超平面希望将人工智能引入银行

总部位于旧金山的初创公司Hyperplane通过宣布一轮600万美元的融资，正式从隐匿状态走出来。这轮融资由前Stripe高管Lachy Groom领头，其他参与者包括SV Angel、Clocktower Technology Ventures、Liquid2 Ventures、Soma Capital、Latitud、Atman Capital、Crestone VC和Norte。Hyperplane的目标是帮助银行利用他们的第一方数据来预测客户行为，以构建个性化体验。

该公司已经与巴西的十几家银行合作，并且现在将目光转向扩张至美国。虽然Hyperplane目前仅专注于银行领域，但团队计划未来也将技术应用于其他领域。

Hyperplane是由Felipe Lamounier、Daniel Silva、Rohan Ramanath和Felipe Meneses共同创立的。Lamounier（首席执行官）在巴西创办了一家名为StartSe的教育科技初创公司，并投入了过去的七年时间。而Silva和Ramanath分别在谷歌和领英建立了大规模的人工智能系统。

Ramanath解释说：“我们最初的核心假设是：为全球各地的银行构建个性化层需要什么。”“如果你想到大型技术公司，它们有很多第一方数据，但它们也在数据基础设施和企业数据仓库方面进行了大量投资，用于利用所有这些数据来理解消费者，将个性化建设到每个产品页面，并最终将其建立到消费者体验本身。Hyperplane的目标是，如果全球各地的银行拥有大量的第一方数据，那么构建一个数据智能层需要什么，以便银行可以插入它们的第一方数据？”

拉穆尼尔还强调了一个事实，即银行拥有关于客户的细致数据，这是其他服务所没有的。“我向银行销售的一个论点是，这些银行对我作为客户的数据比谷歌或Facebook拥有的数据更容易捕捉到我的行为。我去保时捷网站并不意味着我可以买一辆保时捷。但是大通或美国银行知道我去过哪些餐馆，去过哪家杂货店。如果我打车，他们知道的经济承受能力是多少？所有这些数据都在银行内部。”

目前，大多数银行几乎没有提供个性化的体验，因此基准很低。然而，消费者越来越希望他们的银行体验能更像他们在其他在线平台上的体验——尤其是像巴西这样的银行竞争激烈的市场。核心上，Hyperplane为这些银行提供了用于动态构建个性化模型的API。所有这些部署都是私有的，团队强调不会进行任何数据共享。Hyperplane还在自己的模型上使用所有这些功能。

目前，该公司提供两个模块：一个用于构建受众群体，另一个用于创建相似受众，通过找到相似的用户来扩大潜在目标受众。“我们发现通过构建任务特定的模型，我们可以更好地利用定制和从零开始构建的东西，”Ramanath说。

最近，Hyperplane推出了曼德博特LLM模型，该模型专门帮助银行预测客户可能流失的时机，或者哪些用户将某家银行作为他们的主要银行。

Hyperplane表示，使用其服务使得巴西的一家新银行能够将信用额度划分增加了46%，例如，通过能够更清楚地了解客户的预估收入情况。

"巴西在过去十年中经历了一场重要的促进竞争的运动，如今我们看到一个渴望采用新技术的生态系统，"拉蒙尼尔指出。"超平面云可以轻松扩展到各个市场，并且我们将很快在美国宣布我们的首个合作伙伴关系。"