Everything, Everywhere is Compliance | Andreessen Horowitz
Комплаенс — масштабная и быстрорастущая отрасль: в США работают более 400 000 комплаенс-офицеров, а расходы на их труд превышают $40 млрд в год. Несмотря на рост штатов, качество контроля не улучшается — TD Bank получил штраф $3 млрд за необработанные транзакции. Авторы из a16z утверждают, что ИИ наконец достиг уровня точности, достаточного для доверия в регулируемых отраслях, а риск бездействия для предприятий теперь превышает риск внедрения новых технологий. Статья выделяет три направления трансформации комплаенса с помощью ИИ: превращение нормативных актов в код, замена устаревших систем на AI-нативные платформы и автоматизация ручной работы людей агентами. Приводятся примеры стартапов — Valon, Vesta, Sardine, Tako, Factor Labs — которые уже реализуют эти подходы. В долгосрочной перспективе победят компании, сочетающие все три стратегии.
Everything, Everywhere is Compliance
Всё, везде — это комплаенс
Over the last 20 years the fastest-growing occupation in the US was manicurists and pedicurists.
За последние 20 лет самой быстрорастущей профессией в США стали мастера маникюра и педикюра.
But following close behind? Compliance Officers.
Но сразу следом? Комплаенс-офицеры.
Compliance is a bigger business than you think. Every dollar that leaves or enters a business: paying employees (payroll, wage laws), reporting revenue (tax filings), moving capital (payments, AML/KYC) is subject to compliance. In regulated industries, even the way and how often a company communicates with its customers is a compliance activity!
Комплаенс — это бизнес масштабнее, чем вы думаете. Каждый доллар, который покидает или поступает в компанию — выплата зарплат (расчёт заработной платы, трудовое законодательство), отчётность о доходах (налоговые декларации), движение капитала (платежи, AML/KYC) — подлежит комплаенс-контролю. В регулируемых отраслях даже способ и частота коммуникаций компании с клиентами — это комплаенс-активность!
Today, there are more than 400,000 compliance officers employed across the United States, representing over $40 billion in annual labor spend (with many billions more in compliance-related consulting and outsourcing jobs). In banking alone, more regulatory restrictions were added to Title 12 – of the Code of Federal Regulations (CFR): Banks and Banking – from 2010 to 2014 than the entire title contained in 1980. Yet despite this demand, the talent pipeline for compliance remains strained. The U.S. Bureau of Labor Statistics (BLS) projects 33,300+ compliance openings annually over the next decade – a demand made more acute by an industry where 87% of entrants eventually leave the field and annual churn exceeds 20%, leaving organizations in a near-constant cycle of recruiting and losing expertise.
Сегодня в Соединённых Штатах работают более 400 000 комплаенс-офицеров, что означает свыше $40 млрд ежегодных расходов на оплату их труда (плюс ещё многие миллиарды на консалтинг и аутсорсинг в области комплаенса). Только в банковской сфере с 2010 по 2014 год в Раздел 12 Кодекса федеральных нормативных актов (CFR): «Банки и банковская деятельность» было добавлено больше регуляторных ограничений, чем содержал весь этот раздел в 1980 году. И всё же, несмотря на спрос, кадровый резерв комплаенса остаётся истощённым. Бюро трудовой статистики США (BLS) прогнозирует более 33 300 вакансий в комплаенсе ежегодно в течение следующего десятилетия — и этот спрос обостряется тем, что в отрасли 87% новичков в итоге уходят из профессии, а ежегодная текучесть превышает 20%, и организации оказываются в непрекращающемся цикле набора и потери экспертизы.
As the world has grown more complex and legal requirements for corporations have risen, the response of enterprises has been simple: throw more people at the problem.
По мере того как мир усложняется и юридические требования к корпорациям растут, ответ предприятий был прост: бросить на проблему больше людей.
More people, it turns out, has not meant better outcomes. For instance in 2024, TD Bank was slapped with a $3 billion fine for failing to monitor 92% of its transactions, including a backlog of 70,000 detection alerts starting in 2018. And TD Bank isn’t alone; the same pattern of ballooning teams and growing backlogs has played out at nearly every major financial institution in the last decade. In that time, the work has remained stubbornly manual.
Как выясняется, больше людей — не значит лучше результат. Например, в 2024 году TD Bank получил штраф в $3 млрд за неспособность мониторить 92% своих транзакций, включая накопившуюся с 2018 года очередь из 70 000 алертов. И TD Bank не одинок — та же картина раздувающихся команд и растущих завалов повторялась практически в каждом крупном финансовом учреждении за последнее десятилетие. Всё это время работа оставалась упрямо ручной.
