Naré Vardanyan, Współzałożyciel i CEO Ntropy – Seria wywiadów

Naré Vardanyan, Współzałożyciel i CEO Ntropy, platformy, która umożliwia deweloperom parsowanie transakcji finansowych w czasie poniżej 100ms z nadludzką dokładnością, odblokowując drogę do nowego pokolenia autonomicznych finansów, napędzających produkty i usługi, które wcześniej nie były możliwe. Konwertuje surowe strumienie transakcji na kontekstualizowaną, ustrukturyzowaną informację, łącząc dane z wielu źródeł, w tym modeli języka naturalnego, wyszukiwarek, baz danych wewnętrznych, zewnętrznych API i istniejących danych transakcyjnych z całej naszej sieci.

Wyrastając w Armenii, bez prądu podczas wojny. Czy mógłbyś podzielić się niektórymi szczegółami dotyczącymi tych wczesnych dni i jak to doprowadziło do pracy w Organizacji Narodów Zjednoczonych?

To doświadczenie było udziałem całego pokolenia w Armenii. Wykształciło we mnie wyobraźnię i umiejętność znajdowania rozwiązań nawet przy ograniczonych środkach. Jak inni, którzy dorastali w strefie konfliktu, ten okres w moim życiu miał głęboki wpływ na to, jak postrzegam świat. Te wymagające okoliczności wykształciły we mnie poczucie wspólnej odpowiedzialności w społeczności i zdecydowaną motywację do wprowadzania pozytywnych zmian. Uświadomiwszy sobie, że nasze wyzwania wykraczają poza indywidualne problemy, poczułem powołanie do myślenia na szerszą skalę i kierowania moimi wysiłkami. To skierowało mnie w stronę Organizacji Narodów Zjednoczonych.

Organizacja Narodów Zjednoczonych wyłoniła się jako idealna platforma do wniesienia znaczącego wkładu. Biorąc pod uwagę niepewną pozycję geopolityczną Armenii i moje aspiracje do wpływania na sprawy globalne, uważałem, że współpraca z ONZ zapewniłaby możliwość prawdziwej różnicy. Będąc częścią istotnych dyskusji i decyzji, dążyłem do tego, by mieć znaczący wpływ na problemy świata.

Z czasem jednak zacząłeś tracić złudzenia co do Organizacji Narodów Zjednoczonych, jak przeszłeś od tego do chęci pracy w branży technologicznej?

Rozczarowanie ONZ wynikało z jej powolnego i biurokratycznego charakteru, co ostatecznie skłoniło mnie do zmiany aspiracji zawodowych. Chociaż ONZ miała swoje zalety, zacząłem zdawać sobie sprawę, że często brakowało jej skutecznych działań i możliwości wywołania autentycznych zmian. To prowadziło mnie do przekierowania mojej uwagi ku środowisku technologicznemu – dynamicznej i nieograniczonej przestrzeni.

W świecie technologii dostępne są innowacyjne narzędzia, które stale ewoluują, dając jednostkom możliwość wywołania transformacji bez niepotrzebnych przeszkód. To środowisko umożliwia przekształcenie pomysłów w rzeczywistość, nieograniczoną przez niepotrzebne pozwolenia – aspekt, który naprawdę mnie fascynował. Potencjał wywarcia znaczącego, szerokiego wpływu za pomocą technologii stał się nieodparty, skłaniając mnie do zanurzenia się w tym żywym polu.

Jakie były niektóre z pierwszych projektów związanych z danymi, nad którymi pracowałeś?

Jednym z moich wczesnych projektów było stworzenie aplikacji skoncentrowanej na zdrowiu psychicznym nastolatków. Aplikacja wykorzystywała dane z pasywnych haptycznych i inteligencji konwersacyjnej, aby zidentyfikować wczesne objawy zaburzeń dwubiegunowych. W tym czasie dziedzina przetwarzania języka naturalnego nie była tak zaawansowana, jak dziś, co jest dość godne uwagi, biorąc pod uwagę, że był to tylko około sześć lat temu, kiedy ten projekt został zainicjowany. Nasza praca była jednym z pierwszych projektów badawczo-rozwojowych w tym zakresie, a później sprzedaliśmy naszą własność intelektualną ubezpieczycielom do wewnętrznej analityki i ustalania składek.

