Фото: Руслан Пряников
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.