Compliance is “schlep work” – painful, bureaucratic, and often paper-based so it has persisted as being manual and human intensive. That same friction and inertia has made compliance a historical graveyard for startups.
Комплаенс — это «чёрная работа»: мучительная, бюрократическая и зачастую бумажная, поэтому она так и осталась ручной и трудоёмкой. Именно это трение и инерция превратили комплаенс в историческое кладбище стартапов.
So, why is it different now?
Так почему сейчас всё иначе?
1. The technology has moved from “Good Enough to Pilot” to “Good Enough to Trust”
1. Технология перешла от «достаточно хороша для пилота» к «достаточно хороша, чтобы доверять»
Sometimes the market for something done very well is 100x the market for something done just okay. This is the case in compliance, where a 90% correct product is still 100% wrong.
Иногда рынок для того, что сделано очень хорошо, в 100 раз больше рынка для того, что сделано просто нормально. Именно так обстоит дело в комплаенсе, где продукт с точностью 90% всё равно ошибается на 100%.
A prime example is document processing (which makes up a lot of compliance activity). OCR has been around for decades, getting the job mostly done. However, “mostly” doesn’t cut it when you’re underwriting a mortgage, onboarding a business, or reviewing an insurance claim. But now with Vision Language Models (VLMs), which also understand the broader context of a document and produce fewer errors, suddenly enterprises can’t sign contracts fast enough. The technology didn’t just get incrementally better; it crossed the threshold from “good enough to pilot” to “good enough to trust.”
Ярким примером служит обработка документов (составляющая значительную часть комплаенс-деятельности). OCR существует десятилетиями и справлялся с задачей более-менее. Однако «более-менее» не годится, когда вы андеррайтите ипотеку, проводите онбординг бизнес-клиента или рассматриваете страховую претензию. Но теперь, с появлением Vision Language Models (VLM), которые также понимают широкий контекст документа и допускают меньше ошибок, предприятия не могут подписывать контракты достаточно быстро. Технология не просто стала немного лучше — она преодолела порог от «достаточно хороша для пилота» к «достаточно хороша, чтобы доверять».
Beyond this AI has many more capabilities too. First, it can read, extract, and reason over documents with near-human accuracy: incorporation filings, financial statements, and 400-page regulatory PDFs. Second, computer use agents can navigate legacy software the way a human would, without waiting for an API or a six-month integration project. Third, long-horizon task execution means an agent can run an entire workflow end-to-end: pulling data, cross-checking databases, flagging exceptions, filing a report, not just assisting with a single step.
Помимо этого, ИИ обладает гораздо более широкими возможностями. Во-первых, он может читать, извлекать и анализировать документы с точностью, близкой к человеческой: учредительные документы, финансовую отчётность и 400-страничные нормативные PDF. Во-вторых, агенты с компьютерным зрением могут навигировать устаревшее ПО так же, как человек — без ожидания API или шестимесячного интеграционного проекта. В-третьих, способность к выполнению длительных задач означает, что агент может вести весь рабочий процесс от начала до конца: извлекать данные, перекрёстно проверять базы, отмечать исключения, формировать отчёт — а не просто помогать с одним шагом.
In legal, broad model choice and consistently high accuracy gave teams the confidence to finally embrace AI – many LLMs now score 80-100% on LegalBench’s 162 legal reasoning tasks. This matters directly for compliance, because compliance is essentially applied legal reasoning under operational constraints, built on the same core tasks: reading regulatory text, applying rules to fact patterns, identifying exceptions, and flagging ambiguities.
В юриспруденции широкий выбор моделей и стабильно высокая точность дали командам уверенность наконец принять ИИ — многие LLM теперь набирают 80–100% по 162 задачам юридического мышления из бенчмарка LegalBench. Это напрямую важно для комплаенса, потому что комплаенс — это, по сути, прикладное юридическое мышление в условиях операционных ограничений, построенное на тех же базовых задачах: чтение нормативных текстов, применение правил к фактическим обстоятельствам, выявление исключений и отметка неоднозначностей.
2. Sales cycles have moved from “slow” to “fast”
2. Циклы продаж ускорились — от «медленных» к «быстрым»
For the first time, the risk of an enterprise not modernizing its compliance stack outweighs the risk of change. Regulated enterprises have long stuck with clunky GRC (Governance, Risk, and Compliance) tools and brittle legacy systems because migrations were painful, the cost of an audit miss was too high, and “good enough” felt safer than change.
