Michael Rangel，Novo 创始人 – 访谈系列

Michael Rangel，Novo 创始人，是一位金融科技企业家，2016 年创立了公司并担任首席执行官超过九年，帮助将 Novo 从早期概念转变为服务小企业的金融平台。在任期间，Rangel 负责产品开发、融资、招聘、运营、合作伙伴关系以及市场进入策略，使公司筹集了超过 $170 million 的资金。他于 2025 年 4 月辞去首席执行官职务，但仍以创始人和董事会成员的身份参与 Novo，支持其赋能企业家和独立企业的长期使命。在创立 Novo 之前，Rangel 在 Fairholme Capital Management 从事贸易管理和运营工作超过五年，此前曾在 Smith Barney 担任运营职务。

Novo 是专为独立企业、企业家、自由职业者和小企业主设计的金融科技平台，结合了商业支票账户以及支付、开票、费用管理、现金流规划、贷款和商业信用等工具。该平台与超过 40 种商业工具集成，包括 QuickBooks、Stripe、Shopify、Square 和 Xero，帮助企业将银行业务与会计、支付和运营工作流连接起来。Novo 还整合了由 OpenAI、Anthropic 和 Google 提供的模型驱动的 AI，以简化入职和费用分类等流程。公司称其平台已获超过 250,000 家独立企业的信任。Novo 本身是金融科技公司而非银行，银行服务和由联邦存款保险公司（FDIC）保险的存款通过合作伙伴 Middlesex Federal Savings 提供。

您于 2016 年创立 Novo，并花近十年时间围绕小企业的金融需求打造它。回顾当初您想要解决的问题，您认为 AI 现在能够以在公司成立时根本无法实现的方式解决哪些问题？

AI 可以对企业的运营方式和为客户提供价值产生深远影响。当我们创立 Novo 时，我们想要解决的其中一个问题是，年收入为 $1,000、$100,000 和 $1 million 的企业对银行来说会产生出乎意料地相似的运营负担。无论客户为您带来多少收入，您仍需支持入职、合规、欺诈、安全、交易监控和客户服务。这意味着银行必须建立庞大的运营团队来支持这些单个价值并不总是很高的客户。

十年前，我们相信软件可以帮助改变这一局面。AI 现在将这一想法推向了更远的方向。合规专员可以使用 AI 对信息进行摘要、处理文档并起草报告或回复，使一个人能够处理超过之前十倍的工作量。我们的客户服务团队可以让 AI 处理日常问题，从而让人员将时间投入到真正需要判断的难题上。欺诈模型能够更早识别潜在问题，并在出现问题时帮助我们更快地挽回损失。AI 为我们提供了更好的方式来实现 Novo 的初衷，即提供一种无论企业规模大小都适用的银行体验。

小企业历来无法获得大型公司拥有的财务团队、分析师和先进软件。AI 在实际中能够在多大程度上弥合这一资源差距，而人类专业知识将在哪些方面仍然是必不可少的？

AI 正在以惊人的速度发展，但其进展速度因所处位置而大相径庭。如果您在旧金山或纽约从事技术工作，您对 AI 的体验可能与仅仅想要运营公司的小企业主截然不同。

小企业面临的许多问题已经在 AI 的能力范围之内。更大的挑战在于技术的进步速度超过了人们学习使用它的速度。这也是我对 Anthropic 等公司推出旨在为非技术用户提供入门点的产品感兴趣的原因。

人类专业知识不会消失，但 AI 可以通过让这些专业知识更易获取来缩小差距。我见过像 April Tax 这样的产品，使原本需要大量时间和专业知识的事务对小企业主而言变得更加简便。我们尚未达到 AI 能让您的业务全自动化的阶段，但如果您曾因准备报税而失去一个周末，能够夺回这段时间是非常重要的。

您认为 AI 今天为小企业主创造最切实价值的领域在哪里，尤其是在现金流预测、费用管理、预算制定以及日常财务决策方面？

我们在 Novo 构建的最有用的 AI 应用之一其实听起来相当简单，那就是交易标记。过去，要让这些模型表现良好需要大量的训练数据，即便如此，准确率也只能达到约 80%。在处理个人金融信息时，这远远不够，因为仍需对所有内容进行核查。

通过使用更少的自有数据、一些模型蒸馏技术以及在系统不自信时使用前沿模型，我们最近将准确率提升至 97% 以上，接近 99%。一旦能够准确理解每笔交易的含义，就可以在这些数据之上构建更有价值的金融工具。它可以驱动费用仪表盘、基础财务规划与分析（FP&A），甚至帮助企业将资金划分为工资和供应商付款等用途，避免误用。

有趣的是，大语言模型在分类和聚类方面出奇地出色。这意味着我们可以对企业的交易进行处理，快速构建其财务的个性化视图，而无需过去那种繁复的工程工作。对我们的客户群而言，今天的 AI 能力已经超前于我们试图解决的问题的复杂度。这是一个相当令人振奋的境地。

AI 的承诺之一是将金融软件从单纯展示企业主已发生的情况，转变为主动告诉他们下一步该做什么。真正智能的金融平台在实践中会是什么样子？

目前最好的银行体验仍然是与了解您业务的银行人员交谈。他们熟悉您的历史、目标以及下一步可能的需求。软件一直是这种关系的助推器，但并未取代它。

对我而言，真正智能的金融平台的感觉就像是您在管理业务时需要的人员数量被大幅减少。您应该能够提出问题、得到答案、看到正确的信息，并获得有用的指导，而无需自行寻找。关键在于您对答案的信任。

在 Novo，我们有时会说我们在与人行道竞争。去找银行顾问仍然是很好的体验。没有需要操作的 App，有人了解您并能根据您的业务提供指导。AI 为我们提供了将这种体验以此前无法实现的规模带给服务不足的企业群体的机会。对我们的客户而言，这一机会终于触手可及。

AI 是否有可能最终充当小企业的虚拟首席财务官，持续监控财务、识别风险并提供行动建议？在企业家能够信任此类系统之前，需要哪些能力成熟？

是的，我可以自信地说，因为这正是我们已经在构建的。今年早些时候，我们发布了 AI 代理基础设施，专门朝着这一愿景前进。

难点不在于让模型回答问题，而在于构建人们可以信赖其财务生活的系统。我们亲身经历了这一点。我们的首批 beta 用户表现不错，但仍不足以让我们确信体验不会最终破坏用户的信任。因此我们持续推进，改进系统的学习方式、专用代理的协作方式，以及它们使用信息和工具的方式。

我们构建的本质上是一个针对银行业务的代理系统，不同的代理负责交易、欺诈、卡片和 ACH 等，每个代理都有自己的工具和知识。为此付出了大量努力，但现在的结果确实相当出色。我们不想因为 AI 正在热潮中就匆忙推出此类产品，这对客户不公平。但对于我们服务的这类规模的企业，我相信时机已经到来，这令人异常激动。

获取资本仍是小企业面临的最大挑战之一。AI 将如何改变承销和放贷，替代数据是否能让金融机构评估传统信用模型往往忽视的企业？

在我看来，这一讨论常常被混淆。问题并不在于 AI 本身，而在于公平性以及对这些模型实际能力的认识。

绝不能使用前沿语言模型来做信用决策。大语言模型是非确定性的，同样的输入可能产生不同的输出。用于信用决策的传统机器学习模型是确定性的，同样的输入会得到相同的结果。当决定谁获得信用时，这一区别极其重要。您需要了解驱动决策的因素，检测偏见，并在问题出现时能够进行纠正。

AI 完全可以帮助我们构建更好的风险评估模型，Novo 在这方面做得非常出色。但我认为仅靠 AI 并不能解决小企业获取资本的更大问题。很多问题源于巴塞尔框架所带来的监管环境，它改变了银行小企业贷款的经济性，使银行对承担此类风险的意愿下降。

我们常说小企业是经济的支柱，但我们围绕它们构建的金融体系，使得许多影响其生存能力的决策都在它们无法发声的会议室里做出。这比我们是否拥有更好的 AI 模型是一个更大的问题。

AI在欺诈检测和金融安全方面也变得日益重要。金融平台如何利用AI识别可疑活动，同时避免产生过多误报或使小企业的合法交易变得更加困难？

AI在发现异常方面尤其有用。语言模型在分类和聚类方面出人意料地表现出色，这意味着您可以以相对低的成本利用它们识别异常行为。

关键的区别在于，我不会使用非确定性模型来做最终决定。我会用它来标记可疑，然后让确定性模型做出决策。这就是我们在Novo处理欺诈的方式。

我们还与诸如Sardine的公司合作，它们能够将更广泛金融机构的模式引入我们的模型。它们可以帮助我们识别此前与欺诈相关的凭证或看似自动化行为的模式。我们围绕技术与专业知识的结合构建了强大的欺诈运营。安全始终是一场军备竞赛，但AI为我们提供了更好的工具来保持领先。

金融AI系统可能会访问公司收入、支出、客户和财务健康等极其敏感的信息。创业者应期待哪些关于数据隐私、安全以及使用其财务数据训练AI模型的保障措施？

这涉及多个层面，首先是您所使用模型的政策和条款。主要的前沿模型提供商提供企业版和API服务，客户数据不会用于训练其模型，但通过API使用模型与通过面向消费者的应用使用模型（后者会存储对话历史）之间仍存在重要区别。

还有一个问题是您到底想向AI系统提供多少信息。在Novo，我们设计了代理，使客户能够自行选择。您可能希望代理仅使用我们的银行知识来回答问题，或仅指引您在应用中查找信息，亦或因为能够获得更好的答案而愿意提供更多财务数据。

我们还在客户数据与模型之间设置了系统，能够自动删除诸如EIN和社会安全号码等敏感信息，并反复测试这些系统以确保它们不会泄露不应暴露的信息。这正是构建优秀AI的难点所在。关键不只是让模型变得聪明，还必须围绕其构建防护措施并持续进行测试。

目前金融科技领域对AI的热情异常高涨。您认为哪些应用真正能够为小企业带来变革，行业在何处对AI的潜力存在过度炒作？

每个行业都应对AI保持热情。我们以前也经历过类似的过程。互联网改变了软件的分发方式，浏览器改变了访问方式，云计算改变了部署方式，移动设备改变了使用场景。AI正改变我们使用软件的体验。

我觉得最有趣的是，我们正在改变软件本身的语言。人们可以通过自然语言描述需求来构建软件，而无需学习JavaScript或Python。数十年来，这类技术知识一直是阻碍软件开发的门槛。如今这道门正在被打破，这也是Lovable和Replit等公司快速成长的原因之一。

与此同时，我认为我们仍处于非常早期的阶段。大量的炒作来自硅谷的从业者，他们对AI的体验远快于其他人。真正从中获益的公司并没有把它当作魔法，而是弄清楚它实际能做什么，并将其应用于适合的场景。

我们仍处于起步阶段。当把AI的采纳与互联网和移动早期的采纳曲线相比较时，显得极其早期。因此，因当下技术未能满足部分炒作而否定AI，就像在早期互联网时代就认定它是昙花一现一样。

展望未来，您认为AI将如何重塑小企业银行业务本身？我们是否有可能最终摆脱当前的账户、仪表盘和金融工具模式，转向由AI主动管理公司大部分财务运营的自主金融平台？

这正是我们在Novo构建的愿景。根本上，我们希望在手机上重现拥有出色银行顾问的体验。您应该能够提出问题并得到答案，在需要时生成图表或报告，在合适的时机收到信用信息，随着业务增长发现保险产品，甚至了解可能惠及您的补助金或税收政策变化。

创新并非仅仅让AI为您完成任务，而是让AI做到足够好，让您真正信任它。这比表面听起来要困难得多，我认为信任正成为产品本身的一个特性。

AI 能在上下文中容纳远比人类更多的信息，但它无法取代真正推动企业前进的人际关系. 人们承担风险，建立关系并创造推动经济的机会. 这就是为什么我们在 Novo 的成功衡量标准不是让你在我们的应用中花更多时间. 恰恰相反. 我们希望你在那儿花的时间尽可能少，并在这短短几分钟内完成比以前更多的事情.

感谢这次精彩的采访，想了解更多的读者请访问 Novo.