Tookitaki通过AI驱动的金融监管合规工具筹集了1170万美元

 
对于金融服务公司而言，确保合规性可能是昂贵的。事实上，根据一项调查，在2011年至2017年期间，平均成本几乎从1600万美元翻了一番，达到3090万美元。对于大多数人来说，要跟上步伐是很困难的-在2017年，平均每天有900多家代理商合计发布200多次法规更新。
像Tookitaki这样的公司旨在通过内置AI的软件来减轻监管负担。这家总部位于新加坡的创业公司由摩根大通资深人士Abhishek Chatterjee和Jeeta Bandopadhyay共同创立，利用机器学习和分布式系统来解决反洗钱，和解等方面的合规性。
在完成了总计880万美元的种子轮融资后，Tookitaki今天宣布将其A轮融资扩大至1,920万美元，这要归功于由Viola Fintech牵头的新注入的1,170万美元，以及SIG亚洲投资和Nomura Holdings的参与。这使公司的总融资额超过了2,000万美元，首席执行官查特吉说，这笔资金将用于增强Tookitaki的产品和“推动技术创新”。
查特吉说：“我们的愿景一直是彻底改变监管合规性，并确保世界上每一个金融机构的可持续合规性计划。”他补充说，过去两年来，Tookitaki的年均收入增长超过300%。 “在全球战略投资者的支持下，我们通过在美国和亚太地区的业务显着增长，更有能力实现这一愿景。”
Tookitaki声称其反洗钱套件(AMLS)使用机器学习来发现复杂的方案，平均减少了40-60%的虚假警报，同时发现了5%以上的案件。馈入网络数据的半监督事务监视算法提供了次级评分，利用复杂匹配技术的筛选机制也提供了次级评分。有用的是，该套件对警报进行了优先级排序，并通过内置的连接器和API与现有的上游和下游系统集成，并且它通过不断学习的过程来应对不断变化的法规。
至于Tookitaki的对帐产品，它利用独立的模块进行匹配和证实，并通过从历史模式中学习的算法加以支持。该公司声称，由于可以自动生成复杂案例的规则并检测出难以手动调查的异常案例，因此它可以为一般匹配案例产生大约90%的匹配率，并最多减少70%的异常调查和解决时间。
“凭借Viola在反洗钱领域拥有近20年的经验，我们发现Tookitaki的方法是……独特的。 Viola Fintech普通合伙人Tomer Michaeli表示，其务实的方式在传统AML系统之上创建覆盖图有助于提高准确性，并显着降低金融机构的运营成本。 “此外，其适用于监管机构的’玻璃盒子’解决方案展示了一种创新的方法，并且对现代AML解决方案市场中的挑战有深刻的理解。”
Michaeli将加入Tookitaki的董事会，作为本轮融资的一部分，前LinkedIn董事Subhas Samanta将负责产品开发。 Tookitaki计划在美国，新加坡和印度设有办事处，并计划在美国和欧洲扩展业务，并“积极”发展其在新加坡和班加罗尔的研发团队。