Daniel Liechtenstein，Hypercore 首席执行官兼联合创始人——访谈系列

Daniel Liechtenstein，Hypercore 的首席执行官兼联合创始人，是一位金融科技企业家和财务策略师，背景涵盖贷款技术、软件开发、商业咨询以及大规模财务规划。他于 2020 年共同创立 Hypercore，此前曾在 Articode 担任业务发展合伙人，专注于金融科技软件项目和金融服务客户，并以独立顾问身份为初创企业和成长型公司提供财务和商业咨询。在职业早期，Liechtenstein 在以色列国防军和以色列国防部担任高级财务规划与战略职务，负责管理大型信息通信技术预算、评估技术投资、与全球技术供应商谈判大额协议，并参与云基础设施和战略采购计划。

Hypercore 是为私募信贷基金和非银行贷方打造的技术平台，旨在现代化贷款背后的运营基础设施。该端到端平台集中管理贷款数据，支持从发起、管线管理到服务、资金来源管理、报告和到期的完整生命周期，同时自动化许多传统上通过电子表格和孤立系统处理的计算和工作流。最近，Hypercore 将重点扩展到 AI 原生的贷款管理，利用 AI 代理结合结构化贷款数据和专业监督，自动化诸如设施入职、计算、付款、对账、通知和报告等重复性服务活动。该平台旨在为贷方提供实时的投资组合可视化、可审计的工作流，以及在不成比例扩大行政团队的情况下扩展运营所需的基础设施。

当您创立 Hypercore 时，您认为私募信贷公司在贷款成交后管理方面缺少了什么？随着 AI 的发展，这一想法有何变化？

我们创立 Hypercore 是因为没有真正为私募信贷打造的贷款管理系统。

许多系统能够相当好地处理标准贷款产品，但私募信贷并非标准化。它涉及不同的结构、不同的付款机制、契约、修订、分配顺序、贷方集团等。没有两个交易是相同的，企业过度依赖电子表格和手工流程。

我们的想法是构建能够准确表示贷款并在整个生命周期中进行管理的基础设施。

当我们意识到一旦拥有了底层基础设施，AI 就能发挥有用作用时，这一想法便演变了。如果系统中正确地表示了贷款并且您了解其当前状态，AI 能够理解事件、应用贷款条款、启动工作流、更新系统、准备输出，并在需要人工判断或批准时召入人员。

正是这一认识促使我们开始在软件之外提供贷款管理服务。我们利用已构建的基础设施，结合 AI 代理和运营团队来完成工作。

基础设施必须先行，但一旦拥有它，就可以利用 AI 改变后期运营的完成方式。

关于私募信贷中 AI 的大部分讨论都集中在尽职调查和承销上。您为何认为更大的机会实际上可能出现在贷款成交后？

承销是显而易见的起点，因为需要阅读和分析的大量信息，而 AI 在这方面非常擅长。然而，这一过程仅需几周时间。成交后，您需要多年负责该贷款，处理付款、利率变动、修订、契约测试、提款、通知、对账、报告等事务。而且，每当投资组合扩大，这些工作也随之增加。

如果 AI 在承销阶段为投资专业人士节省一小时，这已经很有价值。但如果它能减少每日运营投资组合所需的手工工作量，那将是巨大的突破。

为什么对一笔贷款进行五至七年的服务比在首次承销时进行分析更难实现自动化？

如果让 AI 系统概括一份信贷协议，这是一项相当基础的任务。有人检查 AI 的答案后即可继续。

但服务并非如此运作。本月的计算可能受到去年的修订、三个月前的利率重设以及上周的付款的影响。贷款的状态，实际上贷款本身，始终在不断变化。原始协议仅是起点。您还必须跟进修订、豁免、选择以及原始文件之外达成的其他所有事项。

这并不容易！这不仅仅是阅读文件的问题；您必须在数年间维护一个活跃的金融工具，并确保每个新事件都得到正确应用。如果在早期出现错误，可能会在数月甚至数年后才被发现，并影响后续计算。

许多经理仍然保留自己的“影子账本”来核对管理员的工作。为什么这种做法如此普遍？企业要想放心放弃它，需要哪些改变？

如果管理员给你一份计算结果，却没有说明他们是如何得出的，你很可能也会自己重新算一遍！这基本上就是影子账本的作用。它会导致重复工作，但它之所以存在是因为经理需要确认数字的准确性。

