Shivi Sharma werkte tien jaar in kredietrisico bij bedrijven als American Express en Varo Bank.
Op een gegeven moment realiseerde ze zich dat teams evenveel tijd besteedden aan het analyseren van alle soorten leningen – of ze nu €100.000 of €5 miljoen waard waren – wat betekende dat het evalueren van kleinere leningen uiteindelijk een onrendabel en tijdrovend proces was voor kredietverstrekkers.
Zij en haar man, Utsav Shah, beseften dat hier een kans lag.
“Ze zag dat de overgrote meerderheid van de eigenaren van kleine bedrijven geen toegang had tot het kapitaal dat ze nodig hadden om te groeien, simpelweg omdat de economie niet werkte voor de banken”, vertelde Shah aan TechCrunch.
“Tussen onze vaardigheden in het op grote schaal bouwen van AI-gestuurde besluitvormingssystemen en onze expertise op het gebied van krediet- en frauderisicobeoordelingen in de financiële dienstverlening, realiseerden we ons dat we AI-agentworkflows van de volgende generatie konden toepassen om dit decennia-oude probleem op te lossen”, vervolgde hij.
Het echtpaar besloot in 2024 Kaaj op te richten, een bedrijf dat helpt bij het automatiseren van kredietrisicoanalyses, zodat verzekeringen niet langer dagen, maar minuten duren. Kaaj zei dat het meer dan $ 5 miljard aan leningaanvragen heeft verwerkt, met klanten als Amur Equipment Finance en Fundr. Het bedrijf kondigde woensdag een startronde van $ 3,8 miljoen aan van Kindred Ventures en Better Tomorrow Ventures.
Het product werkt als volgt: een klein bedrijf vraagt een lening aan en dient alle benodigde documenten in (zoals jaarrekeningen, bankafschriften en belastingaangiften). Wanneer dit gebeurt, zijn verzekeraars doorgaans dagenlang bezig met het handmatig verifiëren van al deze informatie en het invoeren ervan in hun Loan Origination System (LOS).
Techcrunch-evenement
San Francisco
|
13.-15. Oktober 2026
Kaaj gebruikt AI om informatie in LOS te identificeren, classificeren, verifiëren en organiseren. Het voert ook beoordelingen uit om te controleren of er met documenten is geknoeid voor het underwriter-fraudeteam. Het integreert in bestaande Customer Relationship Management (CRM)-systemen zoals Salesforce, HubSpot of Microsoft en laat aan een kredietverstrekker zelfs zien of een bedrijf voldoet aan de criteria van het beleid van een kredietverstrekker.
“Hierdoor kan een team dat 500 aanvragen per maand verwerkt, 20.000 aanvragen afhandelen met hetzelfde personeel, waardoor kleinere leningen financieel haalbaar worden”, aldus Shah, algemeen directeur van het bedrijf.
De hoop is dat meer kleine bedrijven toegang zullen krijgen tot leningen van banken, omdat het voor een bank kosteneffectiever zal zijn om deze te onderzoeken.
Anderen op de markt zijn Middesk, Ocrolus en MoneyThumb. Sharma hoopt dat Kaaj zich zal onderscheiden van de concurrentie door het gehele kredietanalyseproces te automatiseren in plaats van delen ervan.
“We doen dit door AI-workflows van agenten in te zetten die hun teams nabootsen, zodat kredietverstrekkers end-to-end leningpakketten kunnen analyseren”, zegt ze.
Het nieuwe kapitaal zal worden gebruikt om de productontwikkeling te versnellen en uit te breiden naar onafhankelijke en kleine zakelijke kredietverstrekkers. “We zijn gefocust op het verbeteren van onze AI-agentmogelijkheden, het uitbreiden van ons moduleaanbod en het opschalen van ons klantenbestand van kredietverstrekkers en makelaars buiten onze huidige footprint.”
Over het geheel genomen hopen Shah en Sharma dat Kaaj in sommige opzichten de kredietverlening aan kleine bedrijven kan ‘revolutioneren’ en automatisering kan brengen in wat nog steeds een zeer papierintensief proces is.
“Door de wetenschap van kredietanalyse te automatiseren, geven we menselijke verzekeraars de tijd om zich te concentreren op de kunst van het sluiten van deals en subjectieve beoordelingen, wat hun echte concurrentievoordeel is”, zei hij.
