薩德安特·馬森，Wokelo 的 CEO 和聯合創始人 – 專訪系列

薩德安特·馬森 是 Wokelo 的聯合創始人和 CEO。薩德安特有著在塔塔集團、印度政府和德勤等組織中從事戰略、產品開發和數據分析的背景，他在應用新興技術解決實際商業挑戰方面具有深厚的專業知識。在 Wokelo，他領導公司的使命，旨在通過代理 AI 框架改變知識工作者進行盡職調查、行業分析和投資組合監控的方式。

Wokelo 是一個基於生成式 AI 的投資研究平台，旨在自動化複雜的研究工作流程，包括盡職調查、行業分析和投資組合監控。使用專有的大型語言模型（LLM）基礎代理，該平台促進數據的策劃、合成和三角測量，以生成結構化的、可供決策的輸出。

Wokelo 被各種組織使用，包括私募股權公司、投資銀行、咨詢公司和企業團隊，以支持數據驅動的決策。

是什么啟發你創建 Wokelo AI，並且你如何確定需要一個 AI 驅動的研究助手來簡化盡職調查、投資分析和企業戰略？

Wokelo AI 是基於親身經歷而誕生的。在德勤和塔塔集團從事管理咨詢和企業發展工作期間，我反覆遇到同樣的挑戰——手動、重複的研究、數據匱乏和分析師和決策者的低效工作。

轉折點出現在我在華盛頓大學攻讀第二個碩士學位期間，我的論文關注自然語言處理。同時，我作為一名自由咨詢師，利用早期版本的 GPT 建立了一個原型，並親眼目睹了 AI 如何將幾周的工作轉化為幾天和幾小時的工作——而不會影響質量。那是我們的頓悟時刻。

當我意識到這項技術可以革新投資研究時，我決定全力以赴。Wokelo AI 不僅是一種研究工具——我們是兩年前開拓 AI 代理技術的先驅之一。這是我在盡職調查和投資分析工作期間所期望的解決方案。

你在德勤、塔塔和印度政府的經歷如何塑造你對於建立 Wokelo 的方法？

在德勤作為一名管理咨詢師，我每天都在從事複雜的項目，包括研究、分析和盡職調查。工作強度高，涉及大量的手動、重複任務和檯面研究，經常減慢進度並增加成本。我過於熟悉收集數據的痛點，特別是在私人公司，傳統工具的效率和可擴展性挑戰也令我深有感觸。

然後，在塔塔集團從事併購和企業發展工作期間，我繼續面臨相同的問題——數據匱乏、研究速度慢和將原始信息轉化為大規模決策的可行見解的挑戰。沒有有效工具來支持決策的沮喪進一步激發了我尋找解決方案的決心。

此外，我在印度政府水基礎設施項目中開發物聯網解決方案的工作進一步鞏固了我對於如何利用產品創新來解決大規模實際問題的理解，並給了我信心去應用同樣的方法來解決咨詢和投資領域的研究和分析挑戰。

因此，我的專業背景和親身經歷的研究、分析和數據收集的困難直接影響了我對於 Wokelo 的方法。我知道從經驗中來的路障，所以我專注於建立一個不僅能夠自動化繁瑣工作，而且允許用戶專注於高影響力、戰略任務的解決方案，最終使他們更加高效和生產力。

Wokelo 利用基於生成式 AI 的方法。你的 AI 方法與市場上的其他摘要工具有何不同？

雖然大多數競爭對手提供類似聊天機器人風格的 Q&A 介面——基本上是對 ChatGPT 進行了財務重塑的 UI——Wokelo AI採取了一種完全不同的方法。我们建立了一個專門為投資研究和金融服務設計的 AI 代理——不僅是一個聊天機器人，而是一個完整的工作流程自動化工具。

與簡單的摘要工具不同，Wokelo 處理端到端的研究交付，執行通常需要一周的 300-400 個分析師任務。我们的系統自主識別需求，將其分解為子任務，並執行從數據提取和合成到三角測量和報告生成的所有內容。因此，客戶獲得了深入、全面和高細緻的見解——真正的分析，而不是表面層面的答案。

