Стартап V7 создает корпоративную память для ИИ-агентов с помощью моделей OpenAI

Современные языковые модели отлично справляются со сложными логическими задачами, но они по умолчанию не понимают специфику бизнеса, в котором применяются. Вся важная информация — от актуальных финансовых отчетов до внутренних регламентов — обычно разбросана по документам, таблицам и базам данных. Стартап V7 представил решение этой проблемы, разработав платформу V7 Go, которая наделяет ИИ-агентов институциональной памятью.

Суть проблемы заключается в том, что без постоянного доступа к структурированным знаниям ИИ-агентам приходится заново искать контекст при каждом запросе. Это приводит к лишним затратам времени, увеличению расхода токенов и риску потери важной информации, скрытой в связях между документами. Для таких отраслей, как финансы, страхование и недвижимость, точность извлечения данных является критическим требованием, где ошибки недопустимы.

Для решения этой задачи V7 разработала систему под названием «Граф контекста» (Context Graph). При подключении к корпоративным хранилищам, таким как SharePoint или Google Drive, система сканирует файлы, извлекает сущности, факты и метрики, а затем связывает их в единую структуру. Каждое утверждение в этом графе имеет ссылку на первоисточник. Такой подход на порядок дешевле и быстрее, чем загрузка огромных массивов текста в длинное контекстное окно модели.

Техническая реализация опирается на многоуровневую архитектуру моделей OpenAI. Для массового извлечения структурированных данных используется GPT-5.6 Luna, что позволило снизить стоимость обработки одного документа на 78%. Задачи, требующие сложного рассуждения и использования инструментов, передаются моделям GPT-5.6 Terra и Sol. Благодаря этому уровень ошибок при вызове инструментов снизился с 2.7% до 0.2%.

Для самых сложных аналитических запросов, охватывающих тысячи неструктурированных документов, V7 применяет GPT-6 Astra. На специально созданном наборе данных высшего уровня сложности эта модель показала точность 89%, значительно опередив предыдущие версии.

Внедрение структурированного контекста уже приносит измеримые результаты для бизнеса. Управляющие активами смогли ускорить процесс проверки сделок в 21 раз, сократив время с полного рабочего дня до 15 минут. Команды в сфере финансовых услуг уменьшили время на аудит со 100 до 10 часов, а страховые компании снизили количество ошибок при обработке претензий на 13.5%.

Интеграция с протоколом MCP (Model Context Protocol) позволяет использовать граф контекста V7 напрямую из ChatGPT и других совместимых клиентов. Это существенно упрощает создание новых рабочих процессов, сокращая время их настройки с часов до минут.

В долгосрочной перспективе V7 планирует сделать эту общую память проактивной. Система сможет самостоятельно запускать проверки при изменении базовых фактов в графе, выявлять несоответствия и указывать людям на аналитические отчеты, которые требуют пересмотра из-за обновления исходных данных. Как отмечают основатели компании, реальную ценность от внедрения ИИ получат не те компании, у которых больше всего агентов, а те, кто обеспечит им лучший контекст.