Raj Bakhru, medgrundare och VD för BlueFlame AI – Intervjuserie

Raj Bakhru, medgrundare och VD för BlueFlame AI, har en bred bakgrund som omfattar försäljning, marknadsföring, programvaruutveckling, företagsutveckling och affärsledning. Under sin karriär har han spelat en central roll i utvecklingen av toppmoderna verktyg inom alternativa investeringar och cybersäkerhet.

Tidigare var Raj Chief Strategy Officer på ACA, där han ansvarade för företagsutveckling och M&A, samt tjänstgjorde som tillfällig Co-VD, Chief Innovation Officer och chef för RegTech och ESG. Han var grundare av Aponix, som senare blev ACAs cyberavdelning, en ledande aktör inom alternativa investeringar. Rajs erfarenhet omfattar roller som kvantitativ programvaruutvecklare på Kepos Capital, Highbridge och Goldman Sachs (GS ) Asset Management. Han har en kandidatexamen i datorteknik från Columbia University, samt CISSP- och CFA-utbildningar.

BlueFlame AI erbjuder en AI-nativ, specialbyggd och LLM-agnostisk lösning som är utformad för alternativa investeringschefer.

Teamet har erfarenhet från olika områden, såsom affärsutveckling, programvaruutveckling, cybersäkerhet och tjänsteleverans inom alternativa investeringar. Denna bakgrund informerar företagets tillvägagångssätt för att förstå branschspecifika arbetsflöden och system, vilket möjliggör implementering av generativa AI-lösningar som är anpassade till alternativa investeringsföretags behov.

Kan du berätta lite om din bakgrund och hur dina tidiga erfarenheter på Goldman Sachs, Highbridge och Kepos Capital formade din förståelse för teknik, cybersäkerhet och alternativa investeringar?

Jag tillbringade en stor del av min tidiga karriär på kvantfonder, där modeller handlade allt, från aktier till valutor, kredit och exotiska swappar. Jag lärde mig en hel del om hur hedgefonder fungerar och de slutliga arbetsflödena på hedgefonder. Båda har format vårt senare arbete inom cybersäkerhet och nu på BlueFlame, där vi tacklar dessa arbetsflöden med AI. På ACA Group lärde vi oss om utrymmets efterlevnadsbehov och byggde ut cybersäkerhetsprogrammen för hundratals alternativa investeringsrådgivare.

Min bakgrund är representativ för hela vårt team: vi har 35+ personer med liknande men olika erfarenheter från en mängd hedgefonder, private equity och kreditinstitut, samt från leverantörer som är dedikerade till området.

Vi tror att praktisk, verklig erfarenhet av att arbeta inom detta område är avgörande för att översätta AI-beviskoncept till verklighet för dessa företag.

Vad inspirerade dig att gå från programvaruutveckling inom kvantitativ finans till entreprenörskap inom cybersäkerhet och AI?

Jag har alltid varit och är fortfarande en teknolog i hjärtat. Den gemensamma tråden genom kvantitativ finans, cybersäkerhet och AI är att när jag arbetade inom området, var det under en renässans och en massiv uppbyggnad. Jag njuter djupt av att komma in på marken när ett nytt område utvecklas, hjälpa till att undervisa våra kunder och bygga tillsammans med dem.

BlueFlame AI är utformad specifikt för alternativa investeringschefer. Vad gör den annorlunda jämfört med allmänna AI-plattformar som OpenAI:s ChatGPT eller andra företags AI-lösningar?

En vertikal lösning som BlueFlame är inte riktigt en konkurrent till horisontella lösningar som ChatGPT. Vi erbjuder en färdig uppsättning lösningar som gör problemslösning snabbare och enklare i vår vertikal, med mer specifik verktygsutrustning för att hantera vanliga användningsfall.

Ett exempel kan vara generering av investeringskommitténs (IC) memo. Medan det kanske är möjligt att mata en horisontell lösning för att få ett mallbaserat resultat, kommer den inte att ha integrationer till CRM, marknadsdataleverantörer eller interna filer för att mata IC-memot. Horisontella lösningar kommer inte att ha möjlighet att lägga innehållet i en mall-PowerPoint-presentation.

Kan du gå igenom hur BlueFlame AI förbättrar produktiviteten för hedgefonder, private equity-företag och andra alternativa investerare?

Vi implementerar AI-drivna användningsfall för våra kunder, som ofta börjar med front-office-uppgifter men kan omfatta hela företaget. Dessa användningsfall, som är vanliga, varierar från företag till företag. Vissa företag bryr sig mycket om expertnätverks transkriptsummeringar, medan andra inte gör det. Vissa företag bryr sig mycket om frågor om kreditavtal, medan andra inte gör det.