另一個關鍵的區別是情報的準確性和可靠性。Wokelo 不會編造見解，它不會產生幻覺——它提供完全參考、事實核查的輸出，附有引文，消除了許多基於生成式 AI 的工具存在的信任問題。作為額外的獎勵，平台用戶還可以以分析師通常使用的各種格式導出報告，使其成為傳統研究平台如 PitchBook 或 Crunchbase 的無縫替代品，但具有更豐富的 M&A 活動、融資輪次、合作伙伴關係和市場趨勢的情報。

Wokelo 不僅是一個帶有 UI 包裝的 LLM。能否解釋你們平台背後的更深層次的 AI 能力？

Wokelo 是為投資研究而打造的，結合了尖端 AI、專有的財務數據集和研究為中心的工作流程——提供的能力遠遠超出了簡單的 LLM 加 UI 包裝。Wokelo 的核心是利用了一種專家的混合方法（MoE），整合了在一級投資數據上預訓練的專有大型語言模型（LLM），確保了對投資專業人士具有高度精確、領域特定的見解。

為了實現無縫的工作流程集成，Wokelo 提供了一個協作、筆記本風格的編輯器，允許用戶創建、精煉和導出格式化的輸出，以 PPT、PDF 和 DOCX 格式呈現——簡化了研究文檔和演示的工作。其多代理人調度器和提示管理系統確保了動態模型適應性，而強大的管理控制則促進了查詢日誌審查和合規規則執行。

通過將先進的 AI 能力與深厚的財務智慧和直觀的研究工具相結合，Wokelo 提供了一個端到端的投資研究解決方案，遠遠超出了標準 LLM 的能力。

Wokelo 如何確保事實基礎的分析和防止 AI 幻覺在合成見解時？

作為為高知名度客戶提供服務的公司，準確性和可信度是我們 AI 驅動見解的核心。與一般目的的 AI 平台不同，Wokelo 通過強大的、引用支持的方法確保事實基礎的分析，消除了 AI 幻覺的可能性。

Wokelo 生成的每一項趨勢、分析、市場信號、案例研究、併購活動、合作伙伴關係更新或融資輪次見解都基於真實的可驗證來源。該平台不會“編造”信息——每一項見解都附有來自高級數據源、可靠的市場智慧平台、頂級新聞提供商和驗證的行業數據庫的引用和引文。用戶可以隨時訪問這些來源，確保數據的透明度和可信度。Wokelo 內部還有一個事實核查代理，使用獨立的 LLM 確保每一項事實或數據點都在底層來源中被提及。

此外，Wokelo 與客戶的內部數據倉庫集成，解鎖了原本可能分散或未被充分利用的寶貴見解。這確保了我們的 AI 驅動分析是量身定制的、全面性的，並且與特定的投資相關查詢保持一致。

為了支持高風險的商業決策，Wokelo 的 AI 被訓練為合成見解，而不是推測——只從事實數據集中提取，而不是生成假設。這使得 Wokelo 成為了一種比一般目的的 AI 工具更可信賴和可靠的替代方案，讓企業能夠自信地做出明智、數據驅動的決策。

Wokelo 的 AI 如何處理來自多個來源的實時數據聚合，例如提交、專利和替代數據？

Wokelo 的 AI 在實時數據聚合方面表現出色，通過接入超過 20 個高級財務服務數據集，包括 S&P CapIQ、Crunchbase、LinkedIn、SimilarWeb、YouTube 等。這些數據集提供了豐富的可靠信息，作為 Wokelo 分析能力的基礎。除了這些財務數據集外，Wokelo 還整合了頂級出版商的數據，包括新聞文章、學術期刊、播客轉錄、專利和其他替代數據源。

通過從這些多樣化和持續更新的數據流中合成見解，Wokelo 確保用戶可以訪問最全面、最實時的情報。這種結構化和非結構化數據的強大聚合使 Wokelo 能夠提供對市場的整體視圖，提供最及時的見解，這些見解對於投資研究至關重要。

