24小时热榜

大家好！我们是Kita的创始人Carmel和Rhea（<a href="https://www.usekita.com/">https://www.usekita.com/</a>）。我们利用VLMs（变换语言模型）为新兴市场的贷款机构自动化信用审核。 在许多新兴市场，如菲律宾和墨西哥，信用基础设施相对薄弱。开放金融仍处于起步阶段，信用局的可靠性也不高。因此，贷款机构在申请贷款时依赖借款人提交的文件来了解其还款能力。借款人可以以任何格式提交财务文件，例如银行对账单和工资单，包括PDF、实体文件的图片和截图。此外，这些市场的财务文件高度不标准化，贷款机构无法依赖一致的模板。 现有的OCR（光学字符识别）和文档人工智能工具在处理这些高度变异、杂乱的真实世界文件时常常失效。通用工具并未针对贷款工作流程（如验证、欺诈检测和风险提取）进行设计。因此，信用团队不得不依赖人工审核，导致承保过程变得更慢、更昂贵且更容易出错。 我们在大学之前就认识，并一直是最好的朋友。毕业后，Rhea访问了在菲律宾的Carmel，我们从金融科技运营者那里了解到，基于文件的承保是他们最大的痛点。我们开始一起构建，并测试了所有能找到的OCR和文档AI工具。它们在贷款机构实际收到的杂乱真实文件上都失败了，即使提取成功，它们也无法生成贷款机构所需的结构化财务数据或欺诈检查。 这个问题比我们想象的还要严重。在印度尼西亚、墨西哥、菲律宾、南非，甚至在美国，大多数贷款工作都可以归结为信用分析师查看文件。2025年，全球贷款总额达到13.3万亿美元，其中90%的交易涉及文件审核。这在发达市场中同样适用。 Kita利用基于VLM的代理解析文件、检测欺诈并从杂乱的财务文件中提取承保信号。如今，我们支持50多种文件类型，包括PDF、扫描件、照片和截图。我们的处理流程增强了低质量输入，提取结构化财务数据，并通过跨文档检查、与我们的历史数据库验证以及市场特定的欺诈检测来进行验证。 我们的架构基础VLM是模型无关的，同时，我们训练了针对每个市场的超本地化信用信号的语言模型，使用本地贷款机构的数据——每个新模型都提升了我们的基础层，每个新市场都增强了我们的整体技术栈。我们将文档级信号与还款结果关联，使我们的模型能够随着时间的推移不断改善欺诈检测和风险评估。 Kita Capture是我们为贷款机构推出的首款文档智能产品。我们还将推出Kita Credit Agent，它通过WhatsApp和电子邮件自动化借款人在贷款发放过程中的跟进，以收集缺失文件并完成贷款申请。 Kita Capture可以免费试用（需注册邮箱）：<a href="https://portal.usekita.com/">https://portal.usekita.com/</a>。这里有一个快速演示：<a href="https://www.youtube.com/watch?v=4-t_UhPNAvQ" rel="nofollow">https://www.youtube.com/watch?v=4-t_UhPNAvQ</a>。 我们非常希望能收到社区的反馈，特别是如果您曾在文档AI、欺诈检测或金融科技基础设施方面工作过。感谢您的阅读！

供您参考：在尝试使用Claude Code时遇到500错误 - 状态页面没有官方更新。<p>编辑：状态页面已更新：问题已被识别，正在实施修复。