Tookitaki为AI驱动的金融监管合规工具筹集了1170万美元

对金融服务公司而言,确保合规可能代价高昂。事实上,据一项调查显示,2011年至2017年,平均成本几乎翻了一番,从1600万美元增至3090万美元。对大多数机构来说,要跟上形势是很困难的——2017年,900多家机构平均每天发布200多份监管更新。

像Tookitaki这样的公司打算通过内置AI的软件来减轻监管负担。这家总部位于新加坡的初创公司由摩根大通(J.P. Morgan)的资深员工阿布舍克•查特吉(Abhishek Chatterjee)和杰塔•班多帕德哈耶(Jeeta Bandopadhyay)共同创立,利用机器学习和分布式系统解决反洗钱、和解等方面的合规问题。

在获得总计880万美元的种子轮融资后,Tookitaki今天宣布,它已经将A轮融资的规模扩大到1920万美元,这得益于Viola Fintech牵头的新一轮注资,SIG Asia Investment和野村控股(Nomura Holdings)也参与了注资。这使得该公司的融资总额超过了2000万美元,首席执行官Chatterjee表示,这笔资金将用于加强Tookitaki的产品供应和“推动技术创新”。

Chatterjee说:“我们的愿景一直是彻底改革监管合规,确保世界上每一家金融机构都有可持续的合规项目。”他还说,过去两年,Tookitaki的收入年增长率超过了300%。“在我们全球战略投资者的支持下,通过在美国和亚太地区显著扩大我们的存在,我们更有能力实现这一愿景。”

Tookitaki宣称其反洗钱套件(AMLS)使用机器学习来发现复杂的方案,平均减少了40-60%的误报,同时发现了5%以上的案例。FED网络数据的半监督事务监控算法提供了二级评分,利用复杂匹配技术的筛选机制也提供了二级评分。有益的是,该套件优先处理警报,并通过内置的连接器和API与现有的上游和下游系统进行集成,并且通过不断的学习过程来考虑规则的更改。

对于Tookitaki的调节产品,它利用不同的模块进行匹配和验证,并通过学习历史模式的算法加以支持。该公司称,它为一般匹配案例生成了约90%的匹配率,并将异常调查和解决时间减少了至多70%,这得益于复杂案例规则的自动生成和异常案例的检测,手动调查比较困难。

“凭借Viola在反洗钱领域近20年的经验,我们发现Tookitaki的方法很独特。其在传统“反洗钱”系统之上建立覆盖层的务实方式,有助于提高准确性,并显著降低金融机构的运营成本,”Viola Fintech普通合伙人Tomer Michaeli表示。“此外,其随时准备就绪的‘玻璃盒’监管解决方案展现了一种创新方法,以及对现代反洗钱解决方案市场挑战的深刻理解。”

做为这轮谈判的一部分,Michaeli将加入Tookitaki的董事会,前LinkedIn董事Subhas Samanta将负责产品开发。在美国设有办事处在美国、新加坡和印度,Tookitaki计划在美国和欧洲扩张,并在新加坡和班加罗尔大力发展研发团队。

发表评论

电子邮件地址不会被公开。 必填项已用*标注