Daniel Liechtenstein, CEO và Đồng sáng lập Hypercore – Loạt phỏng vấn

Daniel Liechtenstein, CEO và Đồng sáng lập Hypercore, là một doanh nhân fintech và chiến lược gia tài chính với nền tảng trải dài từ công nghệ cho vay, phát triển phần mềm, tư vấn kinh doanh, đến lập kế hoạch tài chính quy mô lớn. Ông đồng sáng lập Hypercore vào năm 2020 sau khi từng là Đối tác Phát triển Kinh doanh tại Articode, nơi ông tập trung vào các dự án phần mềm fintech và khách hàng dịch vụ tài chính, và làm việc độc lập như một nhà tư vấn tài chính và kinh doanh cho các startup và công ty đang phát triển. Trước đó trong sự nghiệp, Liechtenstein đã giữ các vị trí cao cấp về lập kế hoạch tài chính và chiến lược trong Lực lượng Phòng thủ Israel và Bộ Quốc phòng Israel, nơi ông chịu trách nhiệm quản lý ngân sách ICT lớn, đánh giá các khoản đầu tư công nghệ, đàm phán các thỏa thuận quy mô lớn với các nhà cung cấp công nghệ toàn cầu, và đóng góp vào cơ sở hạ tầng đám mây và các sáng kiến mua sắm chiến lược.

Hypercore là một nền tảng công nghệ được xây dựng cho các quỹ tín dụng tư nhân và các nhà cho vay không ngân hàng, nhằm hiện đại hoá cơ sở hạ tầng vận hành phía sau việc cho vay. Nền tảng đầu cuối của nó tập trung dữ liệu khoản vay và hỗ trợ toàn bộ vòng đời từ khởi tạo và quản lý pipeline đến phục vụ, quản lý nguồn tài trợ, báo cáo và đáo hạn, đồng thời tự động hoá nhiều tính toán và quy trình làm việc thường được thực hiện bằng bảng tính và các hệ thống rời rạc. Gần đây, Hypercore đã mở rộng trọng tâm sang quản trị khoản vay bản địa AI, sử dụng các tác nhân AI cùng với dữ liệu khoản vay có cấu trúc và giám sát chuyên nghiệp để tự động hoá các hoạt động phục vụ định kỳ như onboarding cơ sở, tính toán, thanh toán, đối chiếu, thông báo và báo cáo. Nền tảng được thiết kế để cung cấp cho các nhà cho vay khả năng nhìn thấy danh mục đầu tư theo thời gian thực, quy trình làm việc có thể kiểm toán, và cơ sở hạ tầng cần thiết để mở rộng hoạt động mà không phải tăng tỷ lệ đội ngũ hành chính.

Khi bạn thành lập Hypercore, bạn nghĩ gì là thiếu sót trong cách các công ty tín dụng tư nhân quản lý khoản vay sau khi đóng? Và ý tưởng đó đã thay đổi như thế nào khi AI phát triển?

Chúng tôi thành lập Hypercore vì không thực sự có hệ thống quản lý khoản vay nào được xây dựng cho tín dụng tư nhân.

Nhiều hệ thống xử lý các sản phẩm cho vay tiêu chuẩn một cách tương đối tốt, nhưng tín dụng tư nhân không phải là tiêu chuẩn. Nó bao gồm các cấu trúc khác nhau, cơ chế thanh toán đa dạng, các cam kết, sửa đổi, phân chia lợi nhuận, nhóm nhà cho vay, và nhiều hơn nữa. Không có hai giao dịch nào giống nhau, và các công ty phụ thuộc quá mức vào bảng tính và quy trình thủ công.

Ý tưởng của chúng tôi là xây dựng cơ sở hạ tầng có thể biểu diễn khoản vay một cách chính xác và quản lý nó trong suốt vòng đời toàn bộ.

Ý tưởng này đã phát triển khi chúng tôi nhận ra rằng, một khi đã có cơ sở hạ tầng nền tảng, AI có thể làm điều gì đó hữu ích với nó. Nếu khoản vay được biểu diễn đúng trong hệ thống và bạn biết trạng thái hiện tại của nó, AI có thể hiểu một sự kiện, áp dụng các điều khoản vay, khởi động quy trình làm việc, cập nhật các hệ thống, chuẩn bị kết quả, và đưa một người vào khi cần phán đoán hoặc phê duyệt của con người.

