Bygger kredittagenter med AI som våpen – nå styrer fintech-gründerne mot femdobling

Tre år etter oppstarten er det et «buzz» rundt Bislab som få norske fintech-selskaper har vært i nærheten av de siste årene.

► Selskapet har nettopp hentet 50 millioner kroner etter at investorene sto i kø før å få være med på emisjonen, som etter penger verdsetter selskapet til 305 millioner kroner.

Av tolv beilere som var beredt til å gå inn med penger, gikk Bislab til slutt videre med det britiske venture-fondet ProFounders og det norske investeringsselskapet Futurum Ventures, frontet av Øystein Skiri og Salmar-arving Gustav Magnar Witzøe. Eksisterende eiere bidro også med syv millioner kroner i runden.

► Pengene skal blant annet brukes til å nesten doble staben i løpet av høsten. Teknologisjef Per Arne Tøllefsen setter ord på utviklingen.

– Jeg var første ansatte etter gründerne i mai i fjor. Da var Bislab en startup som jaktet etter en «product market fit.» I mai i år var vi 14, nå skal vi ansette 11 til i tydelig definerte roller. Vi vet hva vi skal bygge og ta ut i markedet. Det preger hvordan vi tenker på å bygge team, forklarer Tøllefsen.

► Kundelisten teller allerede rundt 80 selskaper. Blant tungvekterne kan nevnes Visma, Tietoevry, Intrum og Stø. Inntektene i år ser ut til å gå mot en femdobling.

– Vi har allerede passert 16 millioner i ARR i år, og har som ambisjon å ende på 30 millioner i ARR i slutten av året, sier Ole Kristian Haug, som i tillegg til å være en av gründerne også er Bislabs operative sjef.

Skyhøye amibsjoner

Ting går med andre ord i et rasende tempo og selskapet legger ikke skjul på at ambisjonene er høye, for ikke å si skyhøye.

– Vi er det fjerde kredittbyrået i Norge. Vi går inn som utfordrer i et veldig etablert marked, der kundene har vært frustrerte med eksisterende løsninger i mange år, Vi representerer en ny type byrå, bygget fra bunnen av, med teknologi og utviklere i sentrum, og KI først i alt vi gjør, sier Haug.

– Vi har bygget et moderne system uten strukturelle begrensninger eller flytskjemaer. Hos oss ligger alt i koden, forsetter Haug.

 «Snakk med dataene»

Mens gründer og daglig leder, Martin Holten er på reise, møter BankShift Haug, Tøllefsen og produktsjefen Marcus Bergquist. Målet år få et lite innblikk i hvordan kunstig intelligens er med på å omstøpe markedet for vurdering av kreditt og risiko.

Kort forklart handler det om at Bislab har bestemt seg for å overbevise banker, forsikringsselskap og inkassobyråer om at det å vurdere risiko og kredittverdighet hos bedrifter blir mye bedre om man kan «snakke med dataene».

Enklest forklart blir det når Marcus Bergquist kjapt demonstrerer en reell case fra et av inkassoselskapene som står på kundelisten, og ber Anthropics språkmodell Claude gjøre en vurdering om man skal gå til rettslige skritt mot en kunde. I løpet av noen sekunder kommer svaret: På grunn av kundens dårlige kredittverdighet anbefaler modellen selskapet å vente.

– Vi starter i bunn – med rådata. Vi henter informasjon fra over 60 offentlige kilder, strukturerer den og bygger en infrastruktur for dataanalyse, kredittvurderinger og risikobeslutninger. Via MCP har vi integrert våre data slik at Claude kan «snakke» direkte med våre datasett, fordi vi har bygget inn en kontekst til dataene forstår språkmodellen hva ulike parametere innen inkasso betyr og kan dermed forstå risikoen og kostnadene ved å gå til rettsprosess, forklarer Bergquist.

Et essensielt mellomlag

Akronymet MCP, som snek seg inn i Bergquists svar over, kompliserer forklaringen en del, men er helt essensiell for Bislabs utvikling.

 MCP står for Model Context Protocol og er en standard fra Anthropic som gjør det enklere og mer effektivt å koble språkmodeller til eksterne tjenester og data. MCP ble lansert som åpen kildekode så sent i november i fjor, og er allerede i ferd med å bli en slags standard på tvers av språkmodeller.

Det er det som åpner for at man kan la språkmodeller «snakke med dataene» på en effektiv måte. Om det er Claude, ChatGPT, Gemini eller noen andre språkmodeller, spiller mindre rolle,

– På en måte kan du si at MCP er for språkmodeller hva API-er er for programmer, skyter Tøllefsen inn.

– Det har gitt oss muligheter og brukstilfeller som ikke var mulige så sent som i vår, legger Bergquist til.

