Michael Rangel, założyciel Novo – seria wywiadów

Michael Rangel, założyciel Novo, jest przedsiębiorcą fintech, który założył firmę w 2016 roku i pełnił funkcję jej CEO przez ponad dziewięć lat, pomagając przekształcić Novo z koncepcji w początkowej fazie w platformę finansową obsługującą małe firmy. W trakcie swojej kadencji Rangel pracował nad rozwojem produktu, pozyskiwaniem funduszy, rekrutacją, operacjami, partnerstwami i strategią wprowadzania na rynek, przyczyniając się do pozyskania ponad $170 million w finansowaniu. Zrezygnował z roli CEO w kwietniu 2025, ale pozostaje zaangażowany jako założyciel i członek zarządu Novo, wspierając długoterminową misję umożliwiania przedsiębiorcom i niezależnym firmom. Przed założeniem Novo Rangel spędził ponad pięć lat w administracji handlowej i operacjach w Fairholme Capital Management, po wcześniejszej roli operacyjnej w Smith Barney.

Novo to platforma fintech zaprojektowana specjalnie dla niezależnych firm, przedsiębiorców, freelancerów i właścicieli małych przedsiębiorstw, łącząca konto firmowe z narzędziami do płatności, fakturowania, zarządzania wydatkami, planowania przepływów pieniężnych, pożyczek i kredytu firmowego. Platforma integruje się z ponad 40 narzędziami biznesowymi, w tym QuickBooks, Stripe, Shopify, Square i Xero, pomagając firmom połączyć bankowość z księgowością, płatnościami i procesami operacyjnymi. Novo wykorzystuje także sztuczną inteligencję opartą na modelach od OpenAI, Anthropic i Google, aby usprawnić procesy takie jak onboarding i kategoryzacja wydatków. Firma twierdzi, że jej platforma jest zaufana przez ponad 250,000 niezależnych firm. Novo jest fintechiem, a nie bankiem; usługi bankowe i depozyty objęte ochroną Federal Deposit Insurance Corporation (FDIC) są świadczone przez partnera Middlesex Federal Savings.

Założyłeś Novo w 2016 roku i spędziłeś prawie dekadę budując ją wokół finansowych potrzeb małych firm. Patrząc wstecz na problemy, które wtedy chciałeś rozwiązać, które z nich uważasz, że AI może teraz rozwiązać w sposób, który po prostu nie był możliwy, gdy rozpoczynałeś firmę?

Sztuczna inteligencja może mieć głęboki wpływ na sposób, w jaki prowadzisz firmę i dostarczasz wartość klientom. Kiedy zaczynaliśmy Novo, jednym z problemów, które chcieliśmy rozwiązać, było to, że firma o przychodzie $1,000-a-year, $100,000-a-year i $1 million-a-year może generować zaskakująco podobne obciążenie operacyjne dla banku. Nadal trzeba wspierać onboarding, zgodność, zapobieganie oszustwom, bezpieczeństwo, monitorowanie transakcji i obsługę klienta, niezależnie od tego, ile przychodu dany klient generuje. To oznaczało, że banki musiały budować duże zespoły operacyjne, aby obsługiwać klientów, którzy indywidualnie nie zawsze byli dla nich tak wartościowi.

Dziesięć lat temu wierzyliśmy, że oprogramowanie może pomóc zmienić to równanie. AI idzie teraz znacznie dalej. Specjalista ds. zgodności może wykorzystać AI do podsumowywania informacji, przetwarzania dokumentów i przygotowywania raportów lub odpowiedzi, co pozwala jednej osobie obsłużyć ponad dziesięciokrotnie większy wolumen niż wcześniej. Nasze zespoły obsługi klienta mogą pozwolić AI na obsługę rutynowych pytań, aby ludzie mogli poświęcić czas na problemy wymagające oceny. Modele wykrywania oszustw mogą wcześniej identyfikować potencjalne problemy i pomóc nam szybciej odzyskać straty, gdy coś pójdzie nie tak. AI dało nam znacznie lepszy sposób realizacji tego, do czego Novo zostało stworzone, czyli zapewnienia doświadczenia bankowego, które działa dla firm niezależnie od ich wielkości.

