Давно хотел написать про проект наших соотечественников, вот и подвернулся отличный повод это сделать.
Zypl — компания, которая разрабатывает решения на основе искусственного интеллекта для банков и финансовых организаций. Основана Азизджоном Азими в 2021 году во время его учебы в Стэнфорде.
Сейчас Zypl сотрудничает с 30 финансовыми институтами в 13 странах, включая MENA (Ближний Восток и Северная Африка), SEA (Юго-Восточная Азия), Америку и Центральную Азию. Среди партнеров — крупнейшие банки QNB ($330 млрд активов), Capital One, FINCA и другие.
В чем главная технология Zypl?
Компания разработала zGAN — систему, которая делает ИИ-модели более устойчивыми к неожиданным ситуациям.
Например, она создает искусственные примеры мошеннических транзакций, чтобы проверить, сможет ли система их обнаружить в реальной жизни. Это помогает банкам снижать кредитные риски и бороться с мошенничеством.
zGAN встроен в платформу Lucid AI, которая помогает банкам:
• Оценивать заемщиков и прогнозировать, вернут ли они кредит (кредитный скоринг)
• Обнаруживать подозрительные операции (защита от мошенничества)
• Анализировать транзакции и предсказывать финансовые потоки
Как Zypl помогает банкам принимать решения?
Прежде чем запустить свою систему в банке, компания тестирует ее на реальных данных. Тесты показывают:
• 80% «хороших» клиентов система определяет правильно — это значит, что из всех клиентов, которым банк в итоге одобрил кредит, 80% действительно оказались надежными и выплачивают его без проблем.
• 30% проблемных заемщиков выявляется еще до выдачи кредита — система помогает заранее отсеять треть клиентов, которые с большой вероятностью могли бы допустить просрочки или вовсе не вернуть деньги.
Почему 80% и 30%, а не 100%?
Представим, что в банк подали заявку 100 человек. Среди них:
• 50 человек надежные (они точно вернут кредит).
• 30 человек рискованные (есть большая вероятность, что они не вернут деньги).
• 20 человек находятся в “серой зоне” — пока непонятно, хорошие они или плохие.
Теперь смотрим, как работает система Zypl:
1. Она верно определяет 80% из хороших клиентов. Это 40 человек из 50. Им можно смело одобрять кредит.
2. Она заранее находит 30% из плохих клиентов. Это 9 человек из 30. Им можно сразу отказать.
Что остается?
• 10 хороших клиентов система не уверена, что они хорошие, и банк может им отказать по другим причинам.
• 21 плохой заемщик система не смогла сразу распознать, и они могут получить кредит.
Почему не 100%? Потому что предсказать всех с идеальной точностью невозможно. Главное, что банк благодаря Zypl находит большинство хороших клиентов и отсеивает часть плохих, снижая свои риски.
Zypl уже выдал кредиты на сумму более $300 млн 🚀
Штаб-квартира в Дубае, а основные команды разработчиков работают в Таджикистане и Узбекистане.
Что сейчас разрабатывает Zypl?
Компания работает над тем, чтобы банки могли самостоятельно настраивать ИИ-системы без помощи программистов. Для этого создается:
• Lucid + zypl.Admin — платформа, которая помогает банкам легко запускать и управлять моделями ИИ
• Интеллектуальные виртуальные помощники, которые ускоряют процесс анализа заемщиков и упрощают работу с кредитными рисками
• Новые способы применения ИИ в финансах
Zypl — компания, которая разрабатывает решения на основе искусственного интеллекта для банков и финансовых организаций. Основана Азизджоном Азими в 2021 году во время его учебы в Стэнфорде.
Сейчас Zypl сотрудничает с 30 финансовыми институтами в 13 странах, включая MENA (Ближний Восток и Северная Африка), SEA (Юго-Восточная Азия), Америку и Центральную Азию. Среди партнеров — крупнейшие банки QNB ($330 млрд активов), Capital One, FINCA и другие.
В чем главная технология Zypl?
Компания разработала zGAN — систему, которая делает ИИ-модели более устойчивыми к неожиданным ситуациям.
Например, она создает искусственные примеры мошеннических транзакций, чтобы проверить, сможет ли система их обнаружить в реальной жизни. Это помогает банкам снижать кредитные риски и бороться с мошенничеством.
zGAN встроен в платформу Lucid AI, которая помогает банкам:
• Оценивать заемщиков и прогнозировать, вернут ли они кредит (кредитный скоринг)
• Обнаруживать подозрительные операции (защита от мошенничества)
• Анализировать транзакции и предсказывать финансовые потоки
Как Zypl помогает банкам принимать решения?
Прежде чем запустить свою систему в банке, компания тестирует ее на реальных данных. Тесты показывают:
• 80% «хороших» клиентов система определяет правильно — это значит, что из всех клиентов, которым банк в итоге одобрил кредит, 80% действительно оказались надежными и выплачивают его без проблем.
• 30% проблемных заемщиков выявляется еще до выдачи кредита — система помогает заранее отсеять треть клиентов, которые с большой вероятностью могли бы допустить просрочки или вовсе не вернуть деньги.
Почему 80% и 30%, а не 100%?
Представим, что в банк подали заявку 100 человек. Среди них:
• 50 человек надежные (они точно вернут кредит).
• 30 человек рискованные (есть большая вероятность, что они не вернут деньги).
• 20 человек находятся в “серой зоне” — пока непонятно, хорошие они или плохие.
Теперь смотрим, как работает система Zypl:
1. Она верно определяет 80% из хороших клиентов. Это 40 человек из 50. Им можно смело одобрять кредит.
2. Она заранее находит 30% из плохих клиентов. Это 9 человек из 30. Им можно сразу отказать.
Что остается?
• 10 хороших клиентов система не уверена, что они хорошие, и банк может им отказать по другим причинам.
• 21 плохой заемщик система не смогла сразу распознать, и они могут получить кредит.
Почему не 100%? Потому что предсказать всех с идеальной точностью невозможно. Главное, что банк благодаря Zypl находит большинство хороших клиентов и отсеивает часть плохих, снижая свои риски.
Zypl уже выдал кредиты на сумму более $300 млн 🚀
Штаб-квартира в Дубае, а основные команды разработчиков работают в Таджикистане и Узбекистане.
Что сейчас разрабатывает Zypl?
Компания работает над тем, чтобы банки могли самостоятельно настраивать ИИ-системы без помощи программистов. Для этого создается:
• Lucid + zypl.Admin — платформа, которая помогает банкам легко запускать и управлять моделями ИИ
• Интеллектуальные виртуальные помощники, которые ускоряют процесс анализа заемщиков и упрощают работу с кредитными рисками
• Новые способы применения ИИ в финансах