Мультиагентная архитектура Kensho: как S&P Global решает проблему поиска финансовых данных
Инновационное подразделение S&P Global разработало платформу Grounding на базе LangGraph. Система использует специализированных ИИ-агентов для точного извлечения структурированной финансовой информации.
Суть
Компания Kensho, центр ИИ-инноваций в составе S&P Global, представила Grounding — мультиагентную инфраструктуру для работы с финансовыми данными. Построенная на базе фреймворка LangGraph, система создает единый слой доступа к разрозненным базам данных корпорации. Это позволяет пользователям формулировать запросы на естественном языке и получать ответы, строго подкрепленные верифицированными финансовыми источниками, что критически важно для индустрии, не терпящей галлюцинаций нейросетей.
Контекст
В отличие от типичного веб-поиска, где преобладает неструктурированный текст, финансовые данные S&P Global имеют сложную структуру и массу нюансов. Исторически финансовые аналитики тратили часы на навигацию по фрагментированным системам, изучение сложных схем баз данных и специализированных языков запросов для сбора метрик или анализа доходов.
Стандартные методы генеративного ИИ не могли решить эту проблему напрямую, так как требовали интеграции множества разрозненных хранилищ с гарантиями высокой достоверности (high-trust validity) и прозрачности каждого вывода.
Изображение из источника
Детали
В основе решения Kensho лежит концепция разделения обязанностей. Вместо того чтобы встраивать сложную логику понимания естественного языка в каждого отдельного агента, инженеры создали централизованный маршрутизатор (router) с помощью LangGraph.
Процесс работы выглядит следующим образом:
