang til kapital. En stor del av dette problemet kommer fra det regulatoriske miljøet skapt av Basel‑rammeverket, som endret økonomien i småbedriftslån for banker og gjorde dem mindre villige til å ta disse risikoene.

Vi sier alltid at små bedrifter er økonomiens ryggrad, men vi har bygget et finanssystem rundt dem der mange av beslutningene som påvirker deres overlevelse tas i rom de ikke får delta i. Det er et langt større problem enn om vi har en bedre AI‑modell.

AI blir også stadig viktigere i svindeldeteksjon og finansiell sikkerhet. Hvordan kan finansplattformer bruke AI til å identifisere mistenkelig aktivitet uten å skape for mange falske positiver eller gjøre legitime transaksjoner vanskeligere for små bedrifter?

AI er spesielt nyttig for å oppdage ting som ikke ser riktig ut. Språkmodeller er overraskende flinke til klassifisering og gruppering, noe som betyr at du kan bruke dem til å identifisere uvanlig atferd til en relativt lav kostnad.

Den viktige forskjellen er at jeg ikke ville bruke en ikke-deterministisk modell til å ta den endelige beslutningen. Jeg ville bruke den til å sette et flagg, og så la en deterministisk modell ta beslutningen. Slik har vi håndtert svindel hos Novo.

Vi samarbeider også med selskaper som Sardine, som kan tilføre mønstre fra et mye bredere sett av finansinstitusjoner til modellene våre. De kan hjelpe oss med å identifisere ting som legitimasjon som tidligere har vært knyttet til svindel, eller atferd som ser ut som automatisert aktivitet. Vi har bygget en solid svindeloperasjon rundt denne kombinasjonen av teknologi og ekspertise. Sikkerhet er alltid et kapprenn, men AI gir oss bedre verktøy for å holde oss i forkant.

Finansielle AI‑systemer kan ha tilgang til ekstremt sensitiv informasjon om en bedrifts inntekter, kostnader, kunder og økonomiske helse. Hvilke sikkerhetstiltak bør entreprenører forvente når det gjelder dataprivatliv, sikkerhet og bruk av deres finansdata til å trene AI‑modeller?

Det er flere lag i dette, som starter med retningslinjene og vilkårene for modellene du bruker. De store leverandørene av frontier‑modeller har bedrifts‑ og API‑tilbud hvor kundedata ikke brukes til å trene modellene deres, men det er fortsatt en viktig forskjell mellom å bruke en modell via et API og å bruke den gjennom en forbruker‑rettet applikasjon hvor samtalehistorikken din lagres.

Det er også et spørsmål om hvor mye informasjon du egentlig vil gi et AI‑system. Hos Novo har vi designet våre agenter slik at kundene kan ta det valget. Du kan ønske at en agent svarer på spørsmål kun med vår bankkunnskap, eller bare peker deg til hvor informasjonen finnes i appen, eller du kan være komfortabel med å gi den mer av dine finansdata fordi det gir et bedre svar.

Vi har også innført systemer mellom kundedata og modellene som automatisk kan fjerne sensitiv informasjon som organisasjonsnummer og personnummer, og vi tester systemene våre gjentatte ganger for å sikre at de ikke eksponerer informasjon de ikke skal. Det er dette som gjør det vanskelig å bygge god AI. Det handler ikke bare om å gjøre modellen smart. Du må bygge sikkerhetstiltak rundt den og fortsette å teste dem.

Det er enorm entusiasme rundt AI i fintech akkurat nå. Hvilke applikasjoner mener du er virkelig transformative for små bedrifter, og hvor tror du bransjen overdriver hva AI kan levere?

Det bør være entusiasme for AI i alle bransjer. Vi har sett dette før. Internett endret hvordan vi distribuerte programvare, nettlesere endret hvordan vi fikk tilgang til den, skytjenester endret hvordan vi distribuerte den, og mobil endret hvor vi kunne bruke den. AI endrer nå hvordan vi opplever programvare.

Det jeg synes er mest interessant, er at vi også endrer selve språket i programvare. Folk kan i økende grad bygge programvare ved å beskrive hva de vil ha på naturlig språk i stedet for å lære JavaScript eller Python. I flere tiår var denne tekniske kunnskapen en av de faktorene som holdt programvareutvikling bak en låst port. Denne porten begynner nå å falle ned, noe som er en del av årsaken til at selskaper som Lovable og Replit har vokst så raskt.

Samtidig tror jeg vi fortsatt er veldig tidlig. Mye av hypen kommer fra folk i Silicon Valley som opplever AI i et helt annet tempo enn resten. Selskapene som får reell verdi fra den behandler den ikke som magi. De finner ut hva den faktisk kan gjøre og anvender den på problemer der den fungerer.

Vi er fortsatt i begynnelsen av dette. Når du sammenligner AI‑adopsjon med de tidlige adopsjonskurvene for internett og mobil, er det utrolig tidlig. Så jeg tror at avvise AI fordi dagens teknologi ikke lever opp til noe av hypen, ville vært som å se på det tidlige internettet og konkludere med at det var en trend.

Når vi ser fremover, hvordan tror du AI vil omforme banktjenester for småbedrifter? Kan vi etter hvert gå fra dagens modell med kontoer, dashbord og finansverktøy til autonome finansplattformer som aktivt styrer store deler av en bedrifts økonomi på eierens vegne?

Dette er visjonen vi bygger hos Novo. I bunn og grunn ønsker vi å gjenskape opplevelsen av å ha en dyktig bankrådgiver på telefonen. Du skal kunne stille et spørsmål og få et svar, få et diagram eller en rapport generert når du trenger det, høre om kreditt når timingen er riktig, oppdage forsikring etter hvert som virksomheten vokser, og til og med lære om tilskudd eller skatteendringer som kan være til nytte for deg.

Innovasjonen er ikke bare at AI gjør ting for deg. Det handler om å få AI til å gjøre disse tingene så bra at du faktisk stoler på den. Det er mye vanskeligere enn det høres ut som, og jeg tror tillit blir en funksjon i selve produktet.

AI kan holde langt mer informasjon i kontekst enn en person kan, men det kan ikke erstatte de menneskelige relasjonene som faktisk driver bedrifter fremover. Folk tar risikoene, bygger relasjonene og skaper mulighetene som beveger økonomien. Derfor er vårt mål for suksess i Novo ikke at du skal bruke mer tid i appen vår. Det er det motsatte. Vi ønsker at du skal bruke så lite tid der som mulig og oppnå mer i de få minuttene enn du kunne før.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Novo.