Впервые риск не модернизировать комплаенс-инфраструктуру для предприятия перевешивает риск изменений. Регулируемые предприятия долго держались за громоздкие GRC-инструменты (Governance, Risk, and Compliance) и хрупкие унаследованные системы, потому что миграция была болезненной, цена ошибки на аудите — слишком высокой, а «достаточно хорошо» казалось безопаснее перемен.
AI has changed this. Compliance is moving beyond just a cost center, to a revenue driver. In financial services, faster KYC/B means faster onboarding, which means less chance of drop-off and faster time to revenue. Better AML monitoring means fewer false positives, which means fewer legitimate customers flagged and fewer relationships damaged. Quicker marketing reviews mean ad content can be put in front of customers in a more timely manner. That reframes the competitive argument: enterprises that modernize aren’t just saving cost, they are converting customers their slower competitors are failing to onboard. The competition is not AI itself. It’s other enterprises with AI.
ИИ это изменил. Комплаенс перестаёт быть просто центром затрат и становится драйвером выручки. В финансовых услугах более быстрый KYC/KYB означает более быстрый онбординг, а значит — меньший отток и скорейшее получение дохода. Более качественный AML-мониторинг означает меньше ложных срабатываний, меньше заблокированных легитимных клиентов и меньше испорченных отношений. Более быстрые маркетинговые проверки позволяют показывать рекламный контент клиентам своевременнее. Это меняет конкурентный аргумент: предприятия, которые модернизируются, не просто экономят — они конвертируют клиентов, которых не успевают онбордить их более медленные конкуренты. Конкуренция идёт не с самим ИИ. Она — с другими предприятиями, у которых ИИ уже есть.
Furthermore, if we assume that agents will soon become the predominant purchasers on the web, this opens an entirely new category of risk. Traditional compliance was designed around human actors. We now need a modern AI approach for verifying identity, assessing intent, and establishing liability when the counterparty is an autonomous agent.
Более того, если мы допустим, что агенты скоро станут основными покупателями в интернете, это открывает совершенно новую категорию рисков. Традиционный комплаенс был рассчитан на людей. Теперь нам нужен современный ИИ-подход для верификации личности, оценки намерений и определения ответственности, когда контрагент — автономный агент.
All this means that a function that historically didn’t buy software is suddenly leaning in.
Всё это означает, что функция, которая исторически не покупала ПО, внезапно проявила к нему живой интерес.
The three layers of compliance
Три уровня комплаенса
Every compliance function, at every regulated enterprise, is built from the same three ingredients:
Каждая комплаенс-функция в каждом регулируемом предприятии строится из одних и тех же трёх составляющих:
Нормативная база, которая определяет работу: правила, внутренние политики и бесконечный перевод между ними. Программные системы, которые пытаются кодифицировать эту нормативную базу: GRC-платформы, системы управления кейсами, инструменты санкционного скрининга и хрупкие автоматизации, связывающие всё воедино. Люди, которые используют ПО в соответствии с нормативной базой: читают документы, заполняют формы, сверяют базы данных, пишут отчёты.
Most of the “job to be done” in compliance consists of copying information from documents, manually reviewing that information for accuracy or inconsistencies, and ongoing monitoring (repeating these first two tasks on a regular cadence).
Большая часть «работы, которую нужно сделать» в комплаенсе состоит из копирования информации из документов, ручной проверки этой информации на точность или несоответствия и непрерывного мониторинга (повторения первых двух задач с регулярной периодичностью).
To bring this to life, let’s take a Suspicious Activity Report (SAR) in banking. When an alert fires in NICE Actimize [software] flagging unusual transaction activity, Sarah the compliance officer [people] reviews the case, navigates to the core banking system to pull the full transaction history, then cross-references the customer’s KYC file across a separate database and a shared drive for onboarding docs, ID verification, and source of funds. She checks internal policy guidelines and rules [regulation] to assess whether the activity crosses the threshold for a SAR and makes a judgement call, then returns to NICE Actimize to write her “narrative,” manually copying in transaction details and customer data from every system she just visited.
Чтобы проиллюстрировать это, возьмём подачу Сообщения о подозрительной деятельности (SAR) в банке. Когда в NICE Actimize [ПО] срабатывает алерт о необычной транзакционной активности, комплаенс-офицер Сара [люди] изучает кейс, переходит в основную банковскую систему, чтобы выгрузить полную историю транзакций, а затем сверяет KYC-досье клиента в отдельной базе данных и на общем диске — документы по онбордингу, верификацию личности и подтверждение источника средств. Она сверяется с внутренними руководствами и правилами [нормативная база], чтобы оценить, превышает ли активность порог для SAR, и принимает решение, а затем возвращается в NICE Actimize, чтобы написать свой «нарратив», вручную копируя детали транзакций и данные клиента из каждой системы, которую она только что посетила.
