Clutch.AI зародился в конце 2016 года как идея в Khosla Labs. Novopay, финтех, выросший инкубатора стартапов Винода Хосла, является поставщиком цифровых кошельков и основных банковских решений с более чем 50 тысячами авторизованных точек, 1 миллиард долларов в рамках GTV и 20 миллионами транзакций в год. Когда Срикант Надхамуни, генеральный директор Novopay, понял, что кредитование их сети розничных продавцов может быть взаимовыгодным, он знал, что тот человек, который сможет принять вызов.

К этому моменту Субир Мансухани покинул лабораторию инноваций и разработок Mu Sigma и начал создавать в Khosla Labs команду, ориентированную на ИИ. Вскоре команда приступила к созданию системы кредитного рейтинга с поддержкой ИИ для розничных продавцов, которые работали с Novopay. Многие владельцы киранских магазинов не были выпускниками; у большинства из них не было официального кредитного рейтинга (CIBIL). Команда Субира использовала сотни источников данных, включая онлайн-индикаторы, историю транзакций магазина, общедоступные записи, метаданные сотовых телефонов и т. Д., Чтобы создать этот механизм кредитного скоринга машинного обучения.

Проще говоря, машинное обучение относится к семейству алгоритмов, которые могут автоматически обнаруживать тенденции в прошлых данных и использовать эти тенденции для прогнозирования будущих, невидимых данных. Эта технология в сочетании с недавним резким увеличением объема данных (за последнее десятилетие) привела к появлению множества новых мощных приложений; от продвинутых виртуальных помощников до беспилотных автомобилей. Но есть одна загвоздка - многие из этих передовых алгоритмов (в первую очередь нейронные сети) настолько математически сложны, что их процессы принятия решений непонятны людям; они подобны черным ящикам.

Регулирующие органы, такие как Резервный банк Индии, требуют, чтобы отказ в ссуде был обоснован. Нельзя просто сказать, что модель указывала на то, что кандидаты не выполнят обязательств. Кредиторы обычно соблюдают эти правила, следуя модели, основанной на правилах, когда любому, кто не соответствует списку критериев (например, кредитный рейтинг ›600, возраст› 23 и т. Д.), Будет отказано в ссуде. Такой подход облегчает банкам объяснение каждого решения по кредиту, но является ограничивающим и не позволяет слишком большому количеству кредитоспособных лиц получить доступ к капиталу и препятствует оптимальному росту активов под управлением в долгосрочной перспективе.

Clutch.AI способствует формированию культуры гражданских специалистов по данным, которые могут интерпретировать модели машинного обучения, которые они создают, без написания единой строчки кода. Инструментальная среда машинного обучения Clutch.AI Zero Code заполняет черный ящик, объясняя, как выводится каждый прогноз, с присвоением веса влиянию каждого атрибута. Без написания единой строчки кода инструментальная среда быстро выявляет взаимосвязи в данных, показывает, насколько простой будет сегментация, и генерирует REST API, который подключается к приложениям для прогнозирования будущих данных за считанные минуты! С помощью подобных инструментов Clutch.AI дает возможность банкирам предоставлять RBI, а также соискателю ссуды конкретные ответы относительно их мотивов, лежащих в основе решения о ссуде.

Инструментальная среда Clutch.AI использовалась для создания механизма кредитного скоринга Novopay с поддержкой ИИ, но это инструмент, не зависящий от отрасли, который хорошо взаимодействует с различными данными, полученными не только от финтех-компаний. Инструментальные средства машинного обучения Clutch.AI с нулевым кодом можно использовать для создания алгоритмов машинного обучения для прогнозирования данных в сельском хозяйстве или здравоохранении, а также в продажах или страховании. Мы даже ведем переговоры с государственными органами и агрегаторами такси, чтобы помочь им решить проблемы!

Раньше искусственный интеллект был черным ящиком; наши инструменты демократизируют возможности машинного обучения. С Clutch.AI каждый, у кого есть данные, может мгновенно видеть закономерности в данных, создавать алгоритмы прогнозирования и использовать ранее проигнорированные данные для развития своего бизнеса без написания единой строчки кода.