Vi arbetar med våra kunder för att identifiera de mest lönsamma användningsfallen och tackla 3-5 av dem under deras första år.

Med tanke på din omfattande erfarenhet inom cybersäkerhet, vilka är de viktigaste säkerhetsriskerna som alternativa investeringsföretag bör vara medvetna om när de antar GenAI-lösningar?

Data säkerhet och sekretess är en stor oro med GenAI-användning. Först och främst är det viktigt att förstå var din data går och hur den skyddas med LLM-leverantörer som är värdtjänster. Nästa är det viktigt att förstå de skyddsåtgärder som finns på plats för att säkerställa att din data är säker och inte används för att träna modeller eller oavsiktligt exponeras för andra kunder, eftersom alternativa investeringsföretag hanterar känslig, proprietär handelsstrategi och investerarinformation som kan vara katastrofal om den komprometteras. Slutligen måste företagen implementera robusta styrningsramverk som inkluderar tydliga datahanteringspolicyer, regelbundna säkerhetsrevisioner och omfattande utbildningsprogram för att mildra risken och de nya hoten som kan potentiellt extrahera konfidentiell information genom interaktioner med dessa kraftfulla AI-system.

Du har betonat BlueFlame AI:s LLM-agnostiska tillvägagångssätt. Varför är detta en viktig funktion, och hur gynnar det dina kunder?

Vi tror att kraften i alla LLM:er tillsammans är större än bara en. Vi ser att detta manifesteras dagligen när vi arbetar med kunder för att bygga ut automatiseringar där vi vet att en LLM kan göra bättre än en annan för en viss uppgift. DeepSeek var ett intressant ögonblick som visade att öppen källkodsmodeller blir alltmer intressanta och konkurrenskraftiga. Att vara LLM-agnostisk innebär att vi kan och kommer att använda alla, våra kunder kan göra det direkt utan att behöva individuella licenser för var och en, och vi kan auto-routa till det bästa valet för en viss uppgift vid en given tidpunkt. Detta fortsätter att vara användbart när modellerna förändras över tiden.

Många företag kämpar med informationsöverbelastning. Hur hjälper BlueFlame AI investeringschefer att strömlinjeforma forskning och due diligence?

BlueFlame hjälper till med företagskunskapsförvaltning genom sökning och svar över alla system. Vi löser både informationsöverbelastning och dataspridning. Ett enkelt svar kan finnas i något av företagets 5-10 system. Vi letar över alla för att hitta potentiella svar på en given fråga inom deras nyckelsystem och filbutiker.

Regulatorer börjar ge uppmärksamhet åt AI-användning på finansiella marknader. Hur ser du att efterlevnaden utvecklas i den AI-drivna investeringslandskapet?

Idag förväntar sig regulatorer policyer och förfaranden samt tankeväckande skydd av investerardata, särskilt skydd från tredjepartsmodeller som tränas på känslig data. Snart kommer vi att se en efterlevnadsskikt mot agenter: dessa agenter kommer att vara “åtkomstpersoner” och måste följa företagets efterlevnadsregler som vilken medlem som helst i teamet.

Vad bör hedgefonder och private equity-företag prioritera när de integrerar AI i sina arbetsflöden samtidigt som de upprätthåller starka cybersäkerhetsåtgärder?

Jag tycker att när man börjar, bör varje företag göra två saker. Först, identifiera de bästa användningsfallen för ditt företag. De flesta gånger ger front-office-uppgifter högre och mer omedelbar avkastning. Mappa dessa användningsfall mot de funktioner som finns tillgängliga på marknaden för att identifiera de 3-5 du vill fokusera på. För det andra, identifiera rätt produkt och partner. Hitta ett företag som du tror kommer att vara responsivt och kunna iterera med dig – ett företag med bevisad framgång och rätt cybersäkerhets-/sekretess-/efterlevnadsattityd.

Vad ser den framtida utvecklingen av AI inom alternativa investeringar ut som? Ser du att AI kommer att spela en roll i investeringsbeslut?

AI är redan involverad i investeringsbeslut, men detta blir allt vanligare. Många PE-funktioner kommer att ha AI-agenter, som till exempel en sourcingagent för att hjälpa till med målreaching och schemaläggning. Till slut kommer det att finnas kvantitativa PE-företag som opererar helt med AI-modeller, som kvantitativa hedgefonder gör. Dessa kvantitativa PE-företag kommer att ha AI-agenter som interagerar med banker, advokater osv. för att slutföra affärer.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka BlueFlame AI.