Any of these make for great wedges to build your AI startup.
Любая из этих составляющих — отличная точка входа для построения ИИ-стартапа.
1. Turn regulation into code
1. Превратить нормативную базу в код
Every new entry in Title 12 (OCC, Fed, FDIC – across 70+ chapters!), FINRA, SEC, CFTC, and every state-level policy variation lands as a PDF that humans have to read, interpret, and translate into internal policy, and then monitor for changes.
Каждая новая запись в Разделе 12 (OCC, ФРС, FDIC — более 70 глав!), FINRA, SEC, CFTC и каждое изменение на уровне штатов приходит в виде PDF, который люди должны прочитать, интерпретировать, перевести во внутреннюю политику, а затем отслеживать на предмет изменений.
AI can turn regulation into code: structured, auto-updating, interpretable by agents. A 400-page regulatory document can now be parsed into a structured set of obligations that software can check against. Regulation stops being a document that people interpret and becomes code that systems execute. Two things change as a result: monitoring becomes continuous instead of periodic, and a regulatory change propagates through an enterprise in minutes instead of quarters. In the case of payroll in Brazil, a compliance officer’s entire job is refreshing government websites for rule updates, pulling affected employees into a spreadsheet, and manually recalculating payroll.
ИИ может превратить нормативную базу в код: структурированный, автоматически обновляемый, интерпретируемый агентами. 400-страничный нормативный документ теперь может быть разобран в структурированный набор обязательств, которые ПО способно проверять. Нормативная база перестаёт быть документом, который интерпретируют люди, и становится кодом, который исполняют системы. В результате меняются две вещи: мониторинг становится непрерывным вместо периодического, а нормативное изменение распространяется по предприятию за минуты вместо кварталов. В случае расчёта зарплат в Бразилии вся работа комплаенс-офицера — обновлять государственные веб-сайты в поисках изменений правил, выбирать затронутых сотрудников в таблице и вручную пересчитывать зарплату.
Example: Tako converts Brazil’s labor regulations (over 10,000 unions and nearly 900 rule changes per year) into a “system of intelligence” that audits payroll and union rules in your company’s context, answers complex people operations questions in natural language, and flags off-policy actions in real time before they become violations.
Пример: Tako преобразует трудовое законодательство Бразилии (более 10 000 профсоюзов и почти 900 изменений правил в год) в «систему интеллекта», которая проверяет расчёт зарплат и профсоюзные нормы в контексте вашей компании, отвечает на сложные вопросы по кадровым операциям на естественном языке и в реальном времени отмечает действия, выходящие за рамки политики, до того как они станут нарушениями.
2. Rip and replace legacy systems
2. Заменить устаревшие системы
Many compliance functions run on platforms that predate the cloud, stitched together by humans copy-pasting and clicking between systems. That’s why every workflow feels slow even when each individual tool isn’t: the integration layer is a person. Furthermore, replacing any one of these systems meant a multi-year migration that no Chief Risk Officer wanted to sign off on.
Многие комплаенс-функции работают на платформах, появившихся до эпохи облака, скреплённых людьми, которые копируют-вставляют и кликают между системами. Вот почему каждый рабочий процесс ощущается медленным, даже если каждый отдельный инструмент не тормозит: интеграционным слоем служит человек. Более того, замена любой из этих систем означала многолетнюю миграцию, которую не хотел утверждать ни один директор по рискам.
This has meant that many enterprises (especially banks) are sitting on decades of infrastructure debt, and that debt is now the single biggest obstacle to AI adoption.
Из-за этого многие предприятия (особенно банки) сидят на десятилетиях инфраструктурного долга, и этот долг теперь — главное препятствие для внедрения ИИ.
So, enterprise buyers now have three choices to take advantage of AI:
Итак, у корпоративных заказчиков теперь есть три варианта, чтобы воспользоваться преимуществами ИИ:
Оставить действующую систему, но перейти на «безголовый» режим: использовать текущую систему как бэкенд и строить агентов или новые интерфейсы поверх неё. Написать замену с помощью vibe-кодинга: пересобрать систему записи самостоятельно, включая модель данных, права, рабочие процессы, интеграции и аудируемость. Купить новую AI-нативную версию: перейти на систему, изначально спроектированную для агентов, машиночитаемости и оркестрации.
