Michael Rangel, grundare av Novo – Intervjuserie

Michael Rangel, grundare av Novo, är en fintech‑entreprenör som grundade företaget 2016 och var dess VD i mer än nio år, och hjälpte till att förvandla Novo från ett tidigt koncept till en finansiell plattform som betjänar småföretag. Under sin mandatperiod arbetade Rangel med produktutveckling, kapitalanskaffning, rekrytering, drift, partnerskap och go‑to‑market‑strategi, och bidrog till att företaget samlade in mer än $170 miljoner i finansiering. Han avgick som VD i april 2025 men är fortfarande involverad som Novos grundare och styrelseledamot och stödjer dess långsiktiga uppdrag att stärka entreprenörer och självständiga företag. Innan han grundade Novo tillbringade Rangel mer än fem år med handelsadministration och drift på Fairholme Capital Management, efter en tidigare driftsroll på Smith Barney.

Novo är en fintech‑plattform som är speciellt utformad för självständiga företag, entreprenörer, frilansare och småföretagare, och kombinerar företagskonton med verktyg för betalningar, fakturering, utgiftshantering, kassaflödesplanering, utlåning och företagskredit. Plattformen integreras med mer än 40 affärsverktyg, inklusive QuickBooks, Stripe, Shopify, Square och Xero, och hjälper företag att koppla banktjänster till bokföring, betalningar och operativa arbetsflöden. Novo använder också AI som drivs av modeller från OpenAI, Anthropic och Google för att effektivisera processer som onboarding och kategorisering av utgifter. Företaget uppger att plattformen används av mer än 250 000 självständiga företag. Novo är i sig en fintech snarare än en bank, med banktjänster och insättningar som är försäkrade av Federal Deposit Insurance Corporation (FDIC) och tillhandahålls genom partnern Middlesex Federal Savings.

Du grundade Novo 2016 och tillbringade nästan ett decennium med att bygga den kring småföretagens finansiella behov. När du ser tillbaka på de problem du ville lösa då, vilka av dem tror du att AI nu kan lösa på sätt som helt enkelt inte var möjliga när du startade företaget?

AI kan ha en djupgående inverkan på hur du driver ett företag och levererar värde till kunderna. När vi startade Novo var ett av de problem vi ville lösa att ett företag med $1 000 per år, ett företag med $100 000 per år och ett företag med $1 miljon per år kan skapa en förvånansvärt liknande operativ börda för en bank. Du måste fortfarande stödja onboarding, regelefterlevnad, bedrägeri, säkerhet, transaktionsövervakning och kundservice, oavsett hur mycket intäkter den kunden genererar för dig. Det innebar att banker var tvungna att bygga stora driftteam för att stödja kunder som individuellt inte alltid var så värdefulla för dem.

För tio år sedan trodde vi att mjukvara kunde hjälpa till att förändra den ekvationen. AI tar nu den idén mycket längre. En regelefterlevnadsspecialist kan använda AI för att sammanfatta information, bearbeta dokument och utarbeta rapporter eller svar, vilket gör att en person kan hantera mer än tio gånger den volym de kunde tidigare. Våra kundserviceteam kan låta AI ta hand om rutinfrågor så att människor kan ägna sin tid åt de problem som faktiskt kräver omdöme. Bedrägerimodeller kan identifiera potentiella problem tidigare och hjälpa oss återvinna förluster snabbare när något går fel. AI har gett oss ett mycket bättre sätt att leverera det Novo byggdes för att göra, nämligen att erbjuda en bankupplevelse som fungerar för företag oavsett deras storlek.

Småföretag har historiskt saknat tillgång till finansavdelningar, analytiker och sofistikerad programvara som är tillgänglig för större företag. Hur mycket kan AI realistiskt sett minska den resursklyftan, och var kommer mänsklig expertis fortfarande att vara avgörande?

AI utvecklas otroligt snabbt, men takten ser väldigt olika ut beroende på var du befinner dig. Om du arbetar med teknik i San Francisco eller New York har du sannolikt en helt annan upplevelse av AI än en småföretagare som bara försöker driva sitt företag.

