Naré Vardanyan, Co-Fundador & CEO da Ntropy – Série de Entrevistas

Naré Vardanyan, Co-Fundador & CEO da Ntropy, uma plataforma que permite que desenvolvedores analisem transações financeiras em menos de 100ms com precisão super-humana, desbloqueando o caminho para uma nova geração de finanças autônomas, alimentando produtos e serviços que nunca antes foram possíveis. Ela converte fluxos brutos de transações em informações contextualizadas e estruturadas, combinando dados de múltiplas fontes, incluindo modelos de linguagem natural, mecanismos de busca, bancos de dados internos, APIs externas e dados de transações existentes de toda a nossa rede.

Você cresceu na Armênia, sem eletricidade durante uma guerra. Pode compartilhar alguns detalhes sobre esses primeiros dias e como isso o levou a trabalhar para as Nações Unidas?

Essa experiência foi compartilhada por uma geração inteira na Armênia. Ela me deu um senso de imaginação e a capacidade de encontrar soluções mesmo com poucos recursos. Como os outros que cresceram em uma zona de conflito, esse período da minha vida teve um impacto profundo sobre como vejo o mundo. Essas circunstâncias difíceis nutriram um senso de responsabilidade compartilhada dentro da comunidade e um impulso resoluto para trazer mudanças positivas. Percebendo que nossos desafios iam além de lutas individuais, senti um chamado para pensar em uma escala mais ampla e canalizar meus esforços. Isso, por sua vez, me direcionou para as Nações Unidas.

As Nações Unidas surgiram como a plataforma ideal para contribuir de forma significativa. Dada a posição geopolítica precária da Armênia e minha aspiração de influenciar questões globais, acreditei que colaborar com as Nações Unidas ofereceria uma oportunidade de realmente fazer a diferença. Ao fazer parte de discussões e decisões importantes, meu objetivo era ter um impacto significativo nos problemas do mundo.

Você logo se desiludiu com as Nações Unidas, como então mudou para querer trabalhar na área de tecnologia?

A desilusão com as Nações Unidas foi fundamentada em sua natureza lenta e burocrática, o que eventualmente levou a uma mudança em minhas aspirações de carreira. Embora as Nações Unidas tivessem suas vantagens, percebi que elas muitas vezes careciam de ação eficaz e a capacidade de impulsionar mudanças autênticas. Essa percepção me guiou para redirecionar meu foco para o mundo da tecnologia – um espaço dinâmico e sem restrições.

No mundo da tecnologia, ferramentas inovadoras estão prontamente disponíveis e constantemente avançando, concedendo aos indivíduos a capacidade de impulsionar transformações sem obstáculos desnecessários. Esse ambiente fomenta a transformação de ideias em realidade, sem a necessidade de permissões desnecessárias – um aspecto que realmente me fascinou. O potencial de fazer um impacto substancial e amplo por meio da tecnologia se tornou um chamado irresistível, me compelindo a me imergir nesse campo vibrante.

Quais foram alguns dos primeiros projetos de dados em que você trabalhou?

Um dos meus projetos iniciais foi criar um aplicativo focado na saúde mental de adolescentes. O aplicativo usava dados de haptics passivos e inteligência conversacional para identificar sinais precoces de transtorno bipolar. Naquela época, o campo do processamento de linguagem natural não era tão avançado quanto é hoje, o que é bastante notável considerando que foi apenas cerca de seis anos atrás quando esse projeto foi iniciado. Nosso trabalho foi uma das primeiras iniciativas de pesquisa e desenvolvimento nesse espaço, e mais tarde vendemos nossa propriedade intelectual para seguradoras para análise interna e subscrição.

Você anteriormente investiu em empresas de AI e ML por meio da AI Seed, sediada em Londres, quais foram alguns dos traços comuns que você observou em startups de AI bem-sucedidas?

Um fio condutor constante foi ter acesso exclusivo a dados, juntamente com a capacidade de aproveitar esses dados para lidar com problemas do mundo real. Além disso, é crucial reconhecer que, dentro do âmbito de empresas de AI aplicadas, o foco vai além de apenas construir modelos; ele se desloca para a criação de produtos e serviços impactantes e valiosos. Equipes que compreendem e abraçam essa perspectiva são as que realmente prosperam no cenário de AI/ML. Por exemplo, a Predina usa AI para prever o risco de um acidente de veículo em um local e horário específicos, enquanto a Observe Technologies usa algoritmos proprietários para apoiar fazendas de peixes a crescer alimentos de forma sustentável.

Pode compartilhar a história de gênese por trás da Ntropy?

A Ntropy nasceu da ideia de que algumas das informações mais importantes do mundo estão escondidas em transações financeiras. Até agora, esses dados viveram em silos, o que é desorganizado e difícil de trabalhar. Criamos a Ntropy para ser o primeiro motor de dados financeiros verdadeiramente global, transindustrial, transgeográfico e multilíngue que pode fornecer precisão de nível humano. Ao criar uma linguagem comum e um sistema para entender dados financeiros, estamos equalizando a confiança e o acesso ao dinheiro para empresas e indivíduos em qualquer lugar. Ao ter a capacidade de entender e interpretar essas transações, a dinâmica do dinheiro pode ser redefinida, juntamente com a acessibilidade a ele.