If your system holds compliance-critical data, connects to dozens of internal and external data sources and partners, and codifies years of institutional logic — your risk aversion will tempt you toward (1). But then you are setting yourself up to lose to your competitors who are able to dramatically lower costs + boost revenue with AI (try adding an effective voice agent that needs to read/write to 1990s software)
Если ваша система хранит критически важные для комплаенса данные, подключена к десяткам внутренних и внешних источников данных и партнёров и кодифицирует годы институциональной логики — неприятие рисков будет тянуть вас к варианту (1). Но тогда вы обрекаете себя на проигрыш конкурентам, которые способны радикально сократить затраты и увеличить выручку с помощью ИИ (попробуйте добавить эффективного голосового агента, которому нужно читать/писать в ПО из 1990-х).
It’s now not only possible to replace legacy systems but it’s also necessary to realize value from AI. Legacy systems were built for humans: data is siloed and hard to access, rules are hardcoded and slow to update, and workflows run in batches rather than in real time. In banking, this may be anything from Jack Henry (core banking), NICE Actimize (transaction monitoring), or Smarsh (Employee oversight).
Теперь не только возможно заменить устаревшие системы — это ещё и необходимо, чтобы извлечь пользу из ИИ. Устаревшие системы создавались для людей: данные изолированы и труднодоступны, правила зашиты в код и обновляются медленно, а рабочие процессы идут пакетами, а не в реальном времени. В банковской сфере это может быть что угодно — от Jack Henry (основная банковская система) до NICE Actimize (мониторинг транзакций) или Smarsh (контроль за сотрудниками).
Example:
Пример:
Valon (обслуживание ипотеки) создал ипотечный сервисер с нуля, чтобы доказать, что ПО способно превратить операции с нулевой маржой в бизнес с маржинальностью 60%+. Они кодифицировали сложные сервисные процессы в ValonOS: AI-нативную операционную систему, заменяющую 25+ разрозненных устаревших систем структурированными рабочими процессами, аудируемыми реестрами и программируемыми действиями. Теперь они лицензируют эту систему записи для всей индустрии обслуживания ипотеки объёмом $100 млрд+, причём каждый новый клиент усиливает маховик данных, делающий ИИ-агентов всё интеллектуальнее. Vesta (выдача ипотечных кредитов) управляет и координирует все комплаенс-правила при выдаче кредитов — CFPB (TRID, HMDA и др.), различия между 50 штатами, плюс всю комплаенс-отчётность перед федеральными и региональными агентствами. Поэтому обновление комплаенса — это push кода, а не корпоративное обновление, требующее услуг по внедрению. Кредиторы получают точную аудируемость и экономию эффективности в 25–50%. Sardine (мошенничество и мониторинг транзакций) заменяет NICE Actimize. Sardine работает в облаке и может выполнять как инлайн-детекцию мошенничества в реальном времени, так и сложные постфактум-сценарии AML. Агенты поверх «живых» данных Sardine ускоряют комплаенс-проверки до 30 раз. Например, агент-суммаризатор SAR (Сообщения о подозрительной деятельности) полностью автоматизирует заполнение 60–100 различных полей на одну сущность (извлекая данные из нескольких систем), сокращая время подачи одного SAR с 30+ минут до менее 1 минуты.
3. Augment the work of people
3. Усилить работу людей
Most compliance work consists of the same three human activities repeated endlessly: (1) document analysis, (2) manual review workflows, and (3) ongoing monitoring of (1) and (2).
Большая часть комплаенс-работы состоит из одних и тех же трёх человеческих действий, повторяющихся бесконечно: (1) анализ документов, (2) ручные рабочие процессы проверки и (3) непрерывный мониторинг (1) и (2).
The connective tissue between these activities has historically been a person clicking through legacy software, which is where computer-use agents come in.
Связующим звеном между этими действиями исторически был человек, кликающий по устаревшему ПО, — и именно здесь вступают в игру агенты с компьютерным зрением.
Take business banking onboarding. When a customer onboards, Sarah the compliance officer needs to review and extract key information from that potential customer’s identity documents (ID, passports, incorporation) and financial statements. She then needs to input that information into a set of legacy software tools, and run checks against different databases to validate it (sanctions, business registers, etc). With AI, that entire workflow can be automated end-to-end: documents are ingested and parsed instantly, databases are checked in parallel, and exceptions are flagged for human review rather than human execution.