Många av de problem som småföretag möter ligger redan inom AI:s räckhåll. Den större utmaningen är att tekniken utvecklas snabbare än människor kan lära sig att använda den. Därför är jag intresserad av vad företag som Anthropic gör med produkter som är avsedda att ge mindre tekniska användare en startpunkt.

Mänsklig expertis försvinner inte, men AI kan minska klyftan genom att göra den expertisen mer tillgänglig. Jag har sett produkter som April Tax göra saker som tidigare krävde mycket tid och specialkunskap mycket enklare för en småföretagare. Vi är inte på en punkt där AI kan sätta ditt företag på autopilot, men om du någonsin har förlorat en hel helg med att förbereda skattedeklarationen, så är det viktigt att få tillbaka den tiden.

Var ser du att AI skapar mest konkret värde för småföretagare idag, särskilt när det gäller kassaflödesprognoser, utgiftshantering, budgetering och dagliga finansiella beslut?

En av de mest användbara AI‑tillämpningarna vi har byggt på Novo är faktiskt något som låter ganska enkelt, nämligen transaktionsmärkning. Historiskt har det krävts en enorm mängd träningsdata för att få dessa modeller att fungera bra, och även då kan man nå omkring 80 % noggrannhet. Det är inte tillräckligt när du hanterar någons finansiella information eftersom du fortfarande måste kontrollera allt.

Genom att använda en mindre mängd av våra egna data, vissa modell‑destilleringstekniker och frontier‑modeller när våra system inte är säkra, har vi drivit upp noggrannheten till väl över 97 % och närmare 99 % på senare tid. När du kan förstå exakt vad varje transaktion representerar kan du bygga mycket mer användbara finansiella verktyg på den datan. Det kan driva kostnads‑dashboards, grundläggande FP&A och till och med hjälpa ett företag att separera pengar för saker som löner och leverantörsbetalningar så att de inte av misstag spenderar dem någon annanstans.

Det som är intressant är att LLM:er är förvånansvärt bra på klassificering och klustring. Det betyder att vi kan ta ett företags transaktioner och börja bygga en personlig bild av dess ekonomi utan den ingenjörskomplexitet som tidigare krävdes. För vår kundbas är dagens AI:s möjligheter faktiskt före den komplexitet som problemen vi försöker lösa har. Det är ett ganska spännande läge att befinna sig i.

En av AI:s löften är att flytta finansiell mjukvara från att bara visa företagare vad som har hänt till proaktivt att berätta vad de bör göra härnäst. Hur ser en genuint intelligent finansiell plattform ut i praktiken?

Den bästa bankupplevelsen du kan ha är fortfarande att prata med någon på din bank som känner till allt om ditt företag. De förstår din historik, vad du försöker uppnå och vad du kan behöva härnäst. Mjukvara har alltid varit en möjliggörare för den relationen, men den har inte ersatt den.

För mig känns en genuint intelligent finansiell plattform som att du har minskat antalet personer du behöver i rummet för att sköta ditt företag. Du ska kunna ställa en fråga, få ett svar, se rätt information och få användbara råd utan att behöva lista ut var du själv ska leta. Det viktiga är att du litar på svaret.

På Novo säger vi ibland att vi konkurrerar med trottoaren. Att gå till en bankrådgivare är fortfarande en bra upplevelse. Det finns ingen app att navigera, någon känner dig och kan vägleda dig baserat på ditt företag. Vad AI ger oss är chansen att föra en del av den upplevelsen till en underbetjänad grupp företag i en skala som tidigare inte var möjlig. För våra kunder är den möjligheten äntligen inom räckhåll.

Kan AI så småningom fungera som en slags virtuell Chief Financial Officer för ett litet företag, som kontinuerligt övervakar ekonomin, identifierar risker och rekommenderar åtgärder? Vilka förmågor måste mogna innan entreprenörer kan lita på ett sådant system?

Ja, och jag säger det med säkerhet eftersom det är något vi redan bygger. Tidigare i år släppte vi vår AI‑Agent‑infrastruktur specifikt för att röra oss mot den visionen.

