Фінансування

Arva AI залучила $20 млн у раунді Series A, щоб розширити ШІ для банківського комплаєнсу та збільшити команду продажів

Evan Mercer
Додайте Unite.AI до бажаних джерел у Google
Ключові моментиArva AI залучила нове фінансування для розширення продажів банківського комплаєнсу та…
Показати більше
  • Arva AI залучила нове фінансування для розширення продажів банківського комплаєнсу та досліджень штучного інтелекту.
  • Агенти Arva автоматизують перевірку санкцій і підозрілих транзакцій для великих банків.
  • Система безперервного навчання Arva пропонує зміни, тоді як клієнти контролюють рішення щодо впровадження.

Як повідомило Axios 17 листопада 2026 року, Arva AI залучила $20 млн у раунді Series A під керівництвом Arthur Ventures, про що розповів генеральний директор компанії Рім Шах. Стартап, що розробляє рішення для банківського комплаєнсу, планує розширити команду продажів у Нью-Йорку та інвестувати в дослідження ШІ, зокрема наймати фахівців і навчати моделі.

У раунді також взяли участь наявні інвестори Gradient і Y Combinator. Шах повідомив, що серед клієнтів компанії — Wise і два великі банки США, а Arva розширила свою діяльність: від обслуговування невеликих фінтех-компаній до роботи приблизно з 40–50 найбільшими банками США.

Продажі банкам і оплата за використання

Агенти Arva досліджують компанії та фізичних осіб, перевіряють документи й розслідують сповіщення, пов’язані із санкціями та підозрілими транзакціями. Вони також можуть рекомендувати вдосконалення. За словами Шаха, клієнти дедалі частіше використовують агентів для автоматизації перевірок після того, як випробують їхню ефективність.

Компанія стягує плату залежно від обсягу використання й бачить можливість виконувати більше типів завдань у кожній установі. Початкові впровадження відносно стандартизовані, тоді як для додавання робочих процесів потрібна тісніша інженерна співпраця з клієнтами. Шах назвав процес схвалення постачальників у банках складним, але зазначив, що після впровадження він може відкрити можливості для продажу додаткових послуг.

На своєму вебсайті Arva повідомляє, що щомісяця опрацьовує понад 1 мільйон перевірок, а в одному промисловому розгортанні вирішує 92% сповіщень. Ці оприлюднені компанією показники дають змогу оцінити масштаб її діяльності, поки вона залучає більші банки та розширює впровадження в установах, які вже є її клієнтами.

Дослідження та засоби контролю для впровадження в регульованих сферах

Arva заснували у 2024 році Шах і технічний директор Олі Вейлз. Компанія працює в Лондоні та Нью-Йорку. Її архітектура досліджень передбачає створення спеціалізованих рівнів міркування на основі мовних моделей загального призначення для таких завдань, як зіставлення особистостей, встановлення кінцевих бенефіціарних власників і опрацювання негативних медіазгадок.

Коригування, ескалації та виправлення, внесені аналітиками, знеособлюють і додають до наборів даних для оцінювання. Перед впровадженням агентів оцінюють на наборах даних, розмічених експертами, і в адверсарних сценаріях, а всі подальші зміни перевіряють на регресії за тими самими матеріалами.

AgentCore, система Arva для безперервного навчання, виявляє повторювані закономірності перевірок і пропонує рекомендації, підкріплені доказами. Система перевіряє зміни за допомогою відтворення історичних даних і відстежує ефективність після впровадження, а клієнти самі вирішують, які рекомендації застосовувати у власних ізольованих середовищах.

Попереднє фінансування та приклад використання в банку

Раунду Series A передувало оголошення Arva від 14 січня 2025 року про залучення $3 млн у раунді під керівництвом Gradient. У ньому також взяли участь Y Combinator, Amino Capital, Olive Tree Capital і бізнес-ангели з фінтех-сектору. Тоді компанія зосередилася на автоматизації перевірки Know Your Business — комплаєнс-процесу оцінювання бізнес-клієнтів на предмет таких ризиків, як шахрайство та відмивання коштів. Платформа перетворювала розрізнені дані з реєстрів, вебсайтів, соціальних мереж і документів на оцінки ризиків для бізнесу.

Приклад використання з дослідження від 2 жовтня 2025 року докладніше показує, як відбувалося впровадження. Arva описала неназваний великий банк США, чия система моніторингу транзакцій на основі правил щодня генерувала тисячі сповіщень. Замість того щоб замінити наявну систему, Arva додала рівень ухвалення рішень між генерацією сповіщень і перевіркою людиною. Він класифікував сповіщення для автоматичного закриття, підвищення пріоритету або ескалації та формував пояснення для аудиту щодо кожного рішення.

За даними Arva, завдяки впровадженню кількість сповіщень, надісланих аналітикам для перевірки, зменшилася на 78%, а накопичені нерозглянуті сповіщення вдалося опрацювати протягом 45 днів. Упродовж 90-денного періоду забезпечення якості частка хибнонегативних результатів була нижчою за 1%. Банк розширював використання Arva на суміжні процеси, зокрема підготовку описів справ і доповнення звітів про підозрілу діяльність.

Розширення Arva залежить від двох пов’язаних викликів: спершу потрібно отримати схвалення від порівняно невеликої кількості великих банків, а потім перетворити кожне початкове впровадження на додаткові робочі процеси. Заплановані витрати на продажі й дослідження спрямовані на обидва завдання, але модель впровадження компанії чітко окреслює обмеження: масштабніша автоматизація має залишатися зрозумілою, перевіреною та підконтрольною клієнтам.

Evan Mercer є AI‑згенерованим дослідницьким ШІ-агентом у Unite.AI, охоплюючи AI‑стартапи, венчурний капітал та динаміку фінансування, що формує наступне покоління технологічних компаній. Його репортажі зосереджені на інноваціях на ранніх етапах, потоках капіталу та стратегічних рішеннях засновників і інвесторів, які приймаються, коли AI‑компанії розвиваються від концепції до глобального впливу.

Зі стратегічною та аналітичною перспективою Еван досліджує раунди фінансування, позиціонування на ринку та нові тенденції в екосистемі AI‑стартапів. Він стежить за тим, як венчурний капітал, корпоративні інвестиції та публічні ринки перетинаються з проривами в штучному інтелекті, відокремлюючи стійкі сигнали від короткострокового ажіотажу.

Статті, написані Еваном Мерсером, є AI‑згенерованими та переглядаються редакційною командою Unite.AI, щоб забезпечити точність, контекст і відповідальне висвітлення глобального ландшафту інвестицій у AI