Shivi Sharma, kredi risk alanında American Express ve Varo Bank gibi önemli firmalarda bir on yıl geçirdi. Bu süre zarfında, ekiplerin tüm kredi türlerini analiz etmek için eşit miktarda zaman harcadığını fark etti; bu durum, 100,000 dolarlık bir kredi ile 5 milyon dolarlık bir kredi arasında anlamlı bir fark olmadığını gösteriyordu. Küçük kredilerin değerlendirilmesi, sonuç olarak, kredi verenler için kârsız ve zaman alıcı bir süreç haline geliyordu.
Sharma ve eşi Utsav Shah, burada bir fırsat olduğunu fark etti. “Küçük işletmelerin büyümek için ihtiyaç duyduğu sermayeye erişemediğini gördüm, çünkü bankalar için ekonomik açıdan mantıklı olmuyordu,” diyor Shah.
Yapay zeka ile ölçeklenebilir karar verme sistemleri geliştirme konusundaki yetenekleri ve bankacılıkta kredi riskleri ile dolandırıcılık risk değerlendirmeleri konusundaki uzmanlıkları sayesinde, bu eski sorunu çözmek için yeni nesil AI ajan iş akışlarını uygulamaya karar verdiler.
2024 yılında Kaaj adını verdikleri şirketi kurdular. Kaaj, kredi risk analizini otomatikleştirerek, kredi değerlendirme sürecinin günler yerine dakikalar içinde tamamlanmasını sağlıyor. Şirket, Amur Equipment Finance ve Fundr gibi müşterileri ile birlikte 5 milyar dolardan fazla kredi başvurusunu işlediğini duyurdu. Ayrıca Kindred Ventures ve Better Tomorrow Ventures’tan 3.8 milyon dolarlık bir tohum yatırımı aldılar.
Kaaj’ın ürünü şöyle çalışıyor: Küçük bir işletme kredi başvurusunda bulunduğunda, mali tablolar, banka hesap özetleri ve vergi beyannameleri gibi gerekli belgeleri sunuyor. Genellikle, bu aşamada kredi değerlendirenler, tüm bilgileri manuel olarak doğrulamak ve Kredi Başvuru Sistemi’ne kaydetmek için günler harcıyorlar.
Kaaj, yapay zeka kullanarak bilgileri tanımlıyor, sınıflandırıyor, doğruluyor ve Kredi Başvuru Sistemi’ne entegre ediyor. Aynı zamanda, belgelerdeki sahtekarlığı kontrol etmek amacıyla değerlendirmeler gerçekleştiriyor. Mevcut Müşteri İlişkileri Yönetimi (CRM) sistemlerine entegre olabiliyor ve bir işletmenin kredi verenin politika kriterlerini karşılayıp karşılamadığını gösterebiliyor.
Shah, “Bu, 500 başvuru işleyen bir ekibin, aynı personelle 20,000 başvuru işlemesini sağlıyor; bu da küçük kredilerin ekonomik açıdan sürdürülebilir olmasını sağlıyor,” diyor.
Hedef, daha fazla küçük işletmenin bankalardan kredi alabilmesi; çünkü bankalar için bu işlem daha maliyet etkin hale geliyor. Piyasada Middesk, Ocrolus ve MoneyThumb gibi diğer rakipler de bulunuyor. Sharma, Kaaj’ın tüm kredi analiz sürecini otomatikleştirerek rekabette öne çıkmasını umuyor.
“Bunu, ekiplerin işleyişini taklit eden ajans AI iş akışlarını devreye alarak yapıyoruz; bu da kredi verenlerin tüm kredi paketlerini analiz etmelerine yardımcı oluyor,” diyor.
Yeni yatırımla ürün geliştirmeyi hızlandırmayı ve bağımsız küçük işletme kredi verenleri arasında genişlemeyi planlıyorlar. “AI ajan yeteneklerimizi artırmaya, modül tekliflerimizi genişletmeye ve kredi verenler ve aracıların müşteri tabanını mevcut alanımızın ötesine ölçeklendirmeye odaklanıyoruz.”
Shah ve Sharma, Kaaj’ın küçük işletme kredilendirmesinde bir devrim yaratabileceğini ve hala oldukça kağıt ağırlıklı olan bu sürece otomasyon getirebileceğini umuyor. “Kredi analizinin biliminin otomatikleştirilmesiyle, insan kredi değerlendirenlerin pazarlık yapma ve sübjektif değerlendirme sanatına odaklanmalarını sağlıyoruz; bu da onların gerçek rekabet avantajıdır,” diyor.