Возьмём онбординг в бизнес-банкинге. Когда клиент проходит онбординг, комплаенс-офицер Сара должна изучить и извлечь ключевую информацию из документов потенциального клиента (удостоверения личности, паспорта, учредительные документы) и финансовой отчётности. Затем ей нужно внести эту информацию в набор устаревших программных инструментов и провести проверки по различным базам данных для валидации (санкции, реестры юридических лиц и т.д.). С ИИ весь этот рабочий процесс может быть автоматизирован от начала до конца: документы загружаются и разбираются мгновенно, базы данных проверяются параллельно, а исключения отмечаются для человеческой проверки, а не человеческого исполнения.
Example: Factor Labs sits on top of legacy systems rather than replacing them. Its computer use agents automate chargeback dispute handling for banks and payment companies. Each agent task follows a “playbook”, essentially step-by-step instructions tailored to each merchant and complying with the card networks’ processes. The agent mimics what a human analyst would do: logging into company systems (Outlook, Excel, anti-fraud platforms like CyberSource), pulling evidence, compiling it into a formatted Word document with the client’s letterhead, and sending the final PDF back to the client.
Пример: Factor Labs работает поверх устаревших систем, а не заменяет их. Агенты с компьютерным зрением автоматизируют обработку чарджбэк-споров для банков и платёжных компаний. Каждая задача агента следует «плейбуку» — пошаговым инструкциям, адаптированным под конкретного мерчанта и соответствующим процессам карточных сетей. Агент воспроизводит действия человека-аналитика: входит в корпоративные системы (Outlook, Excel, антифрод-платформы вроде CyberSource), собирает доказательства, компилирует их в отформатированный документ Word с фирменным бланком клиента и отправляет итоговый PDF обратно клиенту.
Conclusion
Заключение
We like all of these approaches, and eventually most new systems will do all three. The most effective starting wedge will depend on your market:
Нам нравятся все эти подходы, и в конечном счёте большинство новых систем будут реализовывать все три. Наиболее эффективная начальная точка входа зависит от вашего рынка:
(1) High flux regulatory environments: those with many regulations across different jurisdictions that change constantly, or where enforcement actions, exam findings frequently require a company to update its supervisory/compliance environment – favor starting with “turn regulation into code.”
(1) Среды с высокой нормативной динамикой: множество нормативных актов в разных юрисдикциях, которые постоянно меняются, или частые правоприменительные меры и результаты проверок, требующие от компании обновления надзорной/комплаенс-среды — здесь лучше начинать с «превращения нормативной базы в код».
(2) Going after the system of record makes sense when:
(2) Заход на систему записи имеет смысл, когда:
(a) Есть возможность выйти на чистое поле, то есть нет укоренившегося конкурента для нового сегмента клиентов. Если клиент выбирает систему записи с нуля, предпочтение современного AI-нативного стека — это выбор по умолчанию, например, новые банки, формирующиеся в Саудовской Аравии (например, Stitch) или множество RIA, которые сейчас становятся независимыми и открывают бизнес в США. (b) Старые системы настолько дороги в эксплуатации и настолько затрудняют обратную запись, что для использования ИИ приходится заменять их полностью.
(3) Output-driven workstreams with large backlogs and/or labor shortages favor augmenting the work of people. When compliance work results in a specific artifact (a report, a filing, a certification), the most burning need might be to add people (in this case agents who work 24/7 and don’t make mistakes) to the queue. For example, clearing alert queues (per TD Bank’s 70k backlog)
(3) Потоки работ, ориентированные на результат, с большими завалами и/или нехваткой кадров — выигрывают от усиления работы людей. Когда комплаенс-работа завершается конкретным артефактом (отчёт, подача документа, сертификация), самая острая потребность может состоять в том, чтобы добавить «работников» (в данном случае агентов, которые работают 24/7 и не совершают ошибок) в очередь. Например, разгрузка очередей алертов (как в случае завала в 70 000 кейсов у TD Bank).
Ultimately we think these approaches converge together. Winning companies in this space will turn regulation into code, own a new system of record, and deploy a fleet of agents on top.
В конечном счёте мы считаем, что эти подходы сойдутся воедино. Компании-победители в этом пространстве будут превращать нормативную базу в код, владеть новой системой записи и развёртывать флот агентов поверх неё.
If that’s what you’re building, come and talk to us.
Если вы строите именно это — приходите поговорить с нами.
James da Costa
James da Costa
is a partner at Andreessen Horowitz, where he focuses on investing in B2B software and financial services.
— партнёр в Andreessen Horowitz, где он специализируется на инвестициях в B2B-софт и финансовые услуги.
Angela Strange
Angela Strange
is a general partner at Andreessen Horowitz, where she focuses on financial services, insurance, and B2B software (with AI).
— генеральный партнёр в Andreessen Horowitz, где она специализируется на финансовых услугах, страховании и B2B-софте (с применением ИИ).
