Daniel Liechtenstein, CEO și Co-fondator al Hypercore – Interview Series

Daniel Liechtenstein, CEO și Co-fondator al Hypercore, este un antreprenor fintech și strateg financiar cu un parcurs ce cuprinde tehnologia de creditare, dezvoltarea de software, consultanță de afaceri și planificare financiară la scară largă. A co-fondat Hypercore în 2020 după ce a ocupat anterior funcția de Business Development Partner la Articode, unde s-a concentrat pe proiecte de software fintech și pe clienți din sectorul serviciilor financiare, și a lucrat independent ca consultant financiar și de afaceri pentru startup-uri și companii în creștere. La începutul carierei, Liechtenstein a deținut funcții senior de planificare financiară și strategie în cadrul Forțelor de Apărare ale Israelului și al Ministerului Apărării din Israel, unde responsabilitățile sale includeau gestionarea bugetelor majore de TIC, evaluarea investițiilor în tehnologie, negocierea acordurilor de amploare cu furnizori globali de tehnologie și contribuția la infrastructura cloud și la inițiativele de achiziții strategice.

Hypercore este o platformă tehnologică creată pentru fonduri de credit privat și creditori non-bancari, concepută pentru a moderniza infrastructura operațională din spatele creditării. Platforma sa end-to-end centralizează datele de împrumut și susține întregul ciclu de viață, de la origine și gestionarea pipeline-ului până la servicii, managementul sursei de finanțare, raportare și maturitate, automatizând multe dintre calculele și fluxurile de lucru tradițional gestionate prin foi de calcul și sisteme neintegrate. Recent, Hypercore și-a extins concentrarea asupra administrării împrumuturilor native AI, utilizând agenți AI alături de date structurate ale împrumutului și supraveghere profesională pentru a automatiza activitățile recurente de servicii, cum ar fi înregistrarea facilității, calculele, plățile, reconcilierea, notificările și raportarea. Platforma este concepută să ofere creditorilor vizibilitate în timp real a portofoliului, fluxuri de lucru auditate și infrastructura necesară pentru a scala operațiunile fără a extinde proporțional echipele administrative.

Când ați început Hypercore, ce credeți că lipsea din modul în care firmele de credit privat gestionau împrumuturile după încheiere? Și cum s-a schimbat această idee pe măsură ce AI s-a dezvoltat?

Am început Hypercore pentru că nu exista cu adevărat un sistem de gestionare a împrumuturilor creat pentru creditul privat.

Multe sisteme gestionează produsele de creditare standard destul de bine, dar creditul privat nu este standard. Implică structuri diferite, mecanisme de plată diferite, clauze, amendamente, waterfall-uri, grupuri de creditori și altele. Niciun acord nu este identic, iar firmele se bazează mult prea mult pe foi de calcul și procese manuale.

Ideea noastră a fost să construim o infrastructură care să poată reprezenta corect împrumutul și să îl gestioneze pe tot parcursul ciclului său de viață.

Această idee a evoluat când am realizat că, odată ce avem acea infrastructură la bază, AI poate face ceva util cu ea. Dacă împrumutul este reprezentat corect în sistem și cunoașteți starea sa actuală, AI poate înțelege un eveniment, aplica termenii împrumutului, porni fluxul de lucru, actualiza sistemele, pregăti rezultatul și implica o persoană când este necesar un judecăți uman sau aprobare.

Această realizare este cea care ne-a determinat să începem să oferim servicii de administrare a împrumuturilor alături de software. Folosim infrastructura pe care am construit-o deja, împreună cu agenți AI și echipa noastră de operațiuni, pentru a desfășura activitatea.

Infrastructura trebuie să fie prima, dar, odată ce o aveți, puteți folosi AI pentru a schimba modul în care sunt finalizate operațiunile post-închidere.

Majoritatea discuțiilor despre AI în creditul privat s-au concentrat pe subscriere și diligență. De ce credeți că oportunitatea mai mare ar putea apărea de fapt după încheierea împrumutului?

Subscrierea este locul evident de început, deoarece există multe de citit și analizat, iar AI este foarte bun la asta. Totuși, acel proces durează doar câteva săptămâni. După închidere, sunteți responsabil pentru împrumut pe parcursul mai multor ani, având de gestionat plăți, modificări ale ratei, amendamente, teste de clauze, retrageri, notificări, reconciliere, raportare și altele. În plus, de fiecare dată când portofoliul crește, toată acea muncă crește odată cu el.

