Whalesbook
कंपनीचे ध्येय: IPO कडे वाटचाल
WeRize ने नुकत्याच $7 दशलक्षची नवीन गुंतवणूक मिळवली आहे, जी कंपनीला सार्वजनिक बाजारात (Public Listing) जाण्यासाठी तयार करत आहे. कंपनी आपल्या AI इंजिनला अधिक सक्षम करण्यावर लक्ष केंद्रित करत आहे, जेणेकरून कर्ज मंजूरी (Underwriting) आणि जोखीम व्यवस्थापन (Risk Management) अधिक अचूक होईल. भारतातील फिनटेक कंपन्यांसाठी हे महत्त्वाचे आहे, कारण नियामक (Regulators) आता कर्जदारांकडून अधिक कार्यक्षमतेची अपेक्षा करत आहेत.
'फिजिकल' मॉडेलची कार्यक्षमता
WeRize पारंपरिक डिजिटल लेंडर्सपेक्षा वेगळी आहे. ती डिजिटल तंत्रज्ञान आणि मानवी वितरणाचे मिश्रण वापरते. 19,000 स्थानिक आर्थिक सूक्ष्म-उद्योजकांच्या मदतीने, कंपनी लहान शहरे आणि गावांमध्ये (Tier II and Tier IV cities) विश्वास निर्माण करत आहे. यामुळे ग्राहक मिळवण्याचा खर्च (Customer Acquisition Cost) कमी होतो.
मात्र, कंपनी आता म्युच्युअल फंड, बॉण्ड्स आणि गृहकर्ज अशा नवीन उत्पादनांमध्ये विस्तारत असल्याने या मॉडेलची खरी परीक्षा होणार आहे. मार्च 2026 पर्यंत, कंपनीचा वार्षिक निव्वळ महसूल (Net Revenue) $32 दशलक्ष आणि EBITDA $15 दशलक्ष होता. हे आकडे फायदेशीर ऑपरेशन दर्शवतात, पण कर्ज बुडण्याची (Default Rates) शक्यता कमी ठेवून विस्तार करणे हे एक मोठे आव्हान असेल.
डेटा सुरक्षा आणि नियमांचे प्रश्न
गुंतवणूकदारांकडून सकारात्मक प्रतिसाद मिळाला असला तरी, WeRize ला 2028 च्या IPO पूर्वी काही मोठ्या समस्यांना सामोरे जावे लागणार आहे. 2024 मध्ये झालेल्या डेटा चोरीच्या (Data Breach) प्रकरणामुळे भारताच्या CERT-In ने चौकशी सुरू केली होती. कर्मचाऱ्यांनी डेटा शेअर केल्याच्या आरोपांमुळे कंपनीच्या प्रशासनावर (Governance) प्रश्नचिन्ह निर्माण झाले आहे.
शिवाय, AI-आधारित कर्ज मंजूरी मॉडेलमध्येही जोखीम आहे. तज्ञांच्या मते, विकसनशील बाजारपेठांमध्ये AI मॉडेलमुळे पारंपरिक पद्धतींपेक्षा 1.5 ते 2 पट जास्त क्रेडिट रिस्क (Credit Risk) असू शकते, विशेषतः आर्थिक मंदीच्या काळात. कंपनीला हे सिद्ध करावे लागेल की तिचे AI इंजिन अशा परिस्थितीतही स्थिर राहू शकते.
पुढील वाटचाल
India Ratings कडून मिळालेल्या BBB (Stable) क्रेडिट रेटिंगमुळे कंपनी पुढील दोन वर्षे टिकून राहू शकते. कंपनीला एका विशिष्ट कर्ज देणाऱ्या संस्थेकडून एका विस्तृत वित्तीय सेवा प्रदाता (Financial Services Provider) म्हणून विकसित व्हावे लागेल, पण त्यासाठी AI-आधारित जोखीम प्रणालीशी तडजोड न करता काम करावे लागेल. डेटा वापराच्या धोरणांमध्ये सुधारणा आणि नवीन उत्पादनांचे यश गुंतवणूकदार आणि नियामक यांच्यासाठी महत्त्वाचे ठरेल.