Quillon ottiene 1,5 milioni di dollari per l'AI nella contabilità tecnica

Quillon, una piattaforma di intelligenza artificiale con sede a Sofia, ha annunciato la chiusura di un round di finanziamento pre-seed da 1,5 milioni di dollari. La società, precedentemente nota come Acclara AI, si concentra sulla contabilità tecnica e sul reporting finanziario, settori che richiedono un'accuratezza e una verificabilità estreme. Il round è stato guidato da 42CAP, con la partecipazione di angel investor legati a NVIDIA e Roblox, che avevano già sostenuto l'azienda prima del round istituzionale.

Fondata nel 2023 da Nikolay Dakov, Ivaylo Stefanov e Atanas Dobrev, Quillon opera da Sofia con una presenza a San Francisco. La sua missione è affrontare le complessità della contabilità tecnica, un'area altamente specializzata che implica l'interpretazione di standard contabili complessi e la preparazione di memo dettagliati, progettati per superare il rigoroso controllo degli auditor e, in alcuni casi, della US Securities and Exchange Commission (SEC). Questo tipo di analisi è fondamentale per decisioni finanziarie critiche, come fusioni, ristrutturazioni del debito e riconoscimento dei ricavi, dove errori possono portare a rettifiche, indagini normative e impatti finanziari significativi.

La sfida dell'auditability nell'era dell'AI

Molti professionisti della contabilità hanno iniziato a integrare strumenti AI generici nei loro workflow per gestire carichi di lavoro crescenti. Tuttavia, questi strumenti spesso presentano una lacuna significativa in termini di auditability. Possono generare citazioni non verificabili o errate e non riescono a fornire un collegamento chiaro e tracciabile tra le conclusioni prodotte e gli standard contabili sottostanti. Questa mancanza di trasparenza e verificabilità rappresenta un ostacolo insormontabile per le aziende che operano in settori regolamentati, dove la compliance e la sovranità dei dati sono priorità assolute.

Per le organizzazioni che valutano il deployment di Large Language Models (LLM) in ambienti sensibili, la capacità di audit e la tracciabilità delle decisioni sono requisiti non negoziabili. L'adozione di soluzioni AI che non garantiscono queste caratteristiche può esporre le aziende a rischi normativi e reputazionali. Questo è un fattore chiave che spinge molte imprese a considerare architetture self-hosted o air-gapped, dove il controllo sui dati e sui processi di inference è massimo.

La soluzione di Quillon: un knowledge graph proprietario per la compliance

Quillon affronta direttamente questa lacuna attraverso una piattaforma basata su un knowledge graph proprietario di standard contabili, integrato con EDGAR, il sistema di raccolta, archiviazione e accesso pubblico della SEC. Questa architettura consente agli utenti di navigare le questioni contabili passo dopo passo, collegando ogni conclusione direttamente al materiale di origine. La piattaforma combina ricerca, analisi contrattuale, peer benchmarking e redazione di memo in un unico workflow coeso.

Il sistema è progettato per mantenere la supervisione umana in ogni fase, permettendo ai contabili di rivedere, modificare e convalidare ogni passaggio. Questo approccio non solo aumenta l'efficienza, ma garantisce anche che ogni output sia completamente tracciabile alla sua fonte originale, un requisito fondamentale per l'auditability. Come sottolineato da Nikolay Dakov, co-fondatore e CEO di Quillon, la piattaforma è stata sviluppata per fornire uno spazio di lavoro in cui l'AI esegue l'analisi, ma il contabile mantiene il controllo in ogni fase, con ogni affermazione riconducibile al paragrafo esatto degli standard.

Prospettive future e implicazioni per il deployment

Inizialmente, la piattaforma di Quillon si concentrerà sui memo di contabilità tecnica, che sono alla base di quasi tutte le decisioni di reporting finanziario all'interno delle società pubbliche. L'azienda prevede di espandersi in workflow di reporting finanziario più ampi, inclusi i bilanci trimestrali e annuali. Il finanziamento ottenuto sarà destinato all'espansione delle capacità di ingegneria e go-to-market, supportando la transizione da un prodotto orientato alla ricerca a una piattaforma che produce deliverable finalizzati ed esegue workflow contabili end-to-end.

L'approccio di Quillon evidenzia una tendenza crescente nel settore dell'AI: lo sviluppo di soluzioni specializzate che rispondono a esigenze specifiche di compliance e controllo in ambienti regolamentati. Per i CTO e gli architetti infrastrutturali che valutano le opzioni di deployment di LLM, la capacità di garantire l'auditability e la tracciabilità dei dati è un fattore determinante. Questo tipo di soluzioni rafforza l'argomento per deployment on-premise o ibridi, dove la sovranità dei dati e il controllo sui processi di inference possono essere gestiti con maggiore granularità, riducendo i rischi associati all'uso di servizi cloud generici per carichi di lavoro critici. AI-RADAR offre framework analitici per valutare i trade-off associati a queste decisioni di deployment, disponibili su /llm-onpremise, per supportare le aziende nella scelta dell'architettura più adatta alle proprie esigenze di sicurezza e compliance.