O funcionário de IA para bancos

Autoria: YC Root Access · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: The AI Employee for Banks · Canal: YC Root Access · 11:26 · Assistir no YouTube

Tópicos: Agentes de IA, Aplicações empresariais de IA, Automação de tarefas e workflows, Mercados e economia

Resumo

A Castle AI desenvolve um funcionário de IA para automatizar operações bancárias, começando pelo atendimento e pela cobrança de empréstimos hipotecários. A empresa surgiu após os fundadores abandonarem duas ideias anteriores e identificarem a necessidade de processar pagamentos de hipotecas por telefone. Segundo os fundadores, seus agentes de IA já processaram US$ 2 bilhões em transações e são usados em operações de empréstimos hipotecários, automotivos, cartões de crédito e empréstimos pessoais. A Castle pretende ampliar sua atuação em instituições financeiras, mantendo agentes autônomos em tarefas de alto volume e reservando fluxos de trabalho complexos para o julgamento humano.

Pontos-chave

A Castle AI automatiza operações de instituições financeiras sem exigir que elas substituam seus sistemas centrais.
A empresa começou pelas operações de atendimento e cobrança de empréstimos hipotecários.
Os fundadores abandonaram ideias anteriores por não acreditarem que fossem essenciais o bastante para os clientes.
A descoberta de que milhões de americanos pagam hipotecas por telefone levou a Castle a explorar Voice AI para esse setor.
Uma demonstração com falhas em uma competição de pitch gerou contatos que ajudaram a empresa a conquistar seu primeiro cliente.
A equipe mudou-se para Phoenix e trabalhou nas instalações da Newrez para colocar a solução em operação.
A Castle afirma ter ultrapassado US$ 2 bilhões em transações processadas por agentes de IA.
A empresa está expandindo seus agentes para outras áreas de crédito e pretende liberar os funcionários humanos para tarefas que exigem julgamento.

Capítulos

Início	Capítulo	Resumo
00:00	O que a Castle AI faz	Os fundadores apresentam a empresa como um funcionário de IA para operações bancárias e mencionam o volume de transações processadas.
03:07	Mudanças de ideia e descoberta do problema	Os fundadores contam como abandonaram ideias anteriores e identificaram a oportunidade de automatizar pagamentos de hipotecas por telefone.
06:14	Primeiro cliente e entrada em operação	A equipe relata como conquistou seu primeiro cliente após uma demonstração atribulada e como colocou a solução da Newrez em funcionamento.
08:48	Expansão da plataforma e contratação	A Castle descreve a expansão para outros produtos financeiros, sua visão para o futuro e as equipes que está contratando.

Citações

A Castle é um funcionário de IA que automatiza todas as operações dentro de um banco. — 00:00

Não conseguíamos nos imaginar construindo uma empresa realmente grande com aquela ideia. — 04:10

Dez milhões de americanos fazem o pagamento da hipoteca por telefone todos os meses. — 05:44

Automatizar o trabalho de alto volume e intensivo em mão de obra, liberando tempo para fluxos de trabalho complexos. — 09:52

Conceitos e entidades

Castle AI (empresa): Empresa que desenvolve agentes de IA para automatizar operações de bancos e outras instituições financeiras.
Nitesh (pessoa): Cofundador da Castle AI, entrevistado no vídeo.
Rishi (pessoa): Cofundador da Castle AI, entrevistado no vídeo.
Insight Partners (empresa): Investidora que liderou a rodada Series A de US$ 24 milhões da Castle AI.
Newrez (empresa): Servicer de empréstimos hipotecários citado como cliente da Castle AI.
Devin (ferramenta): Ferramenta mencionada pelos fundadores como exemplo de tecnologia que acelerou fluxos de trabalho de programação.
Voice AI (conceito): Uso de inteligência artificial em interações por voz, aplicado pela Castle ao atendimento e ao processamento de pagamentos.
YC (empresa): Aceleradora em cujo batch de verão de 2024 os fundadores participaram.

Tradução completa (pt-BR)

00:00 [música] >> Certo. Então, estou animada hoje para receber Nitesh e Rishi, os fundadores da Castle AI, que acabaram de fechar uma rodada Série A de US$ 24 milhões liderada pela Insight Partners. Parabéns, pessoal. >> Obrigado. >> O que a Castle faz? >> Sim. Não, obrigado por nos receber, Dana. Estamos animados por estar aqui. A Castle é um funcionário de IA que automatiza todas as operações dentro de um banco. Começamos há 2 anos,

00:31 começando pelas operações de administração de empréstimos hipotecários, e hoje trabalhamos com 10 das 25 maiores empresas de administração, como a Newrez, e ajudamos a automatizar o atendimento ao cliente e as operações de cobrança em toda a empresa. >> E, em termos de volume, onde vocês estão agora no processamento de pagamentos? >> Recentemente, ultrapassamos US$ 2 bilhões em transações processadas usando agents de IA. É uma loucura pensar que, na mesma época do ano passado, processávamos cerca de US$ 10 milhões a cada 2 meses, e agora fazemos isso todos os dias. >> Sim. >> A abordagem interessante de vocês é

01:01 que estão construindo uma empresa como um funcionário de IA. Por que isso? >> Sim. Então, este é, na verdade, um dos pontos interessantes que percebemos: sinto que a maioria dos problemas que os bancos enfrentam hoje é que, para crescer — aumentar a receita, os empréstimos e os depósitos —, eles também precisam expandir o back office. E uma das coisas interessantes que vimos é que os bancos também são obrigados a lidar com mudanças, mas são muito ruins nisso.

01:32 É muito difícil para setores tão grandes e regulados substituir completamente seus sistemas centrais. Então, ao criar a Castle, tivemos a oportunidade de decidir: “Ei, vamos construir um novo sistema de registro ou ajudar os bancos a adotar IA de forma confiável e gerar valor rapidamente, sem que precisem passar por todo esse processo de mudar seus sistemas centrais, o que pode levar de 5 a 10 anos?” Estávamos vendo muitos

02:05 avanços rápidos acontecerem em áreas como programação, por exemplo, em que usamos ferramentas como Devin >> Sim. >> e elas nos ajudaram a turbinar nossos workflows. E descobrimos que os bancos realmente precisavam de algo parecido para turbinar seus próprios workflows operacionais, mas não havia nenhuma boa solução que os ajudasse a fazer isso. Ou você mudava o sistema de registro existente, ou tinha uma solução pontual. Foi então que decidimos que

02:36 ei, tínhamos a oportunidade de ajudar de verdade nossos clientes a implantar IA de forma confiável em suas operações e obter o valor que outros setores estão vendo, sem precisar substituir completamente seus sistemas centrais existentes. >> Agora, vamos voltar a dois anos atrás. Vocês estavam aqui na YC participando da turma do verão de 2024 e, na verdade, se inscreveram com uma ideia bem diferente. >> Sim. >> Vocês lembram qual era? >> Acho que eram assistentes imobiliários para ajudar agentes imobiliários a fechar mais empréstimos, a fechar mais negócios. Então, essencialmente, IA para a compra de imóveis. Acho que, na primeira semana, conseguimos um projeto-piloto, perdemos esse projeto e percebemos que aquilo não ia dar em nada. Então, começamos a conversar com muito mais gente e fomos para a área de SDR de IA, ajudando outras empresas a contatar outras empresas para conseguir mais negócios. >> Acho que era um SDR de IA voltado especificamente para a compra de imóveis. Acho que vocês ajudavam

03:07 todos esses corretores a encontrar mais pessoas interessadas em comprar casas, e vocês até fizeram progresso com isso. Trabalharam nessa ideia durante a maior parte da turma. >> Sim. >> Foi por volta do verão. Acho que vocês trabalharam nisso durante junho, julho e o começo de agosto, e chegaram a cerca de US$ 4.000 de receita recorrente mensal. Foi tipo: “Certo.” Mas aconteceu alguma coisa, e vocês decidiram abandonar a ideia um mês antes do Demo Day e voltaram à estaca zero. Foi a segunda vez que voltaram à estaca zero. >> Sim, eu sei. Lembro claramente que estávamos em Phoenix, dirigindo

03:39 a caminho do aeroporto em São Francisco. Nitesh e eu pensamos: “O que estamos fazendo? Não conseguimos nos imaginar construindo uma empresa realmente grande com essa ideia.” E, acima de tudo, não sentíamos que isso fosse algo essencial para nossos clientes. Que, se desaparecêssemos amanhã, eles ficariam absolutamente decepcionados por não terem mais a Castle. Parecia que éramos

04:10 algo bom de ter para eles, e Nitesh e eu realmente nos importávamos em construir algo para o longo prazo. Queríamos voltar à prancheta, por mais doloroso que fosse, e recomeçar para criar algo sem o qual nossos clientes não pudessem viver. >> Então, vocês estavam numa corrida. Faltavam apenas 30 dias para o Demo Day, e vocês fizeram uma intensa rodada de entrevistas com usuários. Viajaram por todo o país para conhecer pessoas. Foram a conferências durante 2 semanas.

04:42 E contem como acabaram chegando à ideia de agents para hipotecas residenciais. >> Fomos basicamente a todas as conferências que conseguimos encontrar. Foram muitas conversas constrangedoras, ficando do lado de fora das conferências enquanto as pessoas saíam e tentando abordá-las do nada para conversar sobre os problemas delas. Mas basicamente fizemos isso e, na verdade, ficamos bem bons nisso. >> E menos constrangedores. >> E ficamos menos constrangidos. Foi numa das conferências aqui em São Francisco que

05:14 ficamos sabendo que 10 milhões de americanos fazem o pagamento da hipoteca por telefone todo mês. >> Você me contou isso. Fiquei chocado. Tem gente que liga para pagar ou receber lembretes sobre as hipotecas. >> Todo mês. >> Eu pensei: “O quê?” >> Sim, e todas essas ligações eram atendidas por um agente humano no contact center, porque os credores hipotecários simplesmente não têm tanta… Eles são muito regulamentados. É muito arriscado para eles terceirizar essas

05:44 operações para outros países. Então, todas essas ligações eram atendidas nos Estados Unidos, em lugares como Phoenix e Dallas, e era só disso que os credores hipotecários conseguiam falar: que, se alguém pudesse resolver esse problema, seria uma experiência transformadora. Naquela época, Voice AI ainda era algo relativamente novo, e ninguém estava realmente usando isso para processar pagamentos num setor tão regulado quanto o de hipotecas. E foi assim que tivemos nossa primeira oportunidade. >> Você lembra como conseguiram seu primeiro

06:14 cliente? Porque, naquela altura, vocês estavam ficando sem tempo. Faltavam apenas 2 semanas para o Demo Day. Vocês tiveram essa sacada engraçada. E >> Sim. >> O que aconteceu? Acho que levou mais 2 semanas para conseguirem clientes. >> Sim. Então, pensamos: “Certo, como aceleramos isso?” Fomos a outra conferência, onde descobrimos uma competição de pitch. Era em San Diego. Antes da nossa apresentação no palco, o professor estava nos bastidores. Quer falar sobre isso? >> Rishi ainda estava na conferência tentando conhecer pessoas, e eu tinha encontrado um

06:45 canto do auditório e estava só tentando terminar nossa demonstração a tempo. Subimos ao palco e começamos a demonstração. Era uma ligação telefônica para mostrar se conseguíamos receber um pagamento. Na primeira vez que ele ligou, não funcionou. >> No palco. >> No palco. >> Na frente de centenas de pessoas. >> Então, culpamos o telefone dele. Dissemos: “Certo, vai funcionar com o meu telefone.” Então, dei meu telefone para ele. Na segunda vez que ligamos, não funcionou. Aí eu disse: “Ah, esqueci de ligar.” E então [risadas] na terceira vez que ligamos, acabou funcionando. E estávamos com muito medo de que, sabe,

07:17 no canto do auditório e meio que terminar nossa demonstração a tempo. E subimos ao palco. Começamos a demonstração. Era uma ligação telefônica, só para mostrar se conseguíamos receber um pagamento. Na primeira vez que ele ligou, não funcionou. >> No palco. >> No palco. >> Na frente de centenas de pessoas. >> Então, culpamos o telefone dele. Dissemos: “Tudo bem, vai funcionar com o meu telefone.” Então, dei meu telefone a ele. Na segunda vez que ligamos, não funcionou. Aí eu disse: “Ah, esqueci de ligar.” E então [risos], na terceira vez que ligamos, acabou funcionando mesmo. E estávamos com muito medo de que, sabe, isso

07:48 Não foi tão bem, mas acabou que vencemos aquela competição. Isso gerou muitas oportunidades que chegaram até nós e nos ajudou a conquistar nosso primeiro cliente. >> Apesar de a demonstração ter dado errado, essa é uma história legal. Então, vocês receberam muitas oportunidades a partir disso. E lembro que vocês fecharam com a Nica Time, seu primeiro cliente, poucos dias antes do Demo Day. >> Sim. >> Legal. Então, vocês dispararam. Depois disso, vocês começaram a trabalhar e fecharam com uma das maiores empresas de administração de empréstimos. Alguns meses depois?

08:18 >> Sim, tínhamos alguns clientes iniciais com quem estávamos fazendo protótipos. Depois entramos em contato com a Newrez, que é a terceira maior empresa de administração de empréstimos do país. Na época, eles tinham um problema parecido. Sabíamos que tinham esse problema. Então, para colocá-los em operação, mudamos a empresa inteira para Phoenix. E nos instalamos nos escritórios deles e, sabe, não voltei para casa até que o sistema estivesse no ar. >> Então, vocês trabalharam sem parar até entrar em operação. >> Sim.

08:48 >> Agora, avançando para o presente: vocês já estão em operação e processando 2 bilhões em transações. Para onde a Castle vai nos próximos 5 a 10 anos? >> O que conseguimos fazer foi provar que agentes autônomos de IA aplicada podem funcionar em um dos ambientes operacionais mais regulados dos serviços financeiros: a administração de empréstimos hipotecários. Como resultado, construímos muita tecnologia subjacente que permite que esses agentes sejam altamente

09:21 eficazes em situações em tempo real. Basicamente, pegamos esse modelo operacional e essa tecnologia e agora os estamos aplicando a todo o ciclo de vida do crédito ao consumidor e às operações de um banco. Inicialmente, começamos com hipotecas, mas agora grandes bancos usam o funcionário de IA da Castle para administrar empréstimos para automóveis, cartões de crédito, empréstimos pessoais e linhas de crédito com garantia hipotecária, mas também para conceder empréstimos. Acreditamos que, daqui a 5 anos, a Castle pode ser o principal

09:52 funcionário de IA que atua como colega de trabalho em todas as instituições financeiras, realizando tarefas ao lado de agentes humanos, automatizando o trabalho de alto volume e intensivo em mão de obra e liberando tempo para que agentes humanos cuidem de workflows complexos que exijam seu discernimento. A ideia, basicamente, é que há uma enorme demanda por produtos financeiros, e os bancos querem inovar e conceder empréstimos à sua

10:24 comunidade, além de criar experiências melhores para seus clientes. A única coisa que os impede é não terem capacidade operacional nem recursos para oferecer experiências personalizadas a cada cliente. Os funcionários de IA da Castle tornam isso possível. >> Outra coisa que vocês fizeram foi permitir que seus clientes criem prompts para os agentes. Mas esses agentes executam LLMs, que são não determinísticos, enquanto vocês atuam em um setor regulado. Então,

10:54 de algum modo, vocês construíram um harness que torna determinísticas e compatíveis com as normas as mudanças feitas pelos clientes. Isso é bem difícil de fazer. E vocês estão crescendo bastante, então estão contratando para vários cargos. Contem um pouco sobre algumas das vagas que estão abertas. >> Sim. Estamos contratando em todas as áreas. Com a Series A, estamos começando a trabalhar com alguns dos maiores bancos do país. Por isso, estamos investindo bastante em aplicar IA no mundo real e construir sistemas em torno dela. Estamos ampliando nossa

11:26 equipe de IA aplicada, expandindo nossas equipes de produto à medida que entramos em vários produtos diferentes. E também estamos ampliando nossas equipes de infraestrutura. >> Certo, pessoal. Muito obrigado por terem vindo e, mais uma vez, parabéns pela Series A. >> Sim. Muito obrigado, Anna. Agradeço. >> [música]

Transcrição original

[00:00] [music] >> All right. So, I’m excited today to welcome Nitesh and Rishi, the founders of Castle AI, who just closed a $24 million Series A led by Insight Partners. Congrats, guys. >> Thank you. >> What does Castle do? >> Yeah. No, thanks for having us, Dana. Excited to be here. So, Castle is an AI employee that automates all the operations inside a bank. We started 2 years ago,

[00:31] uh starting with mortgage servicing operations, and today we work with 10 of the top 25 services like Newrez and help them automate their customer service and collections operations across the business. >> And in terms of volume, where are you guys at now in terms of processing payments? >> Uh so, we recently crossed uh $2 billion in transactions processed using AI agents. Yeah, it’s crazy to think that same time last year we were doing about 10 million every 2 months, and now we do that every day. >> Yeah. >> The interesting approach you have is

[01:01] that you are building a company as an AI employee. Why why is that? >> Yeah. So, this is actually one of the uh interesting points that we noticed is you know, I feel like most of the problems that banks face today is that they in order to grow that grow revenue, grow uh loans, grow deposits, they also need to grow the back office. And one of the interesting things that we saw is that uh banks are also forced are really bad at change management.

[01:32] It’s very hard for such large regulated industries to completely replace their core systems. And so, as we built Castle, we had an opportunity to either, “Hey, do we go and execute on building a new system of record, or do we help them How do we help banks sort of adopt AI in a reliable way and deliver value quickly uh without them having to go through this entire process of you know changing their core systems which might take 5-10 years. We were seeing a lot of um you

[02:05] know rapid improvements happen in like say for example coding where you know we use tools like Devin >> Yeah. >> and they’ve helped us supercharge our workflows. And we we found that the you know banks really needed something similar in order to like supercharge their own operating workflows but there was like no good solution out there that was helping them do that. Uh it was either you change the existing system of record or you had this like one point solution. So that’s when we decided that

[02:36] hey we have an opportunity here to like really help our customers reliably deploy AI across their operations and realize that value that other industries are seeing without having to go through that rip and replace of their existing core systems. >> Now let’s go back to two years ago. You were here at YC going through the batch in summer 24 and you guys actually applied with a very different idea. >> Yeah. >> Do you remember what it was? >> I think it was real estate assistants for to help real estate

[03:07] agents close more loan to close more kind of deals. So AI for home buying essentially. I think within week one we proved out that we had a pilot we lost that and then we realized that this is not going anywhere and then we started talking to a bunch of more people went into the AI SDR route where we were helping essentially other companies message other businesses to source more business. >> I think it was a AI SDR for specifically home buying. I think you were helping

[03:39] all these brokers find more leads to buy homes and you actually made progress on it. You were working on that for most of the batch. >> Yeah. >> It was around the summer. I think you were working on that through June, July and beginning of August and you got to about 4,000 in MRR. Just like, “Okay.” But something happened and you decided to kill the idea 1 month before demo day and went back again to zero. This is the second time you went back to zero. >> Yeah, I know. I clearly remember we were actually in Phoenix and we were driving

[04:10] you know on the way to the airport in SF. And Nitesh and I were like, “What are we What are we doing? Like we we don’t really see we couldn’t see ourselves like building a really large company on that idea.” And most of all like we we we didn’t feel that our customers this was like existential for our customers. That like if we disappeared tomorrow that they would absolutely be you know disappointed that like they no longer have a castle. It felt like if we were

[04:42] like a nice-to-have for them and Nitesh and I were like we you know we we really cared about like building something for the long term and we wanted to do like go back to the drawing board no matter how painful that was and restart over to build something that like our customers like couldn’t live without. >> So you were sprinting. This is only 30 days before demo day and you went on this sprint on doing a lot of user interviews. You’re flying all around the country to meet people. You went to conferences for 2 weeks.

[05:14] And tell us about how you eventually landed in this idea of around agent home mortgages. >> We went all to basically every conference that we could find. It was a lot of awkward conversations of standing outside conferences as people walked out and trying to like cold meet them and talk about their problems. But we basically did that and we actually got pretty good at it. >> And got less awkward. >> And less awkward at it. And so it was actually at one of the conferences here in San Francisco where we

[05:44] learned about 10 million Americans making their mortgage payment every single month over the phone. >> You told me that. I was shocked. It’s like there’s people that call over the phone to pay or be reminded for the mortgages. It’s like >> Every single month. >> I was like, what? >> Yeah, and and all of these calls were actually being handled by a human agent in the contact center because, you know, mortgage lenders just don’t have as much They have very highly regulated. It’s very risky for them to outsource these

[06:14] operations to other outside countries. So, all these calls were being taken in the United States in place like Phoenix, Dallas, and is all the all that like the mortgage lenders could talk about that if someone could solve this problem for us like that would be a game-changing experience. And no one in Voice AI was like relatively like new at that time and no one was really doing it to like process payments as for such a regulated industry like mortgage. And that’s that’s how we got our first break. >> Do you remember how you got your first

[06:45] customer? Because by that time you were running out of time. There was only 2 weeks until demo day. You got this funny insight. And >> Yeah. >> What what happened? I think it took another 2 weeks to get your customers. >> Yeah. Yeah, so we we were like, okay, how do we speed run this? So, we went to another conference where it was actually we found out about this pitch competition. And it was in San Diego. Before our time on the stage, the teacher was in the background. You want to talk about that? >> Rishi was still going on the conference trying to meet people and I had found a

[07:17] corner of the auditorium and was just kind of finish our demo in time. And we went up to the stage. We started the demo. It was a phone call and just to show whether we can take a payment. First time he called in, it didn’t work. >> On stage. >> On stage. >> In front of hundreds of people. >> So, we blamed it on his phone. We said, okay, it’ll work with my phone instead. So, I gave him my phone. Second time we called in, it didn’t work. And then I said, oh, I forgot to turn it on. And then [laughter] the third time we called in, it actually ended up working. And we we were really scared that, you know, this

[07:48] didn’t go as well, but uh turns out we actually won that competition. And that created a ton of inbound for us and helped us land our first customer. >> In spite of the demo malfunctioning, that’s a that’s a cool story. So, you got a bunch of inbound from that. And I remember you guys just closed on Nica Time, your first customer just few days before demo day. >> Yeah. >> Cool. Then you went off to the races. And then after that, you guys went into build and close one of the largest servicers. Couple months later?

[08:18] >> Yeah, so we had a few early customers that we were prototyping with. And then we got in touch with Newrez, which is the third largest servicer in the country. This is the time where we, you know, they had a similar problem. We knew that they had this problem. So, to actually make them live, we moved the entire company to Phoenix. And we moved in to their offices and, you know, I didn’t come back until they were live. >> So, you were cranking it until you went live. >> Yeah.

[08:48] >> Now, fast forward. Now that you’re live and now processing 2 billion in transactions, where does Castle go in the next 5 to 10 years? >> What we’ve been able to do is prove that applied AI autonomous agents can work in one of the most regulated operational environments uh in financial services, which is mortgage servicing. And as a result of that, we’ve actually built a lot of technology underneath it that allows these agents to be highly

[09:21] effective in real-time settings. We’ve basically taken that operating model and that technology and now applying across the consumer lending life cycle and across like a bank’s operations. So, we initially while we initially started with mortgages, we now have large banks using Castle’s AI employee to service auto loans, credit cards, personal loans, HELOCs, but also like originate loans. We think 5 years from now that, you know, Castle can be the the number

[09:52] one AI employee that works as a co-worker across every operational financial institution there is doing the work alongside human agents and automating the the high-volume labor-intensive work and freeing up time for complex workflows to be handled by human agents where they where they need the judgment. And this is essentially like to say that like there is a ton of demand for financial products and banks want to be innovative and lend to their

[10:24] community, build better experiences for their customers. The only thing that stops them from doing that is them not having the operational bandwidth or resource in order to, you know, provide personalized experiences for each of their customers. And Castle’s AI employees unlock that. >> So, one of the other things you’ve done is basically you are enabling your customers to basically prompt the agents, but inherently these agents run LLMs which are non-deterministic, but you’re working in a regulated industry. So,

[10:54] somehow you built a hardness that makes your customer changes be deterministic and be compliant. That’s pretty hard to do. And you guys are growing a bunch, so you’re hiring a bunch of roles. Tell us about what are some of the roles that you’re hiring for. >> Yeah. So, we’re hiring across the stack with the Series A, we’re now starting to work with, you know, some of the largest banks across the country. So, we’re investing a lot in like applying AI in the real world and building these systems around it. So, we’re growing our

[11:26] applied AI team, growing our product teams as we get into like multiple different products. And and also scaling our infrastructure teams. >> All right, guys. Thank you so much for coming and congrats again on the Series A. >> Yeah. Thanks so much, Anna. Appreciate it. >> [music]