Основатель стартапа Zypl.ai Азизджон Азими рассказал об уникальности проекта, инвестициях и масштабировании на международный рынок
В октябре 2023 года стартап из Таджикистана победил
в номинации AI Startup of the Year (AI
или artificial intelligence – искусственный интеллект) на Digital Bridge Awards 2023. Основной
темой форума в этом году стало обсуждение роли искусственного интеллекта (ИИ)
в современном мире. Главный продукт стартапа Zypl.ai – скоринговая модель на
основе ИИ. В беседе с корреспондентом центра
деловой информации Kapital.kz основатель Zypl.ai Азизджон Азими рассказал о
том, как возникла идея создания стартапа, сколько в него было вложено средств,
в какие страны компания масштабируется сегодня и какие дополнительные продукты
планирует запустить.
— Азизджон, расскажите краткую историю своего стартапа. Как, когда и почему
пришла идея его создать и когда именно он был запущен?
— Я всегда
называю нас accidental,
то есть «случайный» стартап, потому что мы возникли незапланированно. Начну с
предыстории: я окончил совместную программу магистратуры Гарвардского и
Стэнфордского университетов. В Гарварде – магистратуру в области государственного управления в школе Кеннеди, в Стэнфорде – MBA. Во время учебы я уже руководил
некоммерческой образовательной организацией tajrupt. Благодаря этому проекту в 2018 году я вошел в список
американского Forbes в категории социальных предпринимателей «30 до 30» в регионе Азии. Это был мой
первый опыт в качестве фаундера (основателя – Ред.). В Стэнфорде я начал
интересоваться технологиями, потому что ими невозможно не интересоваться, если
вы рядом с Кремниевой долиной (улыбается).
Я заметил, что ребята, проходившие обучение в tajrupt, обладают
фундаментальными техническими навыками. У нас в Центральной Азии общее прошлое:
советская школа славилась хорошими техническими навыками, но плохим критическим
мышлением. Мы задумались об открытии образовательного центра именно по части
искусственного интеллекта. Уже тогда, в 2018-2019 годы, мы понимали, что AI – это
горизонт самых передовых технологий, и пришли с этой идеей к Исламскому банку развития. Они выделили нам грант в 150 тыс. долларов. И в конце
2019 года мы открыли tajrupt.ai, академию ИИ при tajrupt.
В конце 2020 года я решил вернуться в Таджикистан,
потому что видел, что у tajrupt.ai есть потенциал. Наши выпускники –
школьники 9-10 классов –
создавали алгоритмы машинного обучения для банковского сектора, системы
распознавания лиц и определения классификации клиентов банка. Когда ребята
завершали нашу программу, мы устраивали их в качестве стажеров в местные банки
и телеком-компании, в которых на тот момент еще не было ML-кейсов (ML или machine learning – машинное
обучение). Тогда мы решили, что нужно запустить исследовательский кейс
внедрения ML, чтобы
банки могли брать наших ребят на работу уже по целевому направлению. Банки-партнеры,
которые трудоустраивали наших выпускников, подсказали нам, что скоринг – это
актуальная тема.
К середине 2021 года у нас уже был первый успешный кейс внедрения ML в скоринге, и мы
видели, что можно коммерциализировать это направление. Местные банки в Таджикистане
очень позитивно отнеслись к нашему SaaS-решению (software as a service – программное обеспечение как услуга с англ.), потому что на бэктестах мы показывали высокий коэффициент Gini – по нему определяется
точность скоринговых моделей. Поэтому мы решили открыть отдельный стартап и зарегистрировали zypl.ai в октябре 2021 года.
— Расскажите
подробнее о своем продукте.
— Понятно, что скоринг – это движок всего кредитного
конвейера. Чтобы автоматизировать кредитный процесс, вам нужен скоринг. И сегодня
подавляющее большинство банков уже имеют скоринговые модели.
Но какую боль банков решает алгоритм zypl.ai? Почему мы считаем себя действительно глобальной компанией? Дело
в том, что скоринговые модели обычно строятся на основе исторических данных. В
этом случае модели дается установка, что паттерны (шаблоны – Ред.) будущего будут повторять паттерны прошлого. Но в
последние несколько лет мы видели беспрецедентные события вроде пандемии, рекордных инфляции и процентных ставок, а также продолжающейся войны в Украине. Все эти события не имели аналогов за последние 10 лет, а данные именно этого периода являются основой скоринговых моделей сегодняшних дней. Соответственно, они не учитывают макрособытия, которые мы называем «черными лебедями».