Every Building You’ve Ever Been In Was Designed By Software Built in 1997
Каждое здание, в котором вы бывали, было спроектировано в ПО 1997 года
The Top 100 Gen AI Consumer Apps — 6th Edition
Топ-100 потребительских приложений на генеративном ИИ — 6-е издание
Expert News by a16z
Экспертные новости от a16z
We have built a network of experts who are deeply rooted in technology and how it’s shaping our future. Subscribe to our newsletters to receive their perspectives.
Мы создали сеть экспертов, глубоко погружённых в технологии и их влияние на наше будущее. Подпишитесь на наши рассылки, чтобы получать их точку зрения.
Views expressed in “posts” (including podcasts, videos, and social media) are those of the individual a16z personnel quoted therein and are not the views of a16z Capital Management, L.L.C. (“a16z”) or its respective affiliates. a16z Capital Management is an investment adviser registered with the Securities and Exchange Commission. Registration as an investment adviser does not imply any special skill or training. The posts are not directed to any investors or potential investors, and do not constitute an offer to sell — or a solicitation of an offer to buy — any securities, and may not be used or relied upon in evaluating the merits of any investment.
Мнения, выраженные в «постах» (включая подкасты, видео и социальные сети), принадлежат указанным в них сотрудникам a16z и не являются позицией a16z Capital Management, L.L.C. («a16z») или её аффилированных лиц. a16z Capital Management является инвестиционным консультантом, зарегистрированным в Комиссии по ценным бумагам и биржам. Регистрация в качестве инвестиционного консультанта не подразумевает каких-либо специальных навыков или подготовки. Посты не адресованы инвесторам или потенциальным инвесторам и не являются предложением о продаже или приглашением к покупке каких-либо ценных бумаг и не могут использоваться при оценке достоинств какой-либо инвестиции.
The contents in here — and available on any associated distribution platforms and any public a16z online social media accounts, platforms, and sites (collectively, “content distribution outlets”) — should not be construed as or relied upon in any manner as investment, legal, tax, or other advice. You should consult your own advisers as to legal, business, tax, and other related matters concerning any investment. Any projections, estimates, forecasts, targets, prospects and/or opinions expressed in these materials are subject to change without notice and may differ or be contrary to opinions expressed by others. Any charts provided here or on a16z content distribution outlets are for informational purposes only, and should not be relied upon when making any investment decision. Certain information contained in here has been obtained from third-party sources, including from portfolio companies of funds managed by a16z. While taken from sources believed to be reliable, a16z has not independently verified such information and makes no representations about the enduring accuracy of the information or its appropriateness for a given situation. In addition, posts may include third-party advertisements; a16z has not reviewed such advertisements and does not endorse any advertising content contained therein. All content speaks only as of the date indicated.
Содержание данных материалов — а также материалов, доступных на любых связанных платформах распространения и любых публичных аккаунтах a16z в социальных сетях, платформах и сайтах (совокупно — «каналы распространения контента») — не должно рассматриваться или использоваться в качестве инвестиционных, юридических, налоговых или иных рекомендаций. По всем юридическим, деловым, налоговым и иным вопросам, связанным с инвестициями, следует обращаться к собственным консультантам. Любые прогнозы, оценки, предположения, целевые показатели, перспективы и/или мнения, выраженные в настоящих материалах, могут быть изменены без предварительного уведомления и могут отличаться или противоречить мнениям, выраженным другими лицами. Любые графики, представленные здесь или на каналах распространения контента a16z, носят исключительно информационный характер и не должны использоваться при принятии инвестиционных решений. Определённая информация, содержащаяся здесь, получена из сторонних источников, в том числе от портфельных компаний фондов под управлением a16z. Хотя информация взята из источников, считающихся надёжными, a16z не проводила независимую проверку такой информации и не делает заявлений о её достоверности или пригодности для конкретной ситуации. Кроме того, посты могут содержать рекламу третьих лиц; a16z не проверяла такую рекламу и не одобряет содержащийся в ней рекламный контент. Весь контент актуален только на указанную дату.
Under no circumstances should any posts or other information provided on this website — or on associated content distribution outlets — be construed as an offer soliciting the purchase or sale of any security or interest in any pooled investment vehicle sponsored, discussed, or mentioned by a16z personnel. Nor should it be construed as an offer to provide investment advisory services; an offer to invest in an a16z-managed pooled investment vehicle will be made separately and only by means of the confidential offering documents of the specific pooled investment vehicles — which should be read in their entirety, and only to those who, among other requirements, meet certain qualifications under federal securities laws. Such investors, defined as accredited investors and qualified purchasers, are generally deemed capable of evaluating the merits and risks of prospective investments and financial matters.
