Accern利用人工智能分析围绕特定公司、趋势和行业的在线对话，今日宣布在由Mighty Capital和Fusion Fund联合领投、Tribe Capital、Shasta Ventures、Gaingels等参与的B轮融资中筹集了2000万美元。首席执行官Kumesh Aroomoogan表示，新资金将用于“以产品驱动的增长”、拓展新市场以及研发Accern的人工智能技术。
“全球超过80%的数据是非结构化数据。非结构化数据需要高度人工化的流程才能大规模地将其结构化，这会消耗组织内昂贵的数据科学资源。”Aroomoogan通过电子邮件告诉TechCrunch。“由于极高的人力资本和时间成本，非结构化数据无法得到高效分析，往往被排除在历史数据决策之外。最终结果影响了所有组织的决策能力，并为其各自的资产组合和资产负债表增加了额外风险。”
Kumesh Aroomoogan曾担任包括花旗集团（Citigroup）在内的华尔街公司的研究分析师，他于2014年与Anshul Vikram Pandey共同创立了Accern。最初，总部位于纽约的Accern专注于监控网络——并整理——一套狭窄的金融信息，特别是与股票相关的信息。但该公司后来将范围扩大到其他公司金融领域，如信用和欺诈监控以及合规性检查。
对于客户而言，Accern提供由人工智能驱动的应用程序和自然语言处理（NLP）模型，这些模型经过训练，能够识别、分类和提取特定领域的金融语言。例如，该服务可以扫描新闻出版物、博客和美国证券交易委员会（SEC）备案等公开来源，以评估消费者情绪，或预测供应链中断可能对企业造成的影响。
Accern还提供可视化仪表板，用户可利用它构建自定义的人工智能应用程序，以及涵盖公司、人物、地点和主题的预建分类体系。“目前，我们的平台上已有大量金融服务用例，我们的客户正在基于此构建应用，因此他们不必像传统NLP云服务提供商那样，去思考能在我们平台上构建什么，或者花费时间从零开始构建一个应用，”Aroomoogan说。“我们的所有模型都在金融分析师和领域专家的协助下，使用金融内容进行训练，这确保了金融服务用例的高准确性。”
当然，即使是最精心设计的算法也容易受到偏见或漂移的影响，由于季节性和错误数据等因素，其准确性会随时间推移而下降。但与许多拥有专有模型的公司一样，Accern对其开发过程保密。当被问及使用哪些数据集来训练其模型以及如何缓解任何潜在偏见时，Aroomoogan并未透露。
相反，Aroomoogan不愿透露客户名称，更倾向于突出Accern的市场影响力。尽管这家初创公司与 Dataminr 以及某种程度上来自 Noogata 和 Pecan.ai （包括路透社和彭博社等数据服务），Aroomoogan 声称 Accern 的年度经常性收入自 2020 年以来增长了 9 倍。
“Accern的企业重点是通过为组织提供……模型，加速创新，使它们能够更高效地将非结构化数据转化为真正的商业智能，同时减少时间和成本，”Aroomoogan说。“许多客户利用我们将文本数据中的新功能集成到现有的模型、商业智能仪表板和产品中，整个过程无需编写代码。”
截至目前，Accern已筹集了3500万美元的资金。该公司拥有80名员工，并计划到2022年底员工人数超过100人。