В случае zypl.ai мы генерируем
синтетические данные с помощью собственных алгоритмов ИИ, которые делают скоринговые модели
устойчивыми к разным макроситуациям. Если в базе данных банка есть
определенное количество исторических кредитов, мы синтетически генерируем новые данные, чтобы обогатить обучающую выборку для наших моделей скоринга. Мы включаем прогнозы с учетом разных макросценариев в зависимости от контекста конкретной экономики, но стабильно – с учетом инфляции, базовой ставки, курсов валют и так далее. Таким
образом, мы проводим стресс-тестирование алгоритмов ИИ к разным событиям.
В построении скоринга банки обычно убирают «выбросы» (outliers) – чересчур
позитивные или негативные сценарии, а мы, наоборот, генерируем «черных
лебедей». В конце обязательно проводится out-of-sample (вне выборки – Ред.) тест, чтобы убедиться в добавленной точности от нашего синтетического подхода к скорингу.
Отмечу, что все кредитные решения, принятые нашими
алгоритмами, объяснимы. Мы даем подробную аналитику того, какие факторы и
насколько повлияли на финальное решение наших алгоритмов ИИ. Регуляторы часто
запрашивают эту информацию у банков.
— А если у клиента
банка или микрофинансовой организации (МФО) нет кредитной истории?
— В этом случае мы берем за основу макроданные всего рынка на уровне экономики. У центральных
банков по всему миру есть так называемые статистические бюллетени, которые,
условно, публикуют общую температуру по больнице. Мы используем эти данные, высчитываем
вероятность дефолта заемщика с учетом макроэкономической ситуации и принимаем
решение на основе риск-аппетита банка. Вся суть существования нашего скоринга в
том, что мы кастомизируемся под банк, то есть работаем по определенному риск-аппетиту каждого отдельного партнера.
Отмечу, что в случае моделей трейдинга, то есть
инвестирования, банк проводит так называемый sensitivity analysis (анализ чувствительности с
англ. – Ред.) – включает в эти модели прогнозы различных сценариев. Но
почему-то в скоринге так никто не делает: все используют только исторические
данные. Поэтому мы считаем себя пионерами в этом направлении на глобальной арене.
— Как вы думаете,
почему так происходит в случае скоринга?
— Привычка. Это же обычный status quo bias (отклонение в сторону статус-кво с англ. – Ред.) – в случае
скоринга банки привыкли основываться сугубо на исторических данных. Но мы
видим, что улучшение Gini-коэффициента
на 2-3% может привести к миллионам, а то и десяткам миллионов долларов чистой
прибыли, в зависимости от объема портфеля.
— Давайте теперь
поговорим о вашей клиентской базе.
— На данный момент у нас более 25 банков и МФО, которые
платят нам за подписку по использованию нашего софта. У нас гибкая модель ценообразования по подписке либо по запросу. В Центральной Азии мы присутствуем на рынках Казахстана, Кыргызстана, Таджикистана и Узбекистана. В регионе MENA (Middle East and Northern Africa – Ближний Восток и
Северная Африка с англ.) – в ОАЭ, Иордании, Саудовской Аравии и теперь уже в Египте. На данный момент мы заходим
на рынки США, ЕС, Юго-Восточной Азии и Кавказа.
— Каких результатов
удалось добиться для клиентов на сегодняшний день?
— Для микрофинансовых организаций (МФО) мы автоматизируем процесс принятия решения по выдаче кредитов и помогаем с переходом на цифровой конвейер кредитования. В крупных банках мы на порядок улучшаем коэффициент Gini и добавляем новые фичи (дополнительные функции – Ред.) вроде прогноза просрочки по кредиту и удаленной идентификации клиентов. В
некоторых случаях мы уменьшили пропорцию дефолтов на 30%, а также смогли снизить
упущенную выгоду, то есть увеличили кредитный портфель без повышения уровня риска.
Приведу пример Commercial Bank International из ОАЭ – мы показали в рамках POC (proof of concept или проверка концепции – Ред.), что при помощи нашего скоринга они
смогли бы на две трети сократить доли просрочек в своем портфеле.
Крупнейшая
микрофинансовая организация в Таджикистане Imon International сократила время принятия
решения по выдаче микрозаймов офлайн до нескольких минут. До этого такой процесс
занимал несколько часов.
— На какую сумму уже
были выданы займы с помощью вашего продукта?