Małe firmy historycznie nie miały dostępu do zespołów finansowych, analityków i zaawansowanego oprogramowania dostępnego dla większych firm. Jak realistycznie AI może zamknąć tę lukę zasobową i gdzie wiedza ludzka pozostanie niezbędna?

Sztuczna inteligencja rozwija się niezwykle szybko, ale tempo wygląda bardzo różnie w zależności od tego, gdzie się znajduje. Jeśli pracujesz w technologii w San Francisco lub Nowym Jorku, prawdopodobnie masz zupełnie inne doświadczenia z AI niż właściciel małej firmy, który po prostu stara się prowadzić swoją firmę.

Wiele problemów, z którymi borykają się małe firmy, jest już w zasięgu AI. Większym wyzwaniem jest to, że technologia rozwija się szybciej niż ludzie mogą się nauczyć, jak ją wykorzystać. Dlatego interesuje mnie to, co robią firmy takie jak Anthropic, oferując produkty zaprojektowane tak, aby dawać mniej technicznym użytkownikom punkt wyjścia.

Wiedza ludzka nie zniknie, ale AI może zamknąć lukę, czyniąc tę wiedzę bardziej dostępną. Widziałem produkty takie jak April Tax, które ułatwiają rzeczy, które kiedyś wymagały dużo czasu i specjalistycznej wiedzy, małemu przedsiębiorcy. Nie jesteśmy jeszcze w miejscu, w którym AI może wprowadzić twoją firmę w tryb autopilota, ale jeśli kiedykolwiek straciłeś weekend na przygotowanie deklaracji podatkowej, odzyskanie tego czasu ma znaczenie.

Gdzie widzisz, że AI tworzy dziś najbardziej namacalne wartości dla właścicieli małych firm, szczególnie w zakresie prognozowania przepływów pieniężnych, zarządzania wydatkami, budżetowania i codziennych decyzji finansowych?

Jednym z najbardziej przydatnych zastosowań AI, które stworzyliśmy w Novo, jest w rzeczywistości coś, co brzmi dość prosto – etykietowanie transakcji. Historycznie, aby te modele działały dobrze, potrzebna była ogromna ilość danych treningowych, a nawet wtedy można było uzyskać około 80 % dokładności. To nie wystarcza, gdy masz do czynienia z czyjąś informacją finansową, ponieważ wciąż musisz wszystko sprawdzać.

Używając mniejszej ilości naszych własnych danych, niektórych technik destylacji modeli oraz modeli frontier, gdy nasze systemy nie są pewne, podnieśliśmy dokładność do ponad 97 % i ostatnio zbliżyliśmy się do 99 %. Gdy potrafisz dokładnie zrozumieć, co reprezentuje każda transakcja, możesz budować znacznie użyteczniejsze narzędzia finansowe na bazie tych danych. Mogą one zasilać pulpity wydatków, podstawowe FP&A oraz nawet pomagać firmie oddzielić środki na takie rzeczy jak wynagrodzenia i płatności dla dostawców, aby nie wydawała ich przypadkowo gdzie indziej.

Co ciekawe, LLM-y są zaskakująco dobre w klasyfikacji i grupowaniu. To oznacza, że możemy wziąć transakcje firmy i zacząć budować spersonalizowany widok jej finansów bez złożoności inżynieryjnej, która kiedyś była wymagana. Dla naszej bazy klientów możliwości dzisiejszej AI są faktycznie wyprzedzają kompleksowość problemów, które staramy się rozwiązać. To dość ekscytujące miejsce.

Jednym z obietnic AI jest przeniesienie oprogramowania finansowego od po prostu pokazywania właścicielom firm, co się stało, do proaktywnego informowania ich, co powinni zrobić dalej. Jak wygląda naprawdę inteligentna platforma finansowa w praktyce?