Wcześniej inwestowałeś w firmy AI i ML poprzez londyńską AI Seed, jakie były niektóre z powszechnych cech, które obserwowałeś u udanych startupów AI?

Wszędzie widać było wyłączny dostęp do danych oraz umiejętność wykorzystania tych danych do rozwiązywania realnych problemów. Ponadto istotne jest uznanie, że w ramach firm AI o charakterze aplikacyjnym nacisk idzie poza sam konstruowanie modeli; przenosi się on ku tworzeniu wpływowych, wartościowych produktów. Zespoły, które pojmują i akceptują tę perspektywę, są tymi, które naprawdę prosperują w krajobrazie AI/ML. Na przykład, Predina wykorzystuje AI do przewidywania ryzyka wypadku drogowego dla danego miejsca i czasu, podczas gdy Observe Technologies wykorzystuje własne algorytmy, aby wspierać fermę ryb w zrównoważonym rozwoju żywności.

Czy mógłbyś opowiedzieć o historii powstania Ntropy?

Ntropy powstało z pomysłu, że niektóre z najważniejszych informacji na świecie są ukryte w transakcjach finansowych. Do tej pory te dane żyły w izolacji, co sprawiało, że były nieładne i trudne do pracy. Stworzyliśmy Ntropy, aby być pierwszą naprawdę globalną, międzybranżową, międzygeograficzną i wielojęzyczną silniką danych finansowych, która może zapewnić dokładność na poziomie ludzkim. Tworząc wspólny język i system do zrozumienia danych finansowych, równoważymy zaufanie i dostęp do pieniędzy dla firm i osób na całym świecie. Posiadając możliwość zrozumienia i interpretacji tych transakcji, dynamika pieniędzy może być zdefiniowana na nowo, wraz z dostępem do nich.

Mielismy dość archetypiczną historię startupu. Na początku, mój współzałożyciel Ilia i ja działali z opuszczonego, kurzu zalanego piwnicy szkoły. Zaczynaliśmy z 20 tysiącami transakcji i wyodrębnionym modelem BERT, który został przeszkolony na nich. Dane były pobierane z aplikacji klienckiej na Typeform z połączeniem Plaid, wspieranym przez przyjaciół i rodzinę. Pracowaliśmy długie godziny i byliśmy ograniczeni finansowo na początku, ale pchani determinacją i oddaniem do tego biznesu.

Przeskoczmy do dzisiaj, nasza podróż doprowadziła nas do analizy i oznaczenia miliardów transakcji. W efekcie, mamy jedną z najbardziej kompletnych baz danych handlowców na świecie z blisko 100 milionami+ handlowców wzbogaconych o nazwy, adresy, tagi branżowe i więcej. Systematycznie rozwijaliśmy nasz zbiór transakcji – wykorzystując moc dużych modeli językowych na tych danych finansowych, co dało niezrównaną efektywność kosztową i szybkość. Ta zdolność ma potencjał, aby rewolucjonizować pejzaż finansowy.

Dlaczego dane finansowe są jednym z wielkich wyrównywań?

Dane finansowe pojawiają się jako potężne wyrównywanie ze względu na ich zdolność do wyrównania pola, zmniejszenia niepewności i wspierania zaufania. Kiedy dane są obfite i rafinowane, tłumaczy się to na zmniejszone ryzyko związane z podejmowaniem decyzji finansowych. Gdy ryzyko staje się bardziej zarządzalne, następuje przesunięcie. Koszt niepewności maleje, umożliwiając osobom podejmowanie bardziej poinformowanych i równych decyzji, co z kolei wyrównuje pole. Na przykład, jeśli mamy większy dostęp do danych i nie podejmujemy decyzji na podstawie wąskiego zestawu parametrów, nowy imigrant ma taki sam potencjał, jak osoba z dobrze ugruntowanym rodowodem, aby uzyskać korzystne warunki kredytu samochodowego lub kredytu hipotecznego. Podstawowa przeszkoda przedstawiona przez nierównowagi finansowe zaczyna się rozpuszczać, wprowadzając erę, w której szerszy zakres ludzi może uzyskać dostęp do korzystnych możliwości finansowych.