Det svåra är inte att få en modell att svara på en fråga. Det är att bygga något som människor kan lita på med sina ekonomiska liv. Det lärde vi oss på egen hand. Vår första beta‑kohort var bra, men den var inte tillräckligt bra för att vi skulle kunna säga att upplevelsen inte så småningom skulle bryta någons förtroende. Så vi fortsatte att driva på, förbättra hur systemet lär sig, hur specialiserade agenter samarbetar och hur de använder den information och de verktyg som finns tillgängliga för dem.

Det vi har byggt är i princip ett bankspecifikt system av agenter, med olika agenter som hanterar saker som transaktioner, bedrägeri, kort och ACH, var och en med sina egna verktyg och kunskaper. Det krävde mycket arbete att komma dit, men resultaten är nu genuint bra. Vi vill inte rusa fram något sådant bara för att AI är i rampljuset. Det vore orättvist mot kunden. Men för företag i den storlek vi betjänar tror jag att det ögonblicket har kommit, och det är otroligt spännande.

Tillgång till kapital är fortfarande en av de största utmaningarna för småföretag. Hur skulle AI kunna förändra underwriting och utlåning, och skulle alternativa data kunna låta finansiella institutioner utvärdera företag som traditionella kreditmodeller tenderar att förbise?

Det är ett område där jag tror att samtalet blir förvirrat. Det handlar egentligen inte om AI. Det handlar om rättvisa och att förstå vad dessa modeller faktiskt kan.

Du bör aldrig använda en frontier‑språkmodell som den modell som fattar ett kreditbeslut. LLM:er är icke‑deterministiska, vilket betyder att samma indata kan ge olika utdata. Traditionella maskininlärningsmodeller som används för kreditbeslut är deterministiska, så samma indata ger samma resultat. Den skillnaden är enormt viktig när du bestämmer vem som får kredit. Du måste veta vilka faktorer som driver beslutet, testa för bias och kunna rätta till problem när de uppstår.

AI kan absolut hjälpa oss att bygga bättre modeller för att förstå risk, och vi gör det extremt bra på Novo. Men jag tror inte att AI ensam löser det större problemet med småföretags tillgång till kapital. Mycket av det problemet kommer från den regulatoriska miljö som skapats av Basel‑ramverket, vilket förändrade ekonomin för småföretagslån för banker och gjorde dem mindre benägna att ta dessa risker.

Vi säger alltid att småföretag är ekonomins ryggrad, men vi har byggt ett finansiellt system kring dem där många av besluten som påverkar deras överlevnad fattas i rum som de inte får tala i. Det är ett mycket större problem än huruvida vi har en bättre AI‑modell.

AI blir också allt viktigare för bedrägeridetektion och finansiell säkerhet. Hur kan finansiella plattformar använda AI för att identifiera misstänkt aktivitet utan att skapa alltför många falska positiva eller göra legitima transaktioner svårare för småföretag?

AI är särskilt användbart för att upptäcka saker som inte ser rätt ut. Språkmodeller är förvånansvärt bra på klassificering och klustring, vilket innebär att du kan använda dem för att identifiera ovanligt beteende till en relativt låg kostnad.

Den viktiga skillnaden är att jag inte skulle använda en icke-deterministisk modell för att fatta det slutgiltiga beslutet. Jag skulle använda den för att flagga och sedan låta en deterministisk modell fatta beslutet. Så har vi hanterat bedrägeri på Novo.

Vi samarbetar också med företag som Sardine, som kan föra in mönster från ett mycket bredare urval av finansiella institutioner i våra modeller. De kan hjälpa oss att identifiera saker som referenser som tidigare har kopplats till bedrägeri eller beteenden som liknar automatiserad aktivitet. Vi har byggt upp en stark bedrägeriverksamhet kring den kombinationen av teknik och expertis. Säkerhet är alltid ett kapprustningsspel, men AI ger oss bättre verktyg för att ligga steget före.

Finansiella AI‑system kan ha tillgång till extremt känslig information om ett företags intäkter, kostnader, kunder och ekonomiska hälsa. Vilka skyddsåtgärder bör entreprenörer förvänta sig när det gäller dataskydd, säkerhet och användning av deras finansiella data för att träna AI‑modeller?

Det finns flera lager i detta, med början i policyn och villkoren för de modeller du använder. De stora leverantörerna av frontier‑modeller har företags‑ och API‑erbjudanden där kunddata inte används för att träna deras modeller, men det finns fortfarande en viktig skillnad mellan att använda en modell via ett API och att använda den via en konsumentinriktad applikation där din konversationshistorik lagras.

