Theia Insights raises $8 million to replace outdated industry classification systems

Theia Insights привлекла $8 млн в раунде Series A, чтобы развивать AI-систему, которая по-новому описывает экономику и бизнес-модели компаний. Вместо одной отраслевой метки стартап предлагает динамическую карту, где видно, чем именно зарабатывает компания и как это меняется со временем.

Почему старые схемы не работают

Проблема, на которую нацелилась Theia, хорошо видна на примере Amazon. Формально компанию можно записать в категорию ритейла, но это сразу теряет половину картины: у нее есть облачный бизнес, логистика, рекламная платформа, медийные сервисы и железо. Для инвестора, банка или индекс-провайдера такая грубая классификация искажает реальную структуру бизнеса.

А именно на таких схемах до сих пор строятся многие индексы, портфели и модели оценки риска. Старые отраслевые стандарты вроде GICS и ICB создавались в эпоху, когда компании были куда менее многослойными. Сейчас крупные публичные игроки работают сразу на нескольких рынках, быстро меняют продуктовые линии и перераспределяют выручку между сегментами.

Если система видит только одну метку, она плохо подходит не только для аналитиков, но и для новых AI-инструментов в финансах, которым нужны более точные, структурированные и машиночитаемые данные.

Как устроена платформа Theia говорит, что строит самообучающуюся карту мировой экономики.

Для этого платформа загружает регуляторную отчетность, стенограммы звонков с инвесторами, пресс-релизы и финансовые данные публичных компаний, а затем применяет собственные методы NLP и количественного моделирования. На выходе получается не статичный ярлык, а многомерная модель компании, которая отслеживает, кто чем занимается и какую долю в бизнесе занимает каждое направление по мере изменения выручки. На этой базе компания уже собрала несколько продуктов для институционального рынка: TIIC — динамическая система отраслевой классификации Concept2Universe — инструмент, который переводит инвестиционные темы в обоснованный список компаний Thematic Factor Model — модель, связывающая движение акций со структурными трендами Theme Watch Indices — индексы для отслеживания глобальных отраслевых тем в реальном времени Стартап основала в 2022 году доктор Е Тянь, бывшая исследовательница Amazon Alexa с PhD-бэкграундом в NLP и AI.

Команда собрана на стыке технологий и финансов: в ней есть люди с опытом в Nasdaq, Morgan Stanley, Meta, UC Berkeley и Кембриджском университете. Это важно для продукта Theia: он должен одновременно быть понятен рынку капитала, достаточно точен для квантовых моделей и пригоден как инфраструктура для новых AI-воркфлоу в инвестиционном анализе.

Куда пойдут деньги

Раунд возглавил MiddleGame Ventures, также в нем участвовали Further Ventures и Unusual Ventures, который уже инвестировал в компанию раньше. После новой сделки общий объем привлеченного капитала Theia достиг $14,5 млн. Деньги пойдут не только на коммерческий рост, но и на расширение инженерной и исследовательской части продукта, то есть компания собирается углублять саму технологическую базу, а не просто масштабировать продажи.

«Финансовые рынки до сих пор опираются на статичные классификационные системы, которые почти не менялись десятилетиями», — так MiddleGame Ventures описывает проблему, в которую инвестирует.

Отдельная цель нового раунда — выход на рынок непубличных активов. По логике Theia, именно там особенно заметен пробел: для непубличных компаний сопоставимой динамической системы классификации почти нет, хотя институциональные деньги все активнее идут в закрытые активы. Если стартап сможет перенести свой подход с публичного рынка в этот сегмент, он получит не просто еще один класс клиентов, а шанс стать базовым слоем данных для более широкого круга финансовых решений.

Что это значит

Theia делает ставку на то, что следующему поколению финансового софта нужны не отчеты в PDF и не устаревшие отраслевые ярлыки, а живая карта экономики, с которой могут работать и люди, и модели. Если этот подход приживется, AI в инвестиционном анализе, построении портфелей и аллокации капитала получит более точную основу, чем привычные классификаторы прошлого поколения.