我们基于智能体遥测数据而非仅现金流来评估AI原生公司的信用 - 以下是我们学到的
摘要
本文介绍了一种针对AI原生公司的新信贷评估方法,该方法将智能体遥测数据与传统现金流分析相结合,并分享了从这一方法中获得的见解。
我所接触的所有贷款人都像评估SaaS公司那样评估AI公司,关注MRR、流失率、烧钱倍数。但AI原生公司的损益表与SaaS截然不同——你的成本是推理费用,你的员工是智能体,你的收入随使用量而非席位增长。所以我们尝试一种不同的方法。我们基于两个因素提供最高10万美元的信贷评估:你的现金流和你的AI遥测数据。智能体使用模式、推理经济学、每个代理/工作流的收入——这些才是真正展示业务可行性的数据。到目前为止,我们学到了几点:- 智能体遥测数据往往比资产负债表更能预测还款能力 - 大多数AI原生公司根本无法获得传统债务,即使有真实收入 - “每个代理产生多少收入”是一个几乎无人能回答的问题,但它是最有用的。好奇这里的创始人对此有何看法。如果你们的代理产生收入,贷款人应该真正关注什么?欢迎就信贷评估方面提问。
相似文章
@awrigh01: https://x.com/awrigh01/status/2057471241242431561
本文探讨了将自主AI智能体作为新经济行为体进行承保的挑战,以AI经营的零售店和自我注册的智能体为例,论证传统信用分析框架在借款人非人类时失效。
@prpaskov: 新的@aiunderwriting报告,获得@FT报道!保险是AI治理中被低估的杠杆,它创造了一个市场…
一份关于AI承保的新报告,由《金融时报》报道,强调保险是AI治理的重要工具,创造了对事件数据、标准、审计、监控和响应服务的市场需求。
面向自主式AI的原生保险:定价、承保与端到端自动化
本文为自主式AI部署开发了一个原生AI框架,用于承保、定价和合约设计。该框架将每个部署表示为一个风险状态,并围绕保费、免赔额和治理义务构建了一个合约设计问题。
直通式承保中的代理型AI与检索增强模型
本文探讨了代理型AI与检索增强模型在直通式承保中的应用,在合成BOP承保环境中比较了单LLM基线、朴素RAG和多代理RAG管道。
如何让AI原生企业将工作流转化为运营能力
文章重点介绍了领先企业如何使用AI代理来自动化和增强工作流程,并以Basis和Clay等初创公司为例,展示了在入职和账户管理方面的效率提升。