戴力想要利用人工智能自动进行尽职调查

Stephanie Song曾在Coinbase的企业发展和风险投资团队工作，她常常对每天需要完成的尽职调查任务量感到沮丧。

"分析师们为了完成那些无人愿意做的工作而熬夜数百小时," 他在与TechCrunch的电子邮件采访中说道。 "与此同时，基金正投放较少的资金，寻找方法提高团队效率，同时降低运营成本。"

受启发，宋与前Coinbase同事布赖恩·费尔南德斯和阿南德·查图尔韦迪合作，推出了Dili（东帝汶首都名称无关），这是一个尝试利用人工智能自动化私募股权和风投公司的关键投资尽职调查和投资组合管理步骤的平台。

Dili是Y Combinator毕业生，迄今为止已从Allianz Strategic Investments、Rebel Fund、Singularity Capital、Corenest、Decacorn、Pioneer Fund、NVO Capital、Amino Capital、Rocketship VC、Hi2 Ventures、Gaingels和Hyper Ventures等支持者那里筹集了360万美元的风险投资。

“[人工智能] 影响投资基金的各个部分，从分析师到合作伙伴再到后勤职能，”宋说。“基金投资专业人士正在寻找区别化的决策优势，现在可以利用他们丰富的数据结合对交易的理解，以及如何与基金相匹配... Dili有一个独特的机会可以成为一个在严苛的宏观环境中为基金提供解决方案的工具。”

宋并没有错，关于资金寻求优势，或者任何新的应对投资风险的方法都是如此。据报道，风投公司有3110亿美元的未花费现金，去年筹集的总额最低，只有670亿美元，在过去七年中越来越谨慎地对待初创企业。

迪力并非第一个将人工智能应用于尽职调查流程的人。根据Gartner的预测，到2025年，超过75%的风险投资和早期投资者的高管审查将使用人工智能和数据分析来提供信息。

一些初创公司和传统公司已经开始利用人工智能来浏览财务文件和大量数据，以制作市场比较和报告，其中包括Wokelo（其客户是私募股权和风投基金，如Dili's）、Ansarada、AlphaSense和汤森路透（通过其清洁负面媒体单位）。

但宋坚持认为迪力使用了“首创技术”。

"我们可以在特定任务上提供非常高的准确性，比如从大型非结构化文档中提取财务指标，"她补充道。"我们已经构建了定制的索引和检索管道，针对特定文档进行调整，为我们的人工智能模型提供高质量的上下文。"

Dili利用GenAI，特别是类似于OpenAI的ChatGPT的大型语言模型，来简化投资者的工作流程。

该平台首先将基金的历史财务数据和投资决策存档在知识库中，然后应用前述模型自动化任务，如解析私人公司数据库、处理尽职调查请求列表以及在网上搜索鲜为人知的数据。

地利最近新增了对公司待办交易的自动可比性分析和行业基准分析支持。一旦基金上传他们的交易数据，他们就可以在同一个地方比较历史和当前的投资机会。

宋先生表示：“想象一下，当您收到一封关于新投资机会或投资组合公司更新的电子邮件时，立即可以使用一个平台生成基于人工智能的交易红旗、竞争分析、行业基准和初步总结或备忘录，利用您基金的历史投资模式。”

问题是，当涉及管理投资组合时，可以相信迪利的人工智能 - 或者任何人工智能吗？

人工智能并不一定以事实为主要特征。《Fast Company》测试了ChatGPT总结文章的能力，发现这个模型有错误、漏掉部分内容，并会在总结文章中添加一些在原文中没有提到的细节。可以想象，在尽职调查工作中，精确性至关重要，这种情况可能会成为一个真正的问题。

人工智能在决策过程中也可能带入偏见。哈佛商业评论几年前进行的一项实验发现，一种用于推荐初创企业投资的算法更倾向于选择白人企业家而不是有色企业家，并喜欢投资男性创始人的初创企业。这是因为算法训练所使用的公共数据反映出，在融资过程中，更少的女性和来自受欢迎程度较低群体的创始人往往处于劣势地位，最终筹集的风险投资也更少。

然后还有一点是，一些公司可能不愿意通过第三方模型处理他们的私密敏感数据。

为了试图减轻所有这些担忧，宋表示迪力正在继续调整其模型 - 其中许多是开源的 - 以减少幻觉的发生，并提高整体准确性。她还强调，迪力不使用私人客户数据来训练模型，并且迪力计划提供一种方法，使基金能够基于专有的离线基金数据创建自己的模型。

Dili去年进行了一次最初的试点测试，涉及来自不同类型基金和银行的400名分析师和用户。但随着初创公司团队的扩大和新功能的增加，Song表示，公司正计划扩展到新的应用程序领域，最终成为投资者尽职调查和投资组合管理的“端到端”解决方案。

她补充道：“最终，我们相信我们正在构建的这项核心技术可以应用于资产配置过程的各个环节。”