Sự nhận thức này là nguyên nhân khiến chúng tôi bắt đầu cung cấp dịch vụ quản trị khoản vay song song với phần mềm. Chúng tôi đang sử dụng cơ sở hạ tầng đã xây dựng, kết hợp với các tác nhân AI và đội ngũ vận hành của mình, để thực hiện công việc.

Cơ sở hạ tầng phải được xây dựng trước, nhưng một khi bạn đã có nó, bạn có thể sử dụng AI để thay đổi cách các hoạt động sau khi đóng được hoàn thành.

Hầu hết các cuộc thảo luận về AI trong tín dụng tư nhân đều tập trung vào việc thẩm định và thẩm tra. Tại sao bạn nghĩ cơ hội lớn hơn có thể thực sự đến sau khi khoản vay đã được đóng?

Thẩm định là điểm khởi đầu hiển nhiên vì có rất nhiều tài liệu để đọc và phân tích, và AI rất giỏi trong việc này. Tuy nhiên, quy trình đó chỉ mất vài tuần. Sau khi đóng, bạn chịu trách nhiệm về khoản vay trong nhiều năm, phải xử lý các khoản thanh toán, thay đổi lãi suất, sửa đổi, kiểm tra cam kết, rút tiền, thông báo, đối chiếu, báo cáo, và nhiều hơn nữa. Thêm nữa, mỗi khi danh mục đầu tư tăng trưởng, toàn bộ công việc đó cũng tăng lên cùng.

Nếu AI tiết kiệm cho một chuyên gia đầu tư một giờ trong quá trình thẩm định, đó là hữu ích. Nhưng nếu nó giảm lượng công việc thủ công cần thiết để vận hành một danh mục mỗi ngày, thì đó là vô cùng to lớn.

Điều gì khiến việc phục vụ một khoản vay trong vòng năm hoặc bảy năm khó tự động hoá hơn so với việc phân tích nó khi giao dịch đang được thẩm định lần đầu?

Nếu bạn yêu cầu một hệ thống AI tóm tắt một thỏa thuận tín dụng, đó là một nhiệm vụ khá cơ bản. Ai đó kiểm tra câu trả lời của AI và tiếp tục.

Nhưng việc phục vụ không hoạt động như vậy. Các phép tính của tháng này có thể bị ảnh hưởng bởi một sửa đổi từ năm ngoái, một lần điều chỉnh lãi suất cách đây ba tháng, và một khoản thanh toán từ tuần trước. Trạng thái của khoản vay, và thực tế là khoản vay tự nó, luôn liên tục thay đổi. Thỏa thuận gốc chỉ là điểm khởi đầu. Bạn cũng phải theo dõi các sửa đổi, miễn trừ, lựa chọn, và bất kỳ điều gì khác đã được đồng ý ngoài tài liệu gốc.

Điều này không hề dễ dàng! Nó không chỉ là việc đọc tài liệu; bạn phải duy trì một công cụ tài chính hoạt động trong nhiều năm và đảm bảo rằng mọi sự kiện mới đều được áp dụng một cách chính xác. Nếu bạn mắc lỗi ngay từ đầu, lỗi đó có thể lan truyền qua các phép tính trong tương lai trong nhiều tháng hoặc thậm chí năm trước khi ai đó nhận ra.

Nhiều nhà quản lý vẫn giữ “sổ bóng” riêng để kiểm tra công việc của người quản trị. Tại sao điều này lại trở nên phổ biến đến vậy? Và điều gì cần thay đổi để các công ty cảm thấy thoải mái khi từ bỏ nó?

Nếu một người quản trị gửi cho bạn một phép tính mà không có bất kỳ thông tin nào về cách họ đưa ra, bạn cũng có thể tự tính lại! Đó chính là bản chất của sổ bóng. Nó tạo ra công việc trùng lặp, nhưng tồn tại vì một lý do; nhà quản lý cần biết các con số là chính xác.

Để loại bỏ sổ bóng, các nhà quản lý sẽ cần có khả năng nhìn thấy công việc nhiều hơn, bao gồm các đầu vào đã được sử dụng, các điều khoản đã áp dụng, và nếu có, những gì đã thay đổi.

Nếu nhà quản lý và người quản trị làm việc dựa trên cùng một hồ sơ khoản vay gốc, không cần thiết phải có sổ bóng. Tuy nhiên, tôi không nghĩ ai sẽ từ bỏ chúng chỉ vì một nhà cung cấp mới nói rằng họ có thể. Niềm tin đó cần được xây dựng bằng các kết quả chính xác trong một khoảng thời gian.

