Thomas Li 在 Point72 工作，这家对冲基金由臭名昭著的投资人 Steve Cohen 创立。当时他意识到金融行业严重依赖容易出错的手动数据录入流程。
“作为一名买方分析师，我深感手动搜集和录入数据以构建和更新财务模型的痛苦，”Li 告诉 TechCrunch，“这占用了本应用于分析和进行投资的重要时间。”
通过纽约大学的联系，Li 结识了 Airbnb 和 Meta 的前软件工程师 Jeremy Huang 以及前微软工程师 Daniel Chen（三人均为校友），随后决定尝试一种自动化解决方案来解决数据录入难题。
三位合伙人推出了 Daloopa，该工具利用人工智能从财务报告和投资演示文稿中提取和组织数据，供分析师使用。Daloopa 于周二宣布，在 Touring Capital 领投、摩根士丹利和 Nexus Venture Partners 参与的 B 轮融资中筹集了 1800 万美元。
“Daloopa 是为分析师打造的 AI 驱动的历史数据基础设施，”Li 说，“这种处理数据发现的方式使高度竞争的公司和团队保持领先。”
Li 表示，Daloopa 的客户主要是对冲基金、私募股权公司、共同基金公司以及企业和投资银行。他们使用该初创公司的工具为投资和尽职调查研究构建工作流程。这些由 AI 算法驱动的工作流程能够发现并向分析师的财务模型提供数据，从而减少手动复制数据的需求。
“Daloopa 为买方和卖方提供了一种获取关键任务数据的新方式，”Li 说，“节省下来的时间被重新投入到研究和分析中，或用于客户互动——帮助我们的客户在其研究过程中获得优势。”
现在，我对 Daloopa 的 AI 是否真的不会犯错持怀疑态度：毕竟，没有 AI 系统是完美的。多亏了被称为幻觉的现象，AI 模型在总结文档和文件时捏造事实和数字并不罕见。
Li 并未表示 Daloopa 是万无一失的。但他声称，随着平台在日益增长的金融文档集上进行训练，其算法“会随着时间的推移而不断改善”。关于数据的具体来源，他保持沉默；Li 仅表示数据来自“SEC 文件披露和投资者演示文稿等公开渠道”。
Li 说：“自五年前创立之初，Daloopa 就是一家 AI 公司，远早于如今的 AI 热潮。这些年我们一直在为金融机构训练算法并开发 AI 技术。”
凭借这笔新融资，总部位于纽约市的 Daloopa 累计融资金额已达 4000 万美元。公司计划扩大约 300 人的团队规模，加强产品研发，并拓展客户获取工作。
他说：“Daloopa 是一款 AI 驱动解决方案，起步领先，过去两年实现了同比增速加速。随着金融机构越来越多地采用 AI 工具，我们有充分优势成为 AI 驱动的基础数据领域的领导者。”