— За два года нашим AI-скорингом было выдано более 50 млн долларов кредитов
с кумулятивным default rate в 2%, что
ниже традиционных показателей банков. Если просрочка составила более
60 дней кумулятивно, мы относим заем к категории дефолтных в наших внутренних расчетах.
— Теперь давайте
поговорим об инвестициях. Сколько их удалось привлечь на сегодняшний день?
— В прошлом году в рамках pre-seed раунда мы привлекли
1,7 млн долларов от венчурных инвесторов и бизнес-ангелов. При этом
наша оценка поднялась с 6 до 10 млн долларов, потому что у нас произошел
oversubscription – была конкуренция среди инвесторов в результате повышенного спроса. Нашими крупными
инвесторами являются чешский фонд Presto Ventures, казахстанский Tumar Venture Fund, а также знаменитый
ангельский инвестор Дэвид Халперт, в портфеле которого пять единорогов
(стартапов с оценкой от 1 млрд долларов – Ред.).
В данный момент Zypl.ai оценивается в
25 млн долларов. Сейчас мы успешно закрываем бридж-раунд на
1,25 млн долларов – скоро мы об этом объявим. Ведущим инвестором выступает Commercial Bank International из ОАЭ, один из самых инновационных банков региона MENA.
Продажи нашего софта стартовали в
марте 2022 года и 18 месяцев спустя достигли заветного бенчмарка в 1 млн долларов ARR (annual recurring revenue –
регулярная годовая выручка) – ключевой метрики для SaaS. Это и объясняет быстрый рост оценки Zypl.ai.
Два года назад нас было четверо: три ML-инженера и я. Сейчас в нашей команде
45 человек, и в основном это ML-инженеры. Все это время я придерживался политики того, что я,
как фаундер, должен заниматься продажами сам. Мы прошли путь с нуля до
1 млн долларов ARR без команды по продажам. В этом месяце я благополучно «сдам
вахту», и мы будем нанимать sales-команду.
Мы также начинаем работать с дистрибьюторами – на рынок
Европы планируем выходить с одной
из компаний «большой четверки». Сейчас мы проводим онбординг (процесс
ознакомления клиента с продуктом – Ред.) уже глобальных финансовых организаций из числа ста крупнейших банков мира.
Я в первую очередь благодарю Silkway Accelerator от Google
for Startups и Astana Hub. После прохождения этой программы год назад у нас
пошел очень быстрый трекшн (показатели прогресса стартапа – Ред.). Мы поняли,
что нужно двигаться в сторону региона MENA – в середине текущего года я переехал в Дубай, и это было
правильным решением.
— В каких
акселерационных программах вы участвуете сейчас?
— В какой-то момент мы поняли, что один из лучших способов
заходить на новый рынок – это стать частью какого-то ведущего локального акселератора.
Сейчас мы параллельно проходим две акселерационные программы: в Саудовской
Аравии это Misk Accelerator – совместная программа Фонда Наследного принца Мухаммеда ибн Салмана и американского Plug & Play, в ОАЭ – DIFC FinTech Hive, ведущего финтех-акселератора региона. Также скоро мы начинаем участвовать в финтех-акселераторе
иорданского банка Ahli Bank,
нашего инвестора и стратегического партнера.
— SaaS-продукты обычно имеют достаточно высокую маржинальность. На
какую маржу вы рассчитываете?
— Да, в SaaS-компаниях
(software as a service
– программное обеспечение как услуга с англ.) целевая маржинальность – 80%. Мы находимся вблизи
точки безубыточности (доходы полностью покрывают расходы – Ред.) с ARR в
1 млн долларов и командой
в 45 человек. Наш runway – период, на
который нам хватит полученных от инвесторов денег – равняется 4 годам, и это в разы больше показателя среднего стартапа. Поэтому с
финансовой точки зрения у нас очень хороший фундамент.
— Какие новые SaaS-продукты вы планируете запустить в ближайшее время?
— Наше SaaS-решение
по AI-скорингу на
основе синтетических данных – это сердце нашей компании. Но дело в том, что мы хотим
выстроить экосистему вокруг этого продукта путем применения скоринга на
практике.
Первый дополнительный продукт – гарантийное кредитование.
Есть категория клиентов, которым наш скоринг хронически отказывает из-за
консервативного риск-аппетита нашего банка-клиента, несмотря на позитивную оценку кредитоспособности клиента нашими алгоритмами ИИ. Например, это люди с
ограниченной кредитной историей или неформальным доходом. В этом случае мы
предлагаем банку выдать клиенту кредит под нашу гарантию частичного покрытия кредитного риска.
