Daloopa訓練AI自動化財務分析師的工作流程

在Point72工作時,Thomas Li意識到金融行業在很大程度上依賴於可能容易出錯的手動數據輸入過程。

Li告訴TechCrunch說：“作為買方分析師,我覺得手動查找和輸入數據以建立和更新財務模型是非常痛苦的。這搶走了進行分析和投資的更重要工作時間。”

通過紐約大學聯繫,與前Airbnb和Meta的軟件工程師Jeremy Huang以及前Microsoft工程師Daniel Chen相識(Li自己也是他們三人的校友),Li決定嘗試創建一個自動化解決方案來應對數據輸入的挑戰。

三位合作夥伴成立了Daloopa,該公司使用人工智能從財務報告和投資者演示文稿中提取和組織數據以供分析師使用。Daloopa於周二宣布,在由Touring Capital領投、摩根士丹利和Nexus Venture Partners參與的B輪融資中籌集了1800萬美元。

Li表示:“Daloopa是分析師使用的AI強化的歷史數據基礎設施。這種方式使高度競爭的公司和團隊領先一步。”

Li表示,Daloopa的客戶主要是對沖基金、私募股權公司、共同基金和公司投資銀行。他們使用該公司的工具來構建投資和盡職調查研究的工作流程。這些由AI算法驅動的工作流程可以發現並將數據提供給分析師的財務模型,從而減少手動複製數據的需要。

Li表示:“Daloopa提供了一種將使命關鍵數據傳遞給買方和賣方的新方式。節省的時間可以用於研究和分析,或者與客戶面對面的時間,幫助我們的客戶在研究過程中獲得優勢。”

現在,我有點懷疑Daloopa的AI是否不會出現錯誤:畢竟沒有一個AI系統是完美的。由於所謂的幻覺現象,當總結文件和文件時,AI模型造假的情況並不罕見。

Li並未表示Daloopa是絕對可靠的。但他聲稱,這個平台的算法“隨著時間的推移而只會變得更好”,因為它們在不斷增加的財務文件集上接受訓練。從哪里準確地獲取數據,目前尚不得而知; Li僅表示數據來自“證券交易委員會的申報和投資者演示文稿等公共來源”。

Li表示:“Daloopa從誕生的五年前就是一家AI公司,早在AI熱潮之前。我們花了這些年的時間訓練我們的算法,並為金融機構開發AI。”

通過這一輪新資金,這將使位於紐約市的Daloopa總籌到4000萬美元,該公司計劃擴大其擁有近300名員工的團隊,加強產品研發,並擴大客戶獲取工作。

他說：“Daloopa是一個AI強化的解決方案,一直走在前面,過去兩年看到增長加速。隨著金融機構增加對AI工具的採用,我們非常有潛力成為AI驅動的基礎數據領域的領先者。”