Ни при каких обстоятельствах посты или иная информация, размещённая на данном веб-сайте — или на связанных каналах распространения контента — не должна рассматриваться как предложение о покупке или продаже какой-либо ценной бумаги или доли участия в каком-либо объединённом инвестиционном фонде, организованном, обсуждаемом или упоминаемом сотрудниками a16z. Равно как она не должна рассматриваться как предложение об оказании инвестиционных консультационных услуг; предложение об инвестировании в объединённый инвестиционный фонд под управлением a16z будет сделано отдельно и исключительно посредством конфиденциальных документов конкретного объединённого инвестиционного фонда — которые должны быть прочитаны полностью и только теми лицами, которые, среди прочих требований, соответствуют определённым квалификационным критериям согласно федеральному законодательству о ценных бумагах. Такие инвесторы, определяемые как аккредитованные инвесторы и квалифицированные покупатели, как правило, считаются способными самостоятельно оценивать достоинства и риски предполагаемых инвестиций и финансовых вопросов.
There can be no assurances that a16z’s investment objectives will be achieved or investment strategies will be successful. Any investment in a vehicle managed by a16z involves a high degree of risk including the risk that the entire amount invested is lost. Any investments or portfolio companies mentioned, referred to, or described are not representative of all investments in vehicles managed by a16z and there can be no assurance that the investments will be profitable or that other investments made in the future will have similar characteristics or results. A list of investments made by funds managed by a16z is available here: https://a16z.com/investments/. Past results of a16z’s investments, pooled investment vehicles, or investment strategies are not necessarily indicative of future results. Excluded from this list are investments (and certain publicly traded cryptocurrencies/ digital assets) for which the issuer has not provided permission for a16z to disclose publicly. As for its investments in any cryptocurrency or token project, a16z is acting in its own financial interest, not necessarily in the interests of other token holders. a16z has no special role in any of these projects or power over their management. a16z does not undertake to continue to have any involvement in these projects other than as an investor and token holder, and other token holders should not expect that it will or rely on it to have any particular involvement.
Не может быть никаких гарантий того, что инвестиционные цели a16z будут достигнуты или что инвестиционные стратегии окажутся успешными. Любые инвестиции в фонд под управлением a16z сопряжены с высокой степенью риска, включая риск полной потери вложенных средств. Любые инвестиции или портфельные компании, упомянутые, указанные или описанные здесь, не являются репрезентативными для всех инвестиций в фонды под управлением a16z, и не может быть никаких гарантий того, что эти инвестиции будут прибыльными или что другие инвестиции, сделанные в будущем, будут иметь аналогичные характеристики или результаты. Список инвестиций, осуществлённых фондами под управлением a16z, доступен здесь: https://a16z.com/investments/. Прошлые результаты инвестиций a16z, объединённых инвестиционных фондов или инвестиционных стратегий не обязательно являются показателем будущих результатов. Из данного списка исключены инвестиции (и определённые публично торгуемые криптовалюты/цифровые активы), эмитент которых не дал a16z разрешения на публичное раскрытие. Что касается инвестиций в криптовалютные или токен-проекты, a16z действует в собственных финансовых интересах, а не обязательно в интересах других держателей токенов. a16z не имеет особой роли в каких-либо из этих проектов и не обладает полномочиями по управлению ими. a16z не берёт на себя обязательств по дальнейшему участию в этих проектах, кроме как в качестве инвестора и держателя токенов, и другие держатели токенов не должны ожидать или полагаться на какое-либо особое участие a16z.
With respect to funds managed by a16z that are registered in Japan, a16z will provide to any member of the Japanese public a copy of such documents as are required to be made publicly available pursuant to Article 63 of the Financial Instruments and Exchange Act of Japan. Please contact compliance@a16z.com to request such documents.
В отношении фондов под управлением a16z, зарегистрированных в Японии, a16z предоставит любому представителю японской общественности копию документов, которые должны быть публично доступны в соответствии со статьёй 63 Закона о финансовых инструментах и биржах Японии. Для запроса таких документов обращайтесь по адресу compliance@a16z.com.
For other site terms of use, please go here. Additional important information about a16z, including our Form ADV Part 2A Brochure, is available at the SEC’s website: http://www.adviserinfo.sec.gov.
С другими условиями использования сайта можно ознакомиться здесь. Дополнительная важная информация об a16z, включая Брошюру формы ADV, часть 2A, доступна на сайте SEC: http://www.adviserinfo.sec.gov.