【YC W26】新興市場の与信審査をVLMで爆速に！書類解析AI「Kita」が登場

Hacker Newsの皆さん、こんにちは！Kita（https://www.usekita.com/ ）の共同創業者、CarmelとRheaです。私たちはVLM（視覚言語モデル）を活用して、新興市場の融資機関向けに与信審査（クレジットレビュー）の自動化を実現しています。

フィリピンやメキシコなどの多くの新興市場では、信用インフラが脆弱です。オープンファイナンスはまだ初期段階で、信用情報機関もあまり信頼できません。そのため、融資担当者は借り手の返済能力を把握するために、提出された書類に頼るしかありません。借り手は銀行の取引明細書や給与明細などを、PDF、紙の書類の写真、スクリーンショットなど、バラバラな形式で提出します。さらに、これらの市場の金融書類は極めて非定型的で、共通のテンプレートすら存在しません。

既存のOCRやドキュメント解析AIツールは、こうしたバリエーション豊かで「汚い」実世界の書類には対応できません。汎用ツールは、検証、不正検知、リスク抽出といった融資ワークフロー専用に作られていないからです。結果として、与信チームは手動レビューに頼らざるを得ず、審査は遅く、高コストで、ミスが起こりやすくなっています。

私たちは大学入学前からの親友です。卒業後、RheaがフィリピンのCarmelを訪ねた際、現地のフィンテック事業者から「書類ベースの審査が最大の悩みだ」という話を直接聞きました。そこで私たちは開発を始め、ありとあらゆるOCRや解析AIツールを試しましたが、どれも実際の現場で送られてくる messy（ぐちゃぐちゃ）な書類には通用しませんでした。たとえデータの抽出ができたとしても、融資に必要な構造化データや不正チェックまでは提供できなかったのです。

この問題は想像以上に深刻でした。インドネシア、メキシコ、フィリピン、南アフリカ、さらには米国でさえ、融資の大部分は「アナリストが書類を目視する」という作業に集約されます。2025年には世界で13.3兆ドルが融資されましたが、その取引の90%に書類審査が関わっています。これは先進国市場も含めた数字です。

KitaはVLMベースのエージェントを使用して、書類のパース、不正検知、そして「汚い」金融ファイルからの与信シグナルの抽出を行います。現在、PDF、スキャン、写真、スクリーンショットを含む50種類以上の書類タイプをサポートしています。私たちのパイプラインは、低品質な入力を補正し、構造化された金融データを抽出し、書類間チェックや過去のデータベースとの照合、市場特有の不正検知を通じて検証を行います。

私たちのアーキテクチャは、ベースとなるVLMをモデルに依存させない（model agnostic）構成にしています。同時に、各市場のローカライズされた融資データを用いて、その土地特有の与信シグナルに最適化した言語モデルをファインチューニングしています。新しいモデルができるたびにベースレイヤーが改善され、新しい市場に展開するたびにスタック全体が強化されます。書類レベルのシグナルを実際の返済結果と結びつけることで、不正検知とリスク評価の精度を継続的に向上させています。

現在、融資機関向けの最初のドキュメント・インテリジェンス製品として「Kita Capture」を提供しています。また、WhatsAppやメールを通じて借り手のフォローアップを自動化し、不足書類の回収やローン申請の完了を支援する「Kita Credit Agent」もローンチしました。

Kita Captureは、メール登録だけで無料でお試しいただけます：https://portal.usekita.com/
クイックデモ動画はこちら：https://www.youtube.com/watch?v=4-t_UhPNAvQ

ドキュメント解析AI、不正検知、フィンテックインフラに携わっている方々から、ぜひフィードバックをいただければ嬉しいです。読んでいただきありがとうございました！

補足だけど、タガログ語と違ってドイツ語で「Kita」は「子供の託児施設」って意味なんだ。だから「Kita Capture」や「Kita Credit Agent」みたいな名前だと、意図しないニュアンスが含まれちゃうかもしれないよ。

新興市場の資金調達問題の解決策は、今の搾取的なシステムを効率化することじゃなくて、マイクロクレジットに投資することだよ。でも、リターンが低いから大規模に普及することはないだろうね（1000人の優良な支払い手より、10人の質の悪い支払い手を抱える方が儲かるから）。