Det finns också en fråga om hur mycket information du faktiskt vill ge ett AI‑system. På Novo har vi designat våra agenter så att kunderna kan göra det valet. Du kanske vill att en agent svarar på frågor enbart med vår bankkunskap, eller bara pekar dig till var informationen finns i appen, eller så kan du känna dig bekväm med att ge den mer av dina finansiella data eftersom det ger ett bättre svar.

Vi har också placerat system mellan kunddata och modellerna som automatiskt kan ta bort känslig information såsom EIN‑nummer och personnummer, och vi testar våra system upprepade gånger för att säkerställa att de inte avslöjar information de inte bör. Det är det som gör det svårt att bygga bra AI. Det handlar inte bara om att göra modellen smart. Du måste bygga skyddsåtgärder runt den och fortsätta testa dem.

Det finns enorm entusiasm kring AI i fintech just nu. Vilka tillämpningar tror du är verkligt transformerande för småföretag, och var tror du att branschen för närvarande överskattar vad AI kan leverera?

Det bör finnas entusiasm för AI i alla branscher. Vi har sett den här filmen förut. Internet förändrade hur vi distribuerade mjukvara, webbläsare förändrade hur vi fick åtkomst till den, molntjänster förändrade hur vi distribuerade den, och mobil förändrade var vi kunde använda den. AI förändrar nu hur vi upplever mjukvara.

Det jag finner mest intressant är att vi också förändrar mjukvarans språk. Människor kan i allt högre grad skapa mjukvara genom att beskriva vad de vill ha på naturligt språk istället för att lära sig JavaScript eller Python. I årtionden var den tekniska kunskapen en av de faktorer som höll mjukvaruutveckling bakom en grind. Den grinden börjar nu falla, vilket är en del av varför företag som Lovable och Replit har vuxit så snabbt.

Samtidigt tror jag att vi fortfarande är väldigt tidigt ute. Mycket av hypen kommer från personer i Silicon Valley som upplever AI i en helt annan takt än alla andra. Företagen som får verkligt värde från den behandlar den inte som magi. De försöker ta reda på vad den faktiskt kan göra och tillämpa den på problem där den fungerar.

Vi är fortfarande i början av detta. När du jämför AI‑adoption med de tidiga adoptionskurvorna för internet och mobil är det otroligt tidigt. Så jag tror att avfärda AI för att dagens teknik inte lever upp till viss hype vore som att titta på det tidiga internet och besluta att det var en trend.

Framåt i tiden, hur tror du att AI kommer att omforma småföretagsbankverksamheten? Kan vi så småningom gå från dagens modell med konton, instrumentpaneler och finansiella verktyg till autonoma finansiella plattformar som aktivt hanterar en stor del av ett företags finansiella verksamhet på ägarens vägnar?

Detta är den vision vi bygger på Novo. I grunden vill vi återskapa upplevelsen av att ha en utmärkt bankrådgivare på din telefon. Du ska kunna ställa en fråga och få ett svar, få ett diagram eller en rapport genererad när du behöver det, få information om kredit när tidpunkten är rätt, upptäcka försäkringar när ditt företag växer och till och med lära dig om bidrag eller skatteändringar som kan gynna dig.

Innovation handlar inte bara om att låta AI göra saker åt dig. Det handlar om att få AI att göra dessa saker så bra att du faktiskt litar på den. Det är mycket svårare än det låter, och jag tror att förtroende blir en funktion i själva produkten.

AI kan hålla mycket mer information i kontext än en människa kan, men den kan inte ersätta de mänskliga relationerna som faktiskt driver företag framåt. Människor tar riskerna, bygger relationerna och skapar möjligheterna som får ekonomin att röra sig. Det är därför vårt framgångsmått på Novo inte handlar om att få dig att spendera mer tid i vår app. Det är tvärtom. Vi vill att du ska spendera så lite tid där som möjligt och åstadkomma mer på de få minuterna än du kunde tidigare.

Tack för den fantastiska intervjun, läsare som vill lära sig mer bör besöka Novo.