Dacă AI economisește unui profesionist în investiții o oră în timpul subscrierii, este util. Dar dacă reduce cantitatea de muncă manuală necesară pentru a gestiona zilnic un portofoliu, este enorm.

Ce ca administrarea unui împrumut pe parcursul a cinci sau șapte ani să fie mai dificilă de automatizat decât analizarea lui în momentul în care tranzacția este inițial subscrisă?

Dacă solicitați unui sistem AI să rezume un acord de credit, este o sarcină destul de simplă. Cineva verifică răspunsul AI și continuă.

Însă administrarea nu funcționează așa. Calculul din această lună poate fi influențat de un amendament din anul trecut, de o reajustare a ratei de acum trei luni și de o plată din săptămâna trecută. Starea împrumutului, și de fapt împrumutul în sine, se schimbă continuu. Acordul inițial este doar punctul de plecare. Trebuie, de asemenea, să fiți la curent cu amendamentele, renunțările, alegerile și orice altceva care a fost convenit în afara documentului inițial.

Acest lucru nu este ușor! Nu este doar o chestiune de a citi documente; trebuie să mențineți un instrument financiar activ pe parcursul mai multor ani și să vă asigurați că fiecare eveniment nou este aplicat corect. Dacă greșiți la început, eroarea se poate propaga în calculele viitoare timp de luni sau chiar ani, înainte ca cineva să o observe.

Mulți manageri încă își păstrează propriul „shadow book” pentru a verifica munca administratorului lor. De ce a devenit atât de comun? Și ce ar trebui să se schimbe pentru ca firmele să se simtă confortabil să renunțe la el?

Dacă un administrator îți trimite un calcul fără nicio informație despre cum a ajuns la el, probabil că și tu ai recalcula! Exact asta este „shadow book”. Creează muncă dublă, dar există dintr-un motiv; managerul trebuie să știe că cifrele sunt corecte.

Pentru a elimina „shadow books”, managerii vor avea nevoie de mult mai multă vizibilitate asupra muncii, inclusiv ce intrări au fost folosite, ce termeni au fost aplicați și ce, dacă ceva, s-a schimbat.

Dacă managerul și administratorul lucrează pe aceeași înregistrare de împrumut de bază, nu există nevoie de „shadow books”. Totuși, nu cred că cineva le va renunța doar pentru că un nou furnizor le spune că pot. Încrederea va trebui câștigată prin rezultate precise pe o perioadă de timp.

Există o diferență mare între IA care poate citi un contract de credit și IA care poate efectua efectiv munca de administrare. Ce trebuie să aibă un sistem înainte să îi acorzi încrederea de a executa acele fluxuri de lucru?

Necesită mai multe lucruri, inclusiv:

• O înregistrare de împrumut fiabilă
• Cunoașterea activităților anterioare
• Acces la sistemele în care se finalizează munca
• Conștientizarea momentului în care o sarcină este finalizată și ce trebuie făcut dacă ceva nu pare în regulă

Luați, de exemplu, o plată. Evident, IA trebuie să calculeze plata, dar nu se oprește aici.

Plata trebuie, de asemenea, procesată, pot fi necesare distribuirea notificărilor, actualizarea sistemelor, revizuirea de către un om și reconcilierea numerarului ulterior.

Iar toleranța la greșeli este foarte scăzută. De aceea echipa noastră este responsabilă pentru serviciul de administrare pe care îl oferim. IA face o parte din muncă în fundal, dar nu pretindem că software‑ul în sine este în vreun fel responsabil pentru rezultat.

Odată ce IA începe să intervină în plăți, alocări și rapoarte pentru investitori, cum decideți ce poate gestiona singură și unde este încă necesară intervenția umană?

Sincer, depinde de ce se întâmplă dacă sistemul greșește. Există multe situații în care IA poate face munca automat, cum ar fi extragerea informațiilor, reconcilierea înregistrărilor, identificarea anomaliilor – astfel de lucruri. Dar dacă mutați numerar sau trimiteți ceva în exterior, trebuie să intervină o persoană.

Spunând asta, cred că se pune prea mult accent pe existența unui pas de aprobare umană și nu suficient pe ce poate vedea efectiv acea persoană. Dacă îi dau cuiva un număr și un buton de aprobare, nu e de mare ajutor. Au nevoie de capacitatea de a înțelege de unde provine numărul fără să piardă o oră refăcând calculul.

Pe scurt, dacă o rată se modifică, sistemul trebuie să poată furniza rata veche, rata nouă, documentul sursă și intrările. Atunci un om poate revizui efectiv.

Pe măsură ce sistemul se dovedește pe un flux de lucru, puteți automatiza mai mult din el, dar nu faceți asta doar pentru că a fost lansat un model nou.