Tre automatiseringsingredisenser

Ifølge Bislab-trioen kan man dele inn virksomheten til selskapet i tre lag.

► I bunn må selskapet ha stålkontroll på data. Den må struktureres og kunne deles inn i trygge og mindre trygge kilder. En KI-modell som feiltolker betydningen av et datapunkt, kan føre til alvorlige følgefeil. Ifølge Tøllefsen gjelder dataverdens evige prinsipp «søppel in, søppel ut» også for kunstig intelligens, kanskje enda mer med KI.

► Ved hjelp av MCP gir Bislab konteksten slik at språkmodellen kan forstå og tolke data riktig.

►Til sist så bygger Bislab også egne såkalte «agenter». Altså språkmodeller med veldig spesifikk kunnskap om et område. For privatpersoner har det vært mye omtalt at vi etter hvert vil få egne «KI-agenter» som skal hjelpe oss med shoppingen på nett. Slike agenter kunne gjøre enda mer nytte som hjelpere innen inkasso, forsikring eller bank.

– Med alle tre lagene på plass, kan man for alvor begynne å automatisere prosesser, sier Haug.

Inkasso viser vei

Bislab har kommet lengst innen inkasso. Omtrent halvparten av Norges inkassoselskaper er på kundelisten.

– Det er ofte de samme problemstillingene som går igjen. Da setter vi oss ned med kunden, forstår hvordan de jobber, og bygger løsninger som dekker deres behov. Når én løsning fungerer godt, kan vi rulle den ut til hele bransjen. Det samme kan vi gjøre i forsikring og bank, sier Tøllefsen.

 Gigantisk bankpotensial

Bislab har nettopp inngått sin første avtale med en bank, men et partnerskap med Tietoevry er det som åpner de virkelige mulighetene for selskapet.

– Vi er ferdig integrert i deres låneprosesseringssystem. Vårt endepunkt er en av de valgbare kredittvurderingsløsningene i prosessflyten deres, forteller Bergquist.

– Dere planlegger altså å bli leverandør av kredittinformasjon til store deler av Bank-Norge?

– Det er akkurat det vi jobber for. Tietoevry er en veldig viktig partner, både kommersielt og på produkt, sier Haug.

Bedre kredittvurderingsscore

– Og går rett i strupen på Experian, Dun & Bradstreet og Creditsafe?

– Vi er i hvert fall annerledes rigget enn konkurrentene våre. Vi fokuserer på å utnytte norske og nordiske data best mulig. Det gir oss et fortrinn. Våre modeller er treffsikre fordi vi er lokale og spesialiserte. Våre risikomodeller har løftet ROC-score i bransjen fra rundt 80 til over 90, sier Haug.

Receiver Operating Score (ROC) brukes til å måle hvor godt en kredittvurderingsmodell klarer å skille mellom kredittverdige låntakere og dem som ikke klarer å betjene lånet sitt. Jo høyere tall, jo bedre modell.

Haug forteller at teleoperatøren Happybytes senket avslagsraten blant kundene etter en kredittsjekk fra 20 prosent til under seks prosent, da selskapet byttet til Bislab i fjor høst.

Skal bli best i Norden

– Hvor er Bislab om to år?

– Om to år har vi satt en ny standard for risikovurdering i hele Norden. Da fungerer KI-laget vårt likt i Norge, Sverige, Danmark og Finland. Kanskje har vi til og med begynt å se på Storbritannia, sier Haug med like deler overbevisning og selvtillit i stemmen..

– Teknologigiganter som Google og Facebook forandret verden. Det lærte oss at man må ha en organisasjon som er endringsvillig og tilpasningsdyktig. Det gjelder i enda større grad nå, med kunstig intelligens. Løsninger må kunne endres og tilpasses raskt, kanskje hver sjette måned. Ikke hvert tjuende år, sier Tøllefsen.

– Lar det seg gjøre når kundene finnes innen bank og forsikring? Høy endringstakt er vel ikke det de er mest kjent for?

– Viljen er der. Mange er sultne og har begynt å teste KI. Men teknisk ligger de nok et stykke bak, svarer Bergquist.

– Til tross for at Norge regnes for å være ledende på digitalisering?

– Norge er langt fremme på automatiserte prosesser, for ekeempel innen i forsikring, men digitalisering og bruk av kunstig intelligens er ulike ting, fortsetter Bergquist.

– Norske selskaper lager KI-strategier og -budsjetter, men mangler fortsatt evnen til å gjennomføre det i praksis. De trenger konkrete, gjennomførbare løsninger og gode partnere, sier Tøllefsen.

Denne saken ble først publisert på bankshift.no.