Có một sự khác biệt lớn giữa AI có thể đọc hợp đồng tín dụng và AI thực sự thực hiện công việc dịch vụ. Hệ thống cần gì trước khi bạn tin tưởng nó thực thi các quy trình công việc đó?

Nó đòi hỏi nhiều yếu tố, bao gồm:

• Một hồ sơ khoản vay đáng tin cậy
• Kiến thức về các hoạt động trước đây
• Quyền truy cập vào các hệ thống nơi công việc được thực hiện
• Nhận thức được khi nào một nhiệm vụ đã hoàn thành và phải làm gì nếu có điều gì không ổn

Lấy một khoản thanh toán làm ví dụ. Rõ ràng, AI phải tính toán khoản thanh toán, nhưng công việc không dừng lại ở đó.

Khoản thanh toán cũng phải được xử lý, có thể cần phát hành thông báo, các hệ thống cần được cập nhật, một con người có thể cần xem xét, và tiền mặt cần được đối chiếu sau đó.

Và mức độ chấp nhận sai sót là rất thấp. Đó là lý do tại sao đội ngũ của chúng tôi chịu trách nhiệm về dịch vụ quản trị mà chúng tôi cung cấp. AI thực hiện một phần công việc phía sau, nhưng chúng tôi không giả vờ rằng phần mềm tự nó chịu trách nhiệm về kết quả.

Khi AI bắt đầu can thiệp vào các yếu tố như thanh toán, phân bổ và báo cáo cho nhà đầu tư, làm thế nào bạn quyết định những gì nó có thể tự xử lý và ở đâu vẫn cần con người can thiệp?

Thành thật mà nói, điều đó phụ thuộc vào những gì sẽ xảy ra nếu hệ thống sai. Có rất nhiều tình huống mà AI có thể thực hiện công việc một cách tự động, như trích xuất thông tin, đối chiếu hồ sơ, phát hiện bất thường – những việc như vậy. Nhưng nếu bạn đang chuyển tiền hoặc gửi gì đó ra bên ngoài, cần có con người can thiệp.

Tuy nhiên, tôi cũng cho rằng có quá nhiều sự tập trung vào việc có bước phê duyệt của con người hay không và không đủ vào những gì người đó thực sự có thể nhìn thấy. Nếu tôi đưa cho ai đó một con số và một nút phê duyệt, điều đó không giúp ích nhiều. Họ cần khả năng hiểu nguồn gốc của con số mà không phải tốn một giờ để tính lại.

Tóm lại, nếu một mức lãi suất thay đổi, hệ thống cần khả năng cung cấp mức lãi suất cũ, mức lãi suất mới, tài liệu nguồn và các đầu vào. Sau đó con người mới có thể thực sự xem xét.

Khi hệ thống chứng minh được khả năng của mình trên một quy trình công việc, bạn có thể tự động hoá nhiều hơn, nhưng đừng làm như vậy chỉ vì một mô hình mới đã được ra mắt.

Các khoản vay tín dụng tư nhân có thể cực kỳ tùy chỉnh. Làm thế nào để tự động hoá mà không yêu cầu mô hình AI phải tái diễn giải hợp đồng mỗi khi có sự kiện xảy ra?

AI hữu ích khi bạn đang đọc các tài liệu và hiểu cách giao dịch hoạt động. Một hợp đồng 200 trang cộng với các phụ lục chính là loại tài liệu mà AI có thể hỗ trợ. Sau khi bạn nắm bắt cấu trúc, AI có thể giúp ánh xạ giao dịch vào mô hình khoản vay sao cho được biểu diễn chính xác. Sau đó, các phép tính trở nên quyết định.

Nếu khoản vay có cấu trúc waterfall, thành phần PIK, nhiều tranche hoặc giảm giá theo bước, các quy tắc đó đã được lưu trong hệ thống. Chúng tôi không yêu cầu mô hình ngôn ngữ phải đọc lại các tài liệu mỗi khi có khoản thanh toán! Các nhà quản lý phải có khả năng tái tạo và giải thích mọi phép tính; điều này là không thể nếu mô hình tái diễn giải giao dịch mỗi khi có sự kiện xảy ra.

Rủi ro đầu tư tự nhiên nhận được phần lớn sự chú ý trong tín dụng tư nhân. Bạn nghĩ các nhà quản lý thường đánh giá thấp những loại rủi ro vận hành nào?