Împrumuturile private de credit pot fi incredibil de personalizate. Cum automatizați în jurul lor fără să cereți unui model IA să reinterpretze efectiv tranzacția de fiecare dată când se întâmplă ceva?

IA este utilă când citiți documentele și înțelegeți cum funcționează tranzacția. Un acord de 200 de pagini plus amendamente este exact tipul de lucru în care IA poate ajuta. Apoi, odată ce înțelegeți structura, IA poate ajuta la maparea tranzacției în modelul de împrumut pentru a fi reprezentată corect. După aceea, calculele sunt deterministice.

Dacă împrumutul are un waterfall, o componentă PIK, mai multe tranșe sau o reducere de preț, aceste reguli sunt în sistem. Nu cerem unui model lingvistic să recite documentele de fiecare dată când sosește o plată! Managerii trebuie să poată reproduce și explica fiecare calcul; este imposibil dacă modelul reinterpretă tranzacția de fiecare dată când se întâmplă ceva.

Riscul de investiție atrage în mod natural cea mai mare atenție în creditul privat. Ce tipuri de risc operațional credeți că managerii tind să subestimeze?

Managerii subestimează lucrurile mici: un amendament care este reflectat într-un loc, dar nu în altul; o reconciliere care are loc mai târziu decât era de așteptat; un angajat care, fără să știe, lucrează dintr-o versiune veche a termenilor.

În general nu este un eșec colosal unic, ci o problemă mică care rămâne greșită în fundal o perioadă înainte să înceapă să afecteze alte lucruri.

De exemplu, dacă calculați ceva pe baza unui termen greșit, asta se propagă într-o plată și apoi apare în rapoarte. Până când cineva observă, va trebui să revizuiți luni de muncă.

IA poate ajuta prin reducerea acelei ferestre de timp. Dacă puteți reconcilia în fiecare zi în loc de sfârșitul trimestrului, puteți identifica problemele mult mai rapid. Dacă fiecare amendament este preluat și reflectat în sistem imediat, reduceți șansa ca oamenii să lucreze din versiuni diferite ale împrumutului.

Nu este la fel de incitant ca ideea ca AI să ia decizii de investiție, dar din punct de vedere operațional face o diferență mare.

Pentru o firmă care are ani de împrumuturi stocate în sisteme vechi, foi de calcul, PDF-uri și e‑mail, ce este cu adevărat dificil în trecerea la un nou mediu operațional?

Identificarea datelor corecte.

O firmă ar putea avea termeni într-un acord de credit, solduri într-un alt sistem, amendamente într-un dosar, istoric de plăți într-un e‑mail și chiar un context important care există doar în memoria unui singur membru al echipei!

Așadar, mai întâi trebuie să reconstruiți împrumutul așa cum este astăzi. Apoi trebuie să îl comparați cu ceea ce spune sistemul existent. Uneori cifrele nu coincid și trebuie să înțelegeți de ce. Poate ceva a fost mapat incorect în timpul migrației?  Poate a existat o ajustare manuală cu ani în urmă? Sau poate sistemul vechi era pur și simplu greșit. Oricum ar fi, nu puteți ignora diferența.

Recomandăm să rulați mediile vechi și noi în paralel pentru o perioadă, să comparați rezultatele, să investigați diferențele și să puneți totul în ordine înainte de a finaliza migrarea.

Nu este cea mai rapidă metodă de migrare, dar pentru un portofoliu de împrumuturi activ, viteza nu ar trebui să fie obiectivul principal.

Dacă AI permite firmelor să administreze portofolii mult mai mari cu echipe operaționale mai mici, cum credeți că se va schimba rolul administratorului tradițional de împrumuturi?

Administrarea însemna înainte lucru manual, dar dacă AI poate face majoritatea sarcinilor, noul rol al administratorului de împrumuturi este să se asigure că cifrele sunt corecte și să corecteze rapid orice problemă apărută.

Managerii ar putea prelua efectiv mai mult din muncă, în funcție de numărul de persoane pe care le au și de capacitatea lor de a livra munca cu acuratețe și transparență. Totuși, multe firme vor prefera în continuare externalizarea. Echipele operaționale mici funcționează doar dacă cunoștințele membrilor anteriori sunt capturate undeva. Dacă eliminați oamenii din proces fără să faceți acest lucru, nu ați îmbunătățit neapărat nimic.

Vă mulțumim pentru interviul excelent, cititorii care doresc să afle mai multe ar trebui să viziteze Hypercore.