Najlepsze doświadczenie bankowe, jakie możesz mieć, to nadal rozmowa z kimś w banku, kto zna wszystko o twojej firmie. Rozumie twoją historię, co starasz się osiągnąć i czego możesz potrzebować dalej. Oprogramowanie zawsze było umożliwiaczem tej relacji, ale jej nie zastąpiło.

Dla mnie naprawdę inteligentna platforma finansowa zaczyna przypominać sytuację, w której zmniejszyłeś liczbę osób potrzebnych w pokoju do zarządzania firmą. Powinieneś móc zadać pytanie, otrzymać odpowiedź, zobaczyć właściwe informacje i otrzymać przydatne wskazówki, nie musząc samodzielnie szukać, gdzie ich szukać. Ważne jest, abyś ufał odpowiedzi.

W Novo czasami mówimy, że konkurujemy z chodnikiem. Odwiedzenie doradcy bankowego wciąż jest świetnym doświadczeniem. Nie ma aplikacji do nawigacji, ktoś cię zna i może poprowadzić cię w oparciu o twoją firmę. To, co daje nam AI, to szansa przeniesienia części tego doświadczenia do niedostatecznie obsługiwanej grupy firm w skali, która wcześniej nie była możliwa. Dla naszych klientów ta możliwość wreszcie jest w zasięgu.

Czy AI może w końcu pełnić rolę wirtualnego dyrektora finansowego dla małej firmy, nieustannie monitorując finanse, identyfikując ryzyka i rekomendując działania? Jakie zdolności musiałyby się rozwinąć, zanim przedsiębiorcy mogliby zaufać takiemu systemowi?

Tak, i mówię to pewnie, ponieważ już to budujemy. Na początku tego roku wypuściliśmy naszą infrastrukturę AI Agent specjalnie, aby zmierzać w kierunku tej wizji.

Trudność nie polega na tym, by model odpowiedział na pytanie. Chodzi o zbudowanie czegoś, czemu ludzie mogą zaufać w kwestii ich życia finansowego. Nauczyliśmy się tego na własnej skórze. Nasza pierwsza grupa beta była dobra, ale nie była wystarczająco dobra, byśmy mogli powiedzieć, że doświadczenie nie zburzy kiedyś czyjejś wiary. Dlatego ciągle pchaliśmy naprzód, ulepszając sposób, w jaki system się uczy, jak wyspecjalizowane agenty współpracują i jak wykorzystują dostępne informacje i narzędzia.

To, co zbudowaliśmy, to w zasadzie system agentów specyficzny dla bankowości, z różnymi agentami obsługującymi takie obszary jak transakcje, oszustwa, karty i ACH, każdy z własnymi narzędziami i wiedzą. To wymagało dużo pracy, ale wyniki są teraz naprawdę dobre. Nie chcemy przyspieszać czegoś takiego tylko dlatego, że AI przeżywa chwilę rozgłosu. To byłoby nieuczciwe wobec klienta. Jednak dla firm o rozmiarze, które obsługujemy, uważam, że ten moment nadszedł i jest to niezwykle ekscytujące.

Dostęp do kapitału pozostaje jednym z największych wyzwań dla małych firm. Jak AI może zmienić underwriting i udzielanie pożyczek, i czy alternatywne dane mogą pozwolić instytucjom finansowym ocenić firmy, które tradycyjne modele kredytowe zazwyczaj pomijają?

To jest obszar, w którym myślę, że dyskusja się miesza. Nie chodzi tak naprawdę o AI. Chodzi o sprawiedliwość i zrozumienie, na co te modele naprawdę są zdolne.

Nigdy nie powinieneś używać modelu frontier jako modelu podejmującego decyzję kredytową. LLM-y są niedeterministyczne, co oznacza, że te same wejścia mogą dawać różne wyniki. Tradycyjne modele uczenia maszynowego używane do decyzji kredytowych są deterministyczne, więc te same wejścia dają ten sam rezultat. To rozróżnienie ma ogromne znaczenie, gdy decydujesz, kto otrzyma kredyt. Musisz wiedzieć, jakie czynniki napędzają decyzję, testować pod kątem uprzedzeń i móc korygować problemy, gdy się pojawią.

