Стартап из Таджикистана zypl.ai привлек $1,1 млн в первом раунде инвестиций при оценке проекта в $10 млн, сообщил на своей странице в Facebook основатель проекта Азизджон Азими.
Инвесторами pre-seed раунда стали Presto Ventures (Чехия), Battery Road Digital Holdings (США), Argo’s Quest (Сингапур), AloqaVentures (Узбекистан), Activat (Казахстан), UzVC National Venture Fund в партнерстве с Sturgeon Capital (Узбекистан/Великобритания) и инвесторами-«ангелами» из ОАЭ, Казахстана, Таджикистана и Украины.
SaaS-решение от zypl.ai позволяет банкам и микрофинансовым организациям мгновенно и точно оценивать целесообразность выдачи кредитов клиентам с ограниченной кредитной историей или без нее.
Zypl.ai участвовал в первом потоке программы Silkway Accelerator от Astana Hub и Google for Startups. И, как пишет Азизджон Азими, именно во время акселерационной программы решался вопрос с инвестированием:
Кроме этого, по мнению Азизджона Азими, за 12 недель участия в Silkway Accelerator проект zypl.ai достиг большего прорыва, чем за предыдущие полтора года существования:
Break-even: количество платящих enterprise клиентов за лицензионный доступ к нашему софту искусственного интеллекта увеличилось с 1 до 7. Этот результат позволил нам достичь безубыточности — редкость для B2B SaaS (нашего сегмента) на такой ранней стадии.
Pivot: генерация синтетических данных с учетом «черных лебедей». Одна из главных проблем стартапов в сфере ИИ заключается в том, что исходные коды библиотек являются open source. Любой enterprise клиент, нанимая data science команду, имеет доступ к тому же random forest или gradient boosting (методы машинного обучения – прим. Digital Business). Реальное преимущество можно строить на уникальных данных и/или собственном коде. У zypl.ai изначально было преимущество в том, что что у нас была большая база реальных данных (>1 миллиона обезличенных кредитов). Но нам хотелось пойти дальше и сделать что-то собственное в коде. Если вкратце, то для банков/МФО большая проблема заключается в том, что они строят скоринги сугубо на своих данных (+ кредитного бюро). Генерируя синтетические данные, мы строим скоринги для каждого отдельного банка/МФО с учетом того, как выглядит весь рынок сейчас и какова может быть динамика. В процессе мы обучаем модели ИИ на «черных лебедей» (труднопрогнозируемые события с большими последствиями – прим. Digital Business), которые мы настраиваем в коде. Для банков/МФО этот подход дает стабильность во время макробурь, которые часто случаются в развивающихся рынках.
Сейчас стартап имеет корпоративных клиентов в четырех странах Центральной Азии, а дальше основатели zypl.ai нацелены выходить на новые рынки в странах Ближнего Востока, Северной Африки, Юго-Восточной Азии и Восточной Европы.