Kita 获 YC W26 投资：利用 VLM 自动化新兴市场信贷审查

核心要点

• 核心技术：利用视觉语言模型（VLM）自动化处理新兴市场中非标准化的信贷审查文档。
• 市场痛点：新兴市场（如菲律宾、墨西哥）缺乏可靠的征信体系，且借款人提交的财务证明格式杂乱（PDF、照片、截图等）。
• 产品优势：解决了传统 OCR 和通用文档 AI 工具在处理非标准模板、欺诈检测和风险提取方面的局限性。
• 创始背景：创始人 Carmel 和 Rhea 在实地调研中发现文档化承保是金融科技运营商的最大痛点，随后创立了 Kita。

详细分析

新兴市场信贷审查的严峻挑战

在菲律宾、墨西哥、印度尼西亚和南非等新兴市场，信贷基础设施建设尚处于起步阶段。由于开放金融（Open Finance）尚不成熟，且信贷局提供的数据往往不准确，贷款机构不得不高度依赖借款人主动提交的财务证明文件。这些文件包括银行对账单、工资单等，其形式多种多样，既有电子版 PDF，也有纸质文件的照片或手机截图。这种高度的不确定性使得传统的自动化工具难以发挥作用。

传统 OCR 工具的局限性与 Kita 的突破

现有的通用 OCR 和文档 AI 工具在面对真实世界中杂乱且高度变异的文档时表现不佳。这些工具通常依赖于固定的模板，一旦文档格式发生变化或图像质量受损，提取准确率就会大幅下降。更重要的是，通用工具无法满足贷款流程中特定的业务需求，如身份验证、欺诈检测和深度的风险数据提取。Kita 通过引入视觉语言模型（VLM），能够更智能地理解文档内容，将其转化为结构化的财务数据，从而取代低效、昂贵且易出错的人工审核流程。

从实地调研到技术落地

创始人 Rhea 在访问菲律宾期间与 Carmel 会合，通过与当地金融科技运营商的直接交流，确认了文档承保是制约业务增长的核心瓶颈。在测试了市场上几乎所有相关的 AI 工具并发现它们均无法胜任后，两人决定针对这一特定场景构建 Kita。目前，这一问题不仅存在于新兴市场，甚至在某些发达市场的特定贷款环节中也普遍存在，这为 Kita 提供了广阔的市场空间。

行业影响

Kita 的出现标志着 AI 在金融垂直领域的应用进入了更深层次的阶段。通过将 VLM 应用于信贷审查，不仅提高了金融机构的运营效率，更重要的是，它为那些缺乏传统信用记录的借款人提供了获得贷款的可能性。这种技术驱动的自动化流程有助于降低金融服务的门槛，推动新兴市场的普惠金融发展。同时，这也展示了针对特定行业痛点定制化开发 AI 模型比通用型 AI 工具更具商业价值。

常见问题

问题 1：为什么传统的 OCR 工具无法处理这些信贷文档？

因为新兴市场的财务文档极度非标准化，没有统一的模板。传统 OCR 往往在处理模糊的照片、非结构化的截图或格式多变的 PDF 时会崩溃，且无法进行复杂的欺诈检测和逻辑校验。

问题 2：Kita 主要服务于哪些市场？

目前主要针对菲律宾、墨西哥、印度尼西亚、南非等新兴市场，同时也关注包括美国在内的其他存在类似贷款审核痛点的市场。

问题 3：Kita 如何帮助贷款机构降低风险？

Kita 不仅提取数据，还能自动化执行验证和欺诈检测流程，通过更精准的风险提取，减少了人工审核中可能出现的疏漏和错误。