Если клиент погашает платежи вовремя, банк платит нам
за гарантию, а клиент – за сервис, потому что без нашего инструмента ему бы отказали в кредите. По факту мы являемся поручителем заемщика.
Если он платит вовремя, мы делим маржу с банком, а если уходит в просрочку –
делим с банком кредитный риск, покрывая половину остатка основного долга. В
ближайшее время мы планируем внедрить этот продукт на рынках Иордании,
Казахстана, ОАЭ и Таджикистана.
Касательно второго дополнительного продукта, совместно с нашим
стратегическим партнером – необанком Planet9 – мы сейчас внедряем модель так называемого remittance-based financing, то есть
финансирования на основе денежных переводов. В мире каждый год совершаются
денежные переводы более чем на 600 млрд долларов, в то время как только из ОАЭ и Саудовской Аравии ежегодно переводят около 90 млрд долларов.
Предположим, мигранту в Дубае срочно понадобился кредит в этом
месяце, чтобы отправить деньги семье в другую страну. Банки в ОАЭ и Саудовской
Аравии очень консервативные: если зарплата человека составляет менее
1500 долларов, он не может открывать банковские счета – у определенного сегмента мигрантов их нет. И они отправляют деньги не через банки, а через организации
наподобие Western Union,
что, по моему мнению, является пережитком прошлого. Необанк Planet9, используя нашу скоринговую модель, выдает кредит не
наличностью, а в виде перевода в страну назначения по модели send now pay later. Далее заемщик расплачивается
с Planet9 в течение
трех месяцев.
Мы планируем выйти с этим продуктом на рынки США и Евросоюза,
потому что там самая острая нужда в плане финансирования мигрантов. Сейчас мы как раз выходим на рынок Гватемалы, чтобы получить доступ к базе данных переводов со стороны получателей. Ежегодно в эту страну с населением в 11 млн человек совершаются денежные переводы на 18 млрд долларов,
потому что мигранты в США отправляют деньги домой.
— С какими
трудностями вам приходится сталкиваться в процессе работы?
— Одна из сложностей связана с организационными вопросами
при работе с финансовыми учреждениями. Это может быть смена руководства банка
или какой-то переходный период. Поэтому мы должны всегда подстраиваться под
бюджетные и организационные циклы финансовых учреждений. Это особенно чувствуется
в Центральной Азии (улыбается). Кроме того, в нашем регионе не очень развита SaaS-культура. Поэтому не хватает кадров, которые могли
бы создавать и вести SaaS-продукты.
— Благоприятные ли
условия в Казахстане и в целом в Центральной Азии для развития стартапов?
— Я думаю, что Astana Hub сделал для развития экосистемы
стартапов в Центральной Азии больше, чем любая другая организация в нашем
регионе. Казахстан был нашим первым мостом на глобальные рынки. И я думаю, что
таких возможностей, которые есть у стартапов в Казахстане, нет нигде в нашем
регионе.
— Поздравляю еще раз
с победой в номинации AI Startup of the Year на Digital Bridge Awards 2023! Как вы думаете, что именно
помогло вам ее выиграть?
— Думаю, нам помог выход на новые рынки региона MENA, где мы показали быстрый трекшн. Это был хороший сигнал, что мы
движемся в правильном направлении. Я всегда советую своим друзьям-стартаперам
выходить за пределы Центральной Азии.
Ведь на иностранных рынках можно заработать больше, приложив те же усилия при
разработке продукта.
Другой ключевой фактор – мы пишем свой генератор
синтетических данных: не используем просто открытые коды ИИ, а делаем реальный deeptech (глубокотехнологичный
с англ. – Ред.) AI-продукт
сами. На мой взгляд, эти два фактора и сыграли главную роль в
нашей победе.
При работе с материалами Центра деловой информации Kapital.kz разрешено
использование лишь 30% текста с обязательной гиперссылкой на источник. При использовании полного
материала необходимо разрешение редакции.
Вам может быть интересно
Казахстанский стартап упростил рестораторам работу с онлайн-заказами
Казахстанской EdTech-платформой заинтересовались зарубежные школы
Как развиваются biotech-стартапы в Казахстане
банк
банки
стартап
стартапы
стартаперы
микрофинансовые организации
ИИ
МФО
искусственный интеллект
микрофинансовая организация
Digital Bridge Awards
Digital Bridge 2023
скоринг
Читайте Kapital.kz в
Вверх
Комментарии
Выйти
Отменить
Отправить
Показать все комментарии