Tivemos uma história de startup bastante arquetípica. No início, meu co-fundador Ilia e eu operávamos a partir do porão de um prédio de escola abandonado e empoeirado. Começamos com 20k transações e um modelo BERT destilado treinado nelas. Os dados foram inicialmente obtidos de um aplicativo de consumidor no Typeform com uma conexão Plaid, e apoiados por amigos e familiares. Estávamos trabalhando longas horas e com poucos recursos no início, mas impulsionados pela determinação e dedicação a esse negócio.

Avançando para hoje, nossa jornada nos levou a analisar e rotular bilhões de transações. Como resultado, agora temos um dos bancos de dados de comerciantes mais abrangentes do mundo, com cerca de 100M+ comerciantes enriquecidos com nomes, endereços, tags de indústria e mais. Continuamos expandindo nosso repositório de transações – aproveitando o poder dos LLMs nesses dados financeiros entregou uma eficiência de custo e velocidade sem precedentes. Essa capacidade tem o potencial de revolucionar o cenário financeiro.

Por que os dados financeiros são um dos grandes equalizadores?

Os dados financeiros surgem como um poderoso equalizador devido à sua capacidade de nivelar o campo de jogo, reduzir a incerteza e fomentar a confiança. Quando os dados são abundantes e refinados, isso se traduz em riscos diminuídos associados à tomada de decisões financeiras. À medida que o risco se torna mais gerenciável, uma mudança ocorre. O custo da incerteza diminui, permitindo que os indivíduos tomem decisões mais informadas e equitativas, o que, por sua vez, nivela o campo de jogo. Por exemplo, se tivermos um acesso maior a dados e não mais tomarmos decisões com base em um conjunto muito restrito de parâmetros, um novo imigrante tem o mesmo potencial que alguém de uma linhagem bem estabelecida para obter condições favoráveis em um empréstimo para carro ou hipoteca. Essencialmente, o obstáculo apresentado pelos desequilíbrios financeiros começa a se dissolver, introduzindo uma era em que uma gama mais ampla de pessoas pode acessar oportunidades financeiras vantajosas.

Quais são alguns dos desafios por trás da construção de uma IA que pode ler e entender transações financeiras como um humano faria?

Desenvolver uma IA capaz de compreender transações financeiras como os humanos pode é desafiador devido à sua natureza probabilística, que pode levar a erros. Ao contrário dos humanos, os sistemas de IA ainda carecem de estruturas de responsabilidade. O principal desafio é refinar os sistemas de IA para reduzir erros e seu impacto, garantindo ao mesmo tempo a escalabilidade. Interessantemente, modelos maiores podem aliviar esse desafio, gradualmente melhorando a precisão com o tempo. Capacidades ampliadas e uma riqueza de dados podem melhorar a precisão interpretativa da IA, eventualmente cultivando um ambiente mais indulgente com erros e acelerando a adoção generalizada desses sistemas.

Pode discutir como a Ntropy oferece dados financeiros padronizados?

A Ntropy funciona como uma plataforma abrangente, reunindo uma gama de modelos de linguagem, desde os mais extensos até os mais compactos, em conjunto com heurísticas. Esses modelos são treinados usando dados financeiros brutos, insights de especialistas e amostras rotuladas por máquina. Nosso objetivo é extrair insights significativos de uma variedade de strings de transações e apresentá-los de forma coesa e facilmente compreensível. Nossa suíte compreende APIs e um painel intuitivo, permitindo a conversão rápida de dados financeiros dentro de milissegundos. Essa funcionalidade se integra perfeitamente aos produtos e serviços dos usuários.

Quais são alguns dos casos de uso por trás desses dados?

As aplicações para esses dados são extensas, abrangendo toda a operação financeira. Eles habilitam funções diversificadas, incluindo pagamentos, subscrição, contabilidade, investimentos e mais. A adaptabilidade dos dados se torna clara em sua capacidade de impactar vários aspectos das atividades financeiras, seja em transferências de fundos, manutenção de registros meticulosos ou otimização do uso de capital.

Considere transações bancárias ou um aplicativo de orçamento. Um olhar rápido revela as dificuldades em entender compras devido a nomes e descrições de comerciantes não padronizados. Embora muitas empresas tenham tentado abordar essa questão por meio de soluções internas, elas frequentemente falham em termos de escalabilidade, manutenção e generalização. Um modelo personalizado geralmente é apenas 60-70% preciso e pode levar meses para ser construído.

A tecnologia da Ntropy combina bilhões de pontos de dados de bancos de dados de comerciantes globais, mecanismos de busca e modelos de linguagem treinados em uma versão condensada da web para processar dados bancários em quatro continentes diferentes e seis ou mais idiomas. Estamos habilitando o uso de grandes modelos de linguagem em escala na área financeira para apoiar todas as funções de back-office.

Qual é sua visão para o futuro da Ntropy?

Nossa visão para a Ntropy é clara: pretendemos nos tornar a empresa de IA Vertical de referência para serviços financeiros. Nosso forte alicerce de dados e intuição, apoiado por uma equipe dedicada, nos posicionou de forma única para impulsionar mudanças reais. Então, o que isso realmente significa na prática? É sobre aproveitar os últimos avanços para transformar as finanças e desbloquear novos níveis de produtividade que anteriormente estavam fora do alcance.

Todos sabemos que o banco pode ser caro. Mas imagine se pudéssemos mudar isso. Ao reduzir os custos, não estamos apenas cortando despesas, estamos incentivando uma concorrência saudável, melhorando a economia do sistema e, em última análise, tornando os serviços financeiros mais acessíveis e eficientes para todos. Esse é o futuro que estamos trabalhando para alcançar – um cenário financeiro que é mais justo e mais amigável ao usuário.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Ntropy.