要消除影子账本，经理们需要对工作拥有更大的可视性，包括使用了哪些输入、采用了哪些条款，以及是否有任何变更。

如果经理和管理员使用同一份基础贷款记录，就不需要影子账本了。不过，我认为仅凭新供应商的承诺，没人会轻易放弃它。信任必须通过一段时间内的准确结果来建立。

能够阅读信贷协议的 AI 与真正能够执行服务工作的 AI 之间有很大区别。系统在获得信任并执行这些工作流之前，需要具备哪些条件？

这需要多方面的要素，包括：

• 可靠的贷款记录
• 对以往活动的了解
• 能够访问完成工作的系统
• 了解任务何时完成以及出现异常时该怎么办

以收款为例。显然，AI 必须先计算出付款金额，但工作并不止于此。

付款还需要进行处理，可能需要发送通知，系统需要更新，可能需要人工复核，随后还要进行现金对账。

而且对错误的容忍度极低。这也是为什么我们的团队对所提供的管理服务负有责任。AI 在底层完成了一部分工作，但我们并不把软件本身当作对结果负责的主体。

一旦 AI 开始涉及付款、分配和投资者报告等事务，如何决定哪些可以完全由 AI 处理，哪些仍需人工介入？

说实话，这取决于系统出错时会产生什么后果。很多情况下 AI 可以自动完成工作，例如提取信息、对账、识别异常等。但如果涉及到资金流动或对外发送信息，就必须有人介入。

话虽如此，我也认为人们过于关注是否设有人为审批环节，而忽视了审批人实际能看到什么。如果我只给某人一个数字和一个批准按钮，帮助并不大。他们需要能够了解该数字的来源，而不必花一个小时重新计算。

简而言之，如果利率发生变化，系统需要能够提供旧利率、新利率、来源文件以及输入数据。这样人类才能进行有效审查。

随着系统在某个工作流上证明了自己的可靠性，你可以进一步自动化，但不要仅仅因为发布了新模型就盲目采用。

私募信贷贷款往往极具定制性。如何在不让 AI 模型每次都重新解释交易的前提下实现自动化？

AI 在阅读文件并弄清交易结构时非常有用。200 页的协议加上修订正是 AI 能发挥作用的场景。理解了结构后，AI 可以帮助将交易映射到贷款模型中，使其得到正确呈现。此后，计算就是确定性的。

如果贷款包含分层回报、PIK 成分、多笔分期或递减定价等，这些规则已经写入系统。我们并不是让语言模型在每次收款时都重新阅读文件！经理必须能够复现并解释每一次计算；如果模型每次都重新解释交易，这几乎是不可能实现的。

在私募信贷中，投资风险自然是关注焦点。你认为经理们往往低估哪些运营风险？

经理们往往低估细枝末节：某项修订只在某处生效而未在其他地方同步；对账比预期晚完成；员工不知情地使用了旧版条款。

这通常不是一次巨大的故障，而是一个小问题在后台持续错误一段时间，随后才开始影响其他环节。

比如，你基于错误的条款进行计算，这会影响付款，进而出现在报告中。等到有人发现时，可能需要重新审查数月的工作。

AI 可以通过缩短这一窗口期来提供帮助。如果能够实现每日对账，而不是等到季度末再对账，就能更快发现问题。每项修订一旦被捕获并立即反映在系统中，就能降低人员使用不同版本贷款的风险。

这并不像人工智能做出投资决策的想法那样令人兴奋，但在运营层面它带来了巨大的差异。

对于一家拥有多年贷款分散在旧系统、电子表格、PDF 和电子邮件中的公司来说，迁移到新运营环境到底有什么难点？

弄清楚哪些数据是正确的。

公司可能在信用协议中有条款，在另一个系统中有余额，在文件夹中有修订，在电子邮件中有付款历史，甚至还有一些重要的背景信息仅存于某位团队成员的记忆中！

因此，首先必须重建当前的贷款状况。然后需要将其与现有系统的记录进行对比。有时数字不匹配，你必须找出原因。可能是在迁移过程中映射错误？也许是多年前的手动调整？又或者旧系统本身就有错误。无论何种情况，都不能忽视这些差异。

我们建议在一段时间内并行运行旧环境和新环境，比较输出结果，调查差异，并在完成迁移前将所有内容整理到位。

这并不是最快的迁移方式，但在真实的贷款账簿上，速度不应是主要目标。

如果人工智能使公司能够用更小的运营团队管理更大的投资组合，你认为这会如何改变传统贷款管理员的角色？

过去，管理意味着手工操作，但如果人工智能能够完成大部分工作，贷款管理员的新角色就是确保数据准确，并快速纠正出现的任何问题。

管理者可能会亲自承担更多工作，这取决于他们的人手数量以及是否能够准确、透明地完成任务。不过，许多公司仍然倾向于外包。小型运营团队只有在前任成员的知识被有效记录下来时才能发挥作用。如果仅仅把人从流程中剔除而不进行知识捕获，未必真的提升了任何东西。

感谢这次精彩的访谈，想了解更多的读者请访问 Hypercore。