Cette startup amène des agents de l’IA aux banques et aux gestionnaires de fonds, notamment UBS, Blue Owl Capital et T. Rowe Price. Voici le jeu qu’il a utilisé pour lever 8 millions de dollars.
La vague de FinTech construisant des agents autonomes pour les entreprises financières conçues pour faire le travail d’un analyste ou d’un banquier junior gonfle.
Une telle startup, Auquan, utilise une IA générative pour automatiser la tâche longue mais omniprésente de collecter et de traitement des données et de mettre ces informations dans un modèle écrit, comme un rapport de diligence raisonnable, un mémo du comité d’investissement ou un livre de pitch.
La demande pour ce type de technologie se réchauffe dans l’industrie financière, qui est souvent enlisé avec des processus manuels autour de la gestion, du traitement et de l’analyse des données. Depuis son lancement en octobre 2023, Auquan a rapporté près de 2 millions de dollars en revenus récurrents annuels et obtenu UBS, T. Rowe Price et Blue Owl Capital en tant que clients, selon le PDG et cofondateur, Chandini Jain.
De la banque à l’ingénierie logicielle en passant par la recherche, les entreprises financières souhaitent mettre en œuvre des assistants d’IA qui peuvent effectuer des processus en plusieurs étapes. Bien qu’il soit encore trop tôt pour dire à quel point la technologie aura un impact sur les résultats des adoptants, les investisseurs en capital-risque rédigent des chèques pour faire au rez-de-chaussée de ce que certains leaders de l’industrie appellent une technologie révolutionnaire.
En plus de marquer des clients de renom et de ses sources de revenus l’année dernière, Auquan a également clôturé 8 millions de dollars en financement de semences. La ronde a été menée par le pic XV et comprenait Neotribe Ventures.
Auquan a fait des percées avec diverses divisions dans les sociétés financières, de l’investissement du marché privé dans la banque d’investissement, ainsi que les risques et la conformité, et les relations avec les investisseurs, a déclaré Jain. Dans ces fonctions, il est le plus utilisé par les analystes ou les associés pour produire des documents ou des modèles pour leurs MDS, partenaires ou chefs de division.
Les rapports de diligence en raison sont un grand cas d’utilisation pour Auquan. La startup automatise la création de 3 300 rapports de diligence raisonnable pour 20 clients différents, leur économisant un cumulatif 55 000 heures de travail, selon les estimations des clients.
Comment Auquan fonctionne dans les coulisses
Auquan est conçu pour essayer d’imiter les humains dont il fait le travail, a déclaré Jain.
La première étape consiste à accéder aux données brutes. Auquan tire les données des fournisseurs, comme FactSet, Capiq et Pitchbook, ainsi que les ensembles de données publiques des agences gouvernementales et des sites d’information. Il peut également se connecter aux systèmes de fichiers internes d’un client.
La deuxième partie implique que l’utilisateur indique une intention avec un exemple, comme « Je veux créer une note de service du comité d’investissement et je veux qu’il sorte de ressembler à ce document de modèle », a déclaré Jain. Sous le capot, la technologie s’appuie sur un « super orchestrateur d’agent » qui décompose les travaux spécifiques à faire et organise plusieurs « mini-agents » pour assumer chacun de ces travaux, a déclaré Jain.
Dans l’exemple de mémo du comité d’investissement, il pourrait y avoir un agent qui identifie les champs qui doivent être remplis, un autre pour effectuer des recherches sur les données sous-jacentes des fournisseurs, une autre qui scanne des données publiques et un agent d’écriture qui prend toutes les informations et les met dans un format spécifique à l’entreprise basé sur le modèle, comme si une section doit être présentée dans des puces ou une table. Il est exporté dans l’interface souhaitée, comme une présentation PowerPoint ou un Google Doc avec la marque d’entreprise appropriée. Tout cela se produit automatiquement sans intervention humaine, a déclaré Jain.
Le premier projet est présenté à l’utilisateur comme point de départ. L’utilisateur peut apporter des modifications et des ajustements pour de futurs documents, a-t-elle déclaré. L’agent Super Orchestrator affectera de nouveaux mini-agents au besoin, a-t-elle ajouté.
Le prix de Auquan est basé sur les résultats souhaités estimés des clients, a déclaré Jain. Des exemples de résultats consistent à produire un pont de diapositives, un rapport ou une vérification de conformité. Une fois que le client choisit le flux de travail à automatiser, Auquan facture un montant en dollars pour ce résultat et le multiplie par combien de fois ce processus devrait fonctionner, a-t-elle déclaré.
Trop de données, pas assez de personnes
Jain sait de première main à quel point il est à forte intensité de main-d’œuvre d’extraire les informations des données. Avant Auquan, elle a travaillé comme analyste chez Deutsche Bank and Derivatives Trader chez le marché néerlandais et la société de commerce propriétaire Optiver, où elle se noyait des informations avec pas assez de temps ou d’aide à la distiller.
« Si moi ou quelqu’un de mon équipe pouvait faire valoir pourquoi nous pensions qu’un ensemble de données nous aiderait à prendre de meilleures décisions, nous pourrions l’acheter sans poser de questions », a déclaré Jain. « Ce que nous n’avions pas beaucoup, c’était des ressources ou du temps pour parcourir ces informations », a-t-elle déclaré.
Elle apprendrait des conversations avec des clients financiers qu’elle n’était pas seule dans ce problème. La large applicabilité a conquis les investisseurs.