Các nhà quản lý thường đánh giá thấp những chi tiết nhỏ: một phụ lục được phản ánh ở một nơi nhưng không ở nơi khác; một việc đối chiếu diễn ra muộn hơn dự kiến; một nhân viên vô tình làm việc dựa trên phiên bản cũ của các điều khoản.

Nó thường không phải là một thất bại khổng lồ duy nhất, mà là một vấn đề nhỏ tồn tại sai lệch trong nền trong một thời gian trước khi nó bắt đầu ảnh hưởng đến các yếu tố khác.

Ví dụ, nếu bạn tính toán dựa trên một điều khoản sai, điều đó sẽ lan vào khoản thanh toán và sau đó xuất hiện trong báo cáo. Khi có người nhận ra, bạn sẽ phải xem xét công việc của nhiều tháng.

AI có thể giúp bằng cách thu hẹp khoảng thời gian này. Nếu bạn có thể đối chiếu hàng ngày thay vì vào cuối quý, bạn sẽ phát hiện vấn đề nhanh hơn rất nhiều. Nếu mỗi phụ lục được nắm bắt và phản ánh trong hệ thống ngay lập tức, bạn giảm khả năng mọi người làm việc dựa trên các phiên bản khác nhau của khoản vay.

Nó không hấp dẫn bằng ý tưởng AI đưa ra quyết định đầu tư, nhưng về mặt vận hành thì tạo ra sự khác biệt lớn.

Đối với một công ty có nhiều năm khoản vay lưu trữ trên các hệ thống cũ, bảng tính, PDF và email, điều thực sự khó khăn khi chuyển sang môi trường vận hành mới là gì?

Xác định dữ liệu đúng là gì.

Một công ty có thể có các điều khoản trong hợp đồng tín dụng, số dư trong một hệ thống khác, các sửa đổi trong một thư mục, lịch sử thanh toán trong email, và thậm chí một số ngữ cảnh quan trọng chỉ tồn tại trong trí nhớ của một thành viên duy nhất trong nhóm!

Vì vậy, đầu tiên bạn phải tái tạo lại khoản vay như hiện tại. Sau đó bạn phải so sánh nó với những gì hệ thống hiện có đưa ra. Đôi khi các con số không khớp và bạn phải tìm hiểu lý do. Có thể một thứ nào đó đã được ánh xạ sai trong quá trình di chuyển? Có thể đã có một điều chỉnh thủ công từ nhiều năm trước? Hoặc có thể hệ thống cũ chỉ đơn giản là sai. Dù sao, bạn không thể chỉ bỏ qua sự khác biệt.

Chúng tôi khuyên nên chạy đồng thời môi trường cũ và mới trong một thời gian, so sánh kết quả, điều tra các khác biệt và chuẩn bị mọi thứ trước khi hoàn tất quá trình di chuyển.

Đây không phải là cách nhanh nhất để di chuyển, nhưng với một danh mục khoản vay đang hoạt động, tốc độ không nên là mục tiêu chính.

Nếu AI cho phép các công ty quản lý danh mục lớn hơn nhiều với đội ngũ vận hành nhỏ hơn, bạn nghĩ điều đó sẽ thay đổi vai trò của quản trị viên khoản vay truyền thống như thế nào?

Quản trị trước đây có nghĩa là công việc thủ công, nhưng nếu AI có thể thực hiện hầu hết, vai trò mới của quản trị viên khoản vay là đảm bảo các con số chính xác và nhanh chóng sửa chữa bất kỳ vấn đề nào phát sinh.

Các nhà quản lý có thể thực tế tự thực hiện nhiều công việc hơn, tùy thuộc vào số lượng nhân viên họ có và liệu họ có thể thực hiện công việc một cách chính xác và minh bạch hay không. Tuy nhiên, nhiều công ty vẫn sẽ ưu tiên thuê ngoài. Các đội ngũ vận hành nhỏ chỉ hoạt động được nếu kiến thức của các thành viên trước đây được ghi lại ở đâu đó. Nếu bạn chỉ loại bỏ con người khỏi quy trình mà không làm như vậy, bạn không nhất thiết đã cải thiện được gì.

Cảm ơn các bạn đã tham gia phỏng vấn tuyệt vời, những độc giả muốn tìm hiểu thêm nên truy cập Hypercore.