AI może zdecydowanie pomóc nam budować lepsze modele do oceny ryzyka i robimy to niezwykle dobrze w Novo. Ale nie sądzę, że samo AI rozwiązuje większy problem dostępu małych firm do kapitału. Duża część tego problemu wynika ze środowiska regulacyjnego stworzonego przez ramy Bazylei, które zmieniły ekonomię udzielania pożyczek małym firmom dla banków i sprawiły, że są mniej skłonne podejmować takie ryzyko.

Zawsze mówimy, że małe firmy są kręgosłupem gospodarki, ale zbudowaliśmy wokół nich system finansowy, w którym wiele decyzji wpływających na ich zdolność do przetrwania podejmowane jest w pokojach, w których nie mają głosu. To znacznie większy problem niż to, czy mamy lepszy model AI.

AI staje się również coraz ważniejsze w wykrywaniu oszustw i bezpieczeństwie finansowym. Jak platformy finansowe mogą wykorzystać AI do identyfikacji podejrzanej aktywności, nie generując nadmiernych fałszywych alarmów ani nie utrudniając legalnych transakcji małym firmom?

AI jest szczególnie przydatne do wykrywania rzeczy, które nie wyglądają prawidłowo. Modele językowe są zaskakująco dobre w klasyfikacji i grupowaniu, co oznacza, że można ich używać do identyfikacji nietypowego zachowania przy stosunkowo niskich kosztach.

Ważna różnica polega na tym, że nie używałbym modelu niedeterministycznego do podjęcia ostatecznej decyzji. Użyłbym go do podniesienia flagi, a następnie pozwolił deterministycznemu modelowi podjąć decyzję. Tak podchodzimy do oszustw w Novo.

Współpracujemy także z firmami takimi jak Sardine, które mogą wprowadzić wzorce z znacznie szerszego zestawu instytucji finansowych do naszych modeli. Pomagają nam identyfikować m.in. dane uwierzytelniające, które wcześniej były powiązane z oszustwami, lub zachowania przypominające automatyczną aktywność. Zbudowaliśmy solidny dział zwalczania oszustw oparty na tej kombinacji technologii i wiedzy eksperckiej. Bezpieczeństwo to zawsze wyścig zbrojeń, ale AI dostarcza nam lepszych narzędzi, aby wyprzedzić go.

Systemy AI w finansach mogą mieć dostęp do niezwykle wrażliwych informacji o przychodach, wydatkach, klientach i kondycji finansowej firmy. Jakich zabezpieczeń powinni oczekiwać przedsiębiorcy w zakresie prywatności danych, bezpieczeństwa oraz wykorzystania ich danych finansowych do trenowania modeli AI?

Istnieje kilka warstw tego zagadnienia, zaczynając od polityk i warunków modeli, z których korzystasz. Najwięksi dostawcy modeli frontier oferują rozwiązania enterprise i API, w których dane klientów nie są wykorzystywane do trenowania ich modeli, ale wciąż istnieje istotna różnica między używaniem modelu przez API a korzystaniem z aplikacji skierowanej do konsumenta, w której historia rozmów jest przechowywana.

Istnieje także pytanie, ile informacji naprawdę chcesz przekazać systemowi AI. W Novo zaprojektowaliśmy naszych agentów tak, aby klienci mogli podjąć tę decyzję. Możesz chcieć, aby agent odpowiadał na pytania, korzystając wyłącznie z naszej wiedzy bankowej, albo po prostu wskazywał, gdzie w aplikacji znajdują się potrzebne informacje, albo możesz czuć się komfortowo, udostępniając mu więcej swoich danych finansowych, ponieważ pozwala to uzyskać lepszą odpowiedź.

Umieszczamy także systemy pomiędzy danymi klientów a modelami, które automatycznie usuwają wrażliwe informacje, takie jak numery EIN i numery ubezpieczenia społecznego, i wielokrotnie testujemy nasze systemy, aby upewnić się, że nie ujawniają informacji, których nie powinny. To właśnie sprawia, że budowanie dobrego AI jest trudne. Nie chodzi tylko o to, by model był inteligentny. Trzeba zbudować zabezpieczenia wokół niego i nieustannie je testować.

Obecnie wokół AI w fintech panuje ogromny entuzjazm. Które zastosowania uważasz za naprawdę przełomowe dla małych firm, a gdzie myślisz, że branża obecnie przesadza z obietnicami AI?

Entuzjazm wobec AI powinien istnieć w każdej branży. Widzieliśmy już to wcześniej. Internet zmienił sposób, w jaki dystrybuujemy oprogramowanie, przeglądarki zmieniły sposób, w jaki do niego dostępujemy, chmura zmieniła sposób, w jaki je wdrażamy, a mobile zmieniło, gdzie możemy z niego korzystać. AI teraz zmienia sposób, w jaki doświadczamy oprogramowania.

Najbardziej interesujące jest to, że zmieniamy także język samego oprogramowania. Ludzie mogą coraz częściej tworzyć oprogramowanie, opisując, czego chcą, w języku naturalnym, zamiast uczyć się JavaScriptu czy Pythona. Przez dziesięciolecia ta techniczna wiedza była jedną z barier, które trzymały rozwój oprogramowania za zamkniętymi drzwiami. Ta bariera zaczyna się znikać, co częściowo tłumaczy szybki wzrost firm takich jak Lovable i Replit.

Jednocześnie uważam, że jesteśmy jeszcze bardzo na początku. Duża część hype’u pochodzi od ludzi z Doliny Krzemowej, którzy doświadczają AI w zupełnie innym tempie niż reszta świata. Firmy, które naprawdę czerpią z tego wartość, nie traktują tego jak magię. Odkrywają, co AI naprawdę potrafi i stosują ją do problemów, w których działa.

Wciąż jesteśmy na samym początku. Kiedy porównujesz przyjęcie AI z wczesnymi krzywymi adopcji internetu i mobile, jest to niezwykle wczesny etap. Dlatego odrzucanie AI, ponieważ dzisiejsza technologia nie spełnia niektórych hype’owych oczekiwań, byłoby jak patrzenie na wczesny internet i uznanie go za chwilową modę.

Patrząc w przyszłość, jak myślisz, że AI przekształci samo bankowość małych firm? Czy w końcu przejdziemy od dzisiejszego modelu kont, pulpitów i narzędzi finansowych do autonomicznych platform finansowych, które aktywnie zarządzają dużą częścią operacji finansowych firmy w imieniu właściciela?

To jest wizja, którą budujemy w Novo. Fundamentem jest odtworzenie doświadczenia posiadania świetnego doradcy bankowego w telefonie. Powinieneś móc zadać pytanie i otrzymać odpowiedź, wygenerować wykres lub raport, gdy go potrzebujesz, usłyszeć o kredycie w odpowiednim momencie, odkrywać ubezpieczenia w miarę rozwoju firmy i nawet dowiedzieć się o grantach lub zmianach podatkowych, które mogą ci przynieść korzyść.

Innowacja nie polega jedynie na tym, że AI robi coś za ciebie. Chodzi o to, by AI robiło te rzeczy na tyle dobrze, że naprawdę mu ufasz. To znacznie trudniejsze niż się wydaje i myślę, że zaufanie staje się cechą samego produktu.

AI może przechowywać znacznie więcej informacji w kontekście niż człowiek, ale nie może zastąpić ludzkich relacji, które naprawdę napędzają firmy do przodu. Ludzie podejmują ryzyko, budują relacje i tworzą możliwości, które poruszają gospodarkę. Dlatego nasz miernik sukcesu w Novo nie polega na tym, byś spędzał więcej czasu w naszej aplikacji. Wręcz przeciwnie. Chcemy, abyś spędzał tam jak najmniej czasu i osiągał więcej w tych kilku minutach niż wcześniej.

Dziękujemy za świetny wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Novo.