Jakie są niektóre z wyzwań związanych z budową AI, które mogą czytać i rozumieć transakcje finansowe jak człowiek?

Rozwój AI, które mogą zrozumieć transakcje finansowe jak ludzie, jest wyzwaniem ze względu na ich probabilistyczny charakter, który może prowadzić do błędów. W przeciwieństwie do ludzi, systemy AI nadal brak im struktur odpowiedzialności. Głównym wyzwaniem jest udoskonalenie systemów AI, aby zmniejszyć błędy i ich wpływ, jednocześnie zapewniając skalowalność. Ciekawe, że większe modele mogą złagodzić to wyzwanie, stopniowo poprawiając dokładność w czasie. Zwiększone możliwości i bogactwo danych mogą poprawić dokładność interpretacyjną AI, ostatecznie tworząc bardziej tolerancyjne środowisko błędów i przyspieszając powszechne przyjęcie tych systemów.

Czy mógłbyś omówić, jak Ntropy oferuje standaryzowane dane finansowe?

Ntropy funkcjonuje jako wszechobejmująca platforma, łącząca spektrum modeli językowych, od najbardziej obszernych po najbardziej kompaktowe, wraz z heurystykami. Modele te są szkolone przy użyciu surowych danych finansowych, wglądu ekspertów i przykładów oznaczonych przez maszyny. Naszym celem jest wydobycie znaczących spostrzeżeń z różnych ciągów transakcji i przedstawienie ich spójnie w łatwo zrozumiały sposób. Nasz zestaw składa się z API i intuicyjnego pulpitu, umożliwiającego szybką konwersję danych finansowych w ciągu milisekund. Ta funkcjonalność bezproblemowo integruje się z produktami i usługami użytkowników.

Jakie są niektóre z przypadków użycia tych danych?

Zastosowania tych danych są rozległe, obejmując całość operacji finansowych. Umożliwiają one różnorodne funkcje, w tym płatności, ustalanie składek, rachunkowość, inwestowanie i więcej. Elastyczność danych staje się widoczna w ich zdolności do wpływania na różne aspekty działalności finansowej, czy to w transferach funduszy, starannym prowadzeniu zapisów, czy optymalizacji wykorzystania kapitału.

Rozważmy transakcje bankowe lub aplikację do budżetowania. Szybki rzut oka ujawnia trudności w zrozumieniu zakupów ze względu na niestandardowe nazwy i opisy handlowców. Chociaż wiele firm próbowało rozwiązać ten problem za pomocą wewnętrznych rozwiązań, często nie radzą sobie one z skalowalnością, utrzymaniem i ogólnymi przypadkami użycia. Model niestandardowy jest geralnie tylko 60-70% dokładny i może zająć miesiące budowy.

Technologia Ntropy łączy miliardy punktów danych z globalnych baz danych handlowców, wyszukiwarek i modeli językowych szkolonych na skondensowanej wersji sieci, aby przetwarzać dane bankowe na czterech różnych kontynentach i sześciu plus językach. Umożliwiamy wykorzystanie dużych modeli językowych w skali finansowej, aby wspierać wszystkie funkcje back-office.

Jakie jest twoje wizja przyszłości Ntropy?

Nasza wizja dla Ntropy jest jasna: chcemy stać się firmą AI pionierską dla usług finansowych. Nasze silne podstawy danych i intuicji, wspierane przez poświęcony zespół, unikalnie nas umiejscowiły, aby napędzać prawdziwą zmianę. Co to tak naprawdę oznacza w praktyce? Chodzi o wykorzystanie najnowocześniejszych osiągnięć, aby przekształcić finanse i odblokować nowe poziomy produktywności, które wcześniej były poza zasięgiem.

Wszyscy wiemy, że bankowość może być droga. Ale wyobraź sobie, gdybyśmy mogli to zmienić. Redukując koszty, nie tylko cięciemy wydatki, ale również zachęcamy do zdrowej konkurencji, poprawiamy ekonomię systemu i ostatecznie czynimy usługi finansowe bardziej dostępnymi i wydajnymi dla wszystkich. To jest przyszłość, ku której dążymy – pejzaż finansowy, który jest sprawiedliwszy i bardziej przyjazny użytkownikom.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Ntropy.