Wokelo 已經被 KPMG、伯克希爾、安永和谷歌等公司使用。什麼是推動這些高知名度客戶采用 Wokelo 的關鍵因素？

Wokelo 在業界領導者中的成功源於其能夠提供可衡量的、變革性的影響，並且能夠無縫地集成到專業工作流程中。與一般的 AI 解決方案不同，Wokelo 是為投資研究而打造的，確保其算法不僅滿足，而且超出了該領域的高標準。

推動采用的一個關鍵因素是 Wokelo 與領導團隊的密切合作，允許公司將其深入的專業知識嵌入到專有的 AI 工作流程中。這種深度的定制確保 Wokelo 與頂級投資專業人士的細微決策過程保持一致，提供了業界領先的可靠性和信任度。這些公司選擇 Wokelo 而不是市場上的其他工具，因為其分析的深度、忠實度和準確性。

除了其精確性和適應性之外，Wokelo 還提供了有形的效率增益。通過將盡職調查時間從 21 天縮短到 10 天，並自動化核心研究任務，Wokelo 顯著降低了人力成本，並讓高級專業人士從數小時的手動工作中解脫出來。通過每月篩選 5-10 倍的交易，使用 Wokelo 的公司在不損害深度或準確性的情況下加速了決策，從而在競爭中佔據優勢。

通過結合尖端的 AI、深度的定制和現實世界的影響，Wokelo 已經確立了自己作為一種對頂級投資和咨詢公司不可或缺的工具，幫助它們擴大業務而不會錯過關鍵細節。

Wokelo 如何集成到投資專業人士的現有工作流程中，你從用戶那裡收到了什麼反饋？

Wokelo 通過自動化整個交易生命週期——從評估行業吸引力到在全球 30 萬家公司的數據庫中識別高潛力公司——無縫地集成到投資工作流程中。它提供了深入的公司分析、競爭對手基準測試和數據室自動化，消除了乏味的文件審查，快速生成可行的見解。Wokelo 還支持投資組合監控、同行分析，並提供易於導出的 PPT 文件，附有客戶品牌，簡化了客戶演示和會議準備。

用戶報告了顯著的效率增益，將盡職調查時間從 20 天縮短到一周，並將每月交易評估能力從 100 增加到 500——將交易覆蓋範圍增加了十倍。

你如何看待 AI 在未來五年內改變投資研究的格局？

我們才剛剛開始觸及了可能性的表面。AI 將使得從頭到尾的研究在很短的時間內完成。具有高保真度的“超級代理”可以處理從深入的市場研究和專家電話到數據分析和草擬一份格式良好的 100 頁報告的所有任務——傳統上需要一組五名顧問工作 6-8 周的任務現在可以更快地完成。這一速度和輸出的飛躍將解鎖新的生產力水平，允許人類專家專注於高層戰略和判斷。

AI 將使得交易數量增加 50-100 倍。在自動化大部分盡職調查和分析的同時，AI 驅動的解決方案可以幫助投資經理以前所未有的方式擴大交易篩選能力，揭示更多機會並使投資組合多樣化，以往這些都是不可行的。

最關鍵的元素將是人機之間的協同作用的增強。隨著這些“超級代理”承擔繁重的工作，AI 工具和人類決策者之間的合作將變得至關重要。雖然 AI 將加速過程並在規模上提供見解，但人類專業知識將在細化戰略、解釋細微的發現和做出自信的投資決策方面發揮關鍵作用。這種協同作用將推動投資研究領域在未來五年內的回報和創新。

隨著 AI 工具的普及，你如何看待未來人類分析師和 AI 之間的合作？

當 AI 工具變得更加普遍時，未來的人類分析師將圍繞著與 AI 的合作，而不是與其競爭。AI 不會取代分析師，而是作為一種強大的增強工具，自動化重複的任務，讓分析師專注於高價值、戰略性的工作。最成功的分析師將是那些學會將 AI 融入工作流程的人，利用它來提高生產力、精煉見解和推動創新。分析師不應該害怕 AI，而應將其視為一種能夠放大他們技能、讓他們為組織添加更大價值的革命性工具。

最終，AI 不會取代人類分析師——但那些接受 AI 的分析師將取代那些不接受 AI 的分析師。

感謝這次精彩的採訪，讀者若想了解更多，請訪問 Wokelo。