스티브 코헨이 창업한 헤지 펀드인 Point72에서 일하던 Thomas Li는 금융 산업이 주로 수동 데이터 입력 프로세스에 의존하고 이로 인한 오류 가능성이 있음을 깨달았습니다.

“바이 사이드 분석가로서, 금융 모델을 구축하고 업데이트하기 위해 데이터를 수동으로 소싱하고 입력하는 과정에 대한 고통을 느꼈습니다,”Li는 TechCrunch에 말했습니다. “이 작업은 분석 및 투자를 하는데 더 중요한 시간을 소요했습니다.”

뉴욕 대학교 연결을 통해 (세 사람 모두 출신), Li는 전 에어비앤비 및 메타 소프트웨어 엔지니어인 Jeremy Huang과 전 마이크로소프트 엔지니어인 Daniel Chen을 만나 수동 데이터 입력 도전에 대한 자동화 솔루션을 시도하기로 결정했습니다.

세 파트너는 Daloopa를 선보였으며, 이는 금융 보고서 및 투자자 프레젠테이션으로부터 데이터를 추출하고 정리하는 데 AI를 사용합니다. Daloopa는 화요일에 Touring Capital을 이끌고 모간 스탠리 및 넥서스 벤처 파트너가 참여한 1,800만 달러의 시리즈 B 펀딩 라운드를 조직했다고 발표했습니다.

“Daloopa는 분석가를 위한 AI 기반의 역사적 데이터 인프라입니다,”Li는 말했습니다. “이 데이터 발견 프로세스 접근 방식은 경쟁력 있는 기업 및 팀을 앞선 위치에 두게 합니다.”

Daloopa의 주요 고객은 주로 헷지 펀드, 프라이빗 이퀴티 기관, 상호 펀드 및 기업 및 투자은행들이며,이 스타트업의 도구를 사용하여 투자 및 심사 연구를 위한 워크플로우를 구축합니다. AI 알고리즘을 이용한 워크플로우는 데이터를 분석가의 금융 모델에 전달하여 데이터를 수동으로 복사하는 필요성을 줄입니다.

“Daloopa는 바이 사이드 및 셀 사이드에 중요한 데이터를 얻는 새로운 방법을 제시합니다,”Li는 말했습니다. “절약된 시간은 연구 및 분석 또는 고객과의 소통 시간에 재투자되어 고객이 연구 과정에서 우위를 점도록 도와줍니다.”

지금, 저는 Daloopa의 AI가 실수를 저지르지 않는 것에 조금 의심스러워합니다 : 결국 어떤 AI 시스템도 완벽하지 않기 때문입니다. 환각이라고 알려진 현상 덕분에 AI 모델이 문서나 파일을 요약할 때 사실과 숫자를 날조하는 일은 흔하지 않습니다.

Li는 Daloopa가 완벽하지 않다고 주장하지는 않았으나 플랫폼의 알고리즘이 “지속적으로 개선되고 있다”고 주장했습니다. 데이터의 출처가 정확히 어디에서인지는 관련,Li는 SEC 제출 및 투자자 프레젠테이션 같은 공개 소스에서 얻었다고만 언급했습니다.

Li는 'AI 하이프' 이전인 5년 전 태어난 AI 회사인 Daloopa라고 말했습니다. “우리는 이 시간 동안 알고리즘을 향상시키고 금융 기관을 위한 AI를 개발했습니다."

시리즈 B 펀딩을 통해 뉴욕에 본사를 둔 Daloopa의 총 투자 금액이 4000만 달러로 늘어났으며, 이 회사는 직원 약 300명의 팀을 확대하고 제품 R&D를 강화하고 고객 확보 노력을 확대할 계획입니다.

“Daloopa는 선도적 위치에서 시작된 AI 기반 솔루션이며 지난 2년간 연간 성장 가속을 본 기업입니다,” 그는 말했습니다. “금융 기관이 AI 도구 도입을 늘림에 따라 AI 기반의 기본적 데이터 공간에서 지도자 역할을 해 나갈 수있는 위치에 있습니다.”