Wieloagentowa platforma finansowa oparta na AI dla WealthFluent

Akveo stworzyło asystenta AI, który wyjaśnