创业公司聚焦: Sellara 正在为华尔街交易之后的工作构建 AI 代理

Why it matters

Sellara is testing whether smaller, finance-specific AI models can automate regulated bank workflows faster and more accurately than general-purpose agents. A verified production deployment would give the founders a foothold in software budgets controlled by accuracy, auditability and integration risk.

在 Citi，Charles-André Jolly 看到交易后工作消耗了本可用于与客户交流的数小时。一次交易可能始于聊天或电子邮件，然后在电子表格、记账系统、对账团队和合规日志之间传递，直到完成。

Jolly 在 2025 年离开 Citi，并与同为 Citi 资深的 Spencer Secord、机器人学工程师兼 YC 校友 Ahmad Roumie 以及产品构建者 Sebastian Jolly 共同创办了 Sellara。他们的纽约初创公司构建专门的 AI 代理，从银行家已经使用的沟通渠道中提取交易细节，并将这些信息带入交易被记账、对账和报告的系统中。

Sellara 表示它已经在美国一家最大的投资银行之一投入生产。该公司尚未披露该机构的身份、正在运行的工作流、用户数量或其软件是自动提交记账还是为人工审批准备记录。在受监管的机构中，这一区别很重要，因为直接写入记录系统会带来与生成拟议交易单不同的操作风险。

将非结构化消息转换为交易记录

几十年来，银行一直在遗留基础架构上增加软件，但员工仍然手动在聊天、电子邮件、电子表格和记账平台之间移动交易细节。Sellara 连接到包括 Outlook、Bloomberg 和内部系统在内的工具，然后读取交易回顾、电子表格和 PDF，提取诸如交易对手、工具、数量和价格等字段。

该软件应用校验规则，将异常路由以供审查并保留审计轨迹。Sellara 的论点是，专注于金融工作流的模型可以比通用 AI 代理更快、更准确地处理这些材料，同时保留银行所需的控制手段。

该公司表示，一项内部对账基准在大约每个文件三秒的速度下达到了 98% 的 F1。Roumie 还演示了在本地 CPU 上运行的交易聊天模型，这种方法可能吸引寻求更低延迟和对敏感数据更严格控制的银行。该基准仍由公司报告，Sellara 尚未公布有关评估数据集、硬件或测试方法的足够信息，外界无法复现该结果。

Sellara 使用一种前置部署的模型，其工程师配置初始工作流并将其连接到客户现有系统。公司表示生产部署可在数周内完成，尽管该 unnamed 银行的部署在公开证据上对软件在不同交易台和交易类型间的表现提供的信息有限。

曾亲自处理这些工作的创始人

Jolly 毕业于 Georgetown University 后在 Citi 从事信贷销售，并曾共同创办教育初创公司 Principally。他的 FINRA BrokerCheck record 列示了他在 2023 年 8 月至 2025 年 7 月期间在 Citigroup Global Markets 的注册记录。

Secord 在 Citi 任职六年，涵盖固定收益、跨资产及可转债销售。Sellara 表示，在离开银行之前，他曾构建过用于对账和减少差错的内部工具。

Roumie 在 ETH Zurich 学习机器人学，曾共同创办 rex.fit，这是一家 Y Combinator 2023 年冬季批的公司，开发用于营养跟踪的计算机视觉工具。Sebastian Jolly 在 Capital One 的经验以及与 IBM 和 Oracle 相关的工作后负责产品。

Sellara 于 2025 年成立并加入了 a16z Speedrun 的第六期。它已从包括 a16z Speedrun、Nomad Ventures 和 IM Ventures 在内的投资者处获得种子轮融资。

与成熟的交易后供应商竞争

Sellara 正进入一个已有成熟供应商的领域。ipushpull 已能从聊天、电子邮件和 Excel 捕获交易信息并将经验证的记录发送到后台系统。Duco 向金融机构出售提取、对账、异常管理和下游发布软件。银行也可以扩展既有的订单管理和交易后系统，而不是在受控环境中引入另一个供应商。

Sellara 的创始人进入该市场有可信的路径，因为其中两人在 Citi 亲自执行过这些工作，Roumie 也已在一家 YC 支持的公司构建过机器学习产品。Sellara 的下一阶段将是将该部署扩展到更多交易台、交易类型和工作流，为其专门化模型提供更大规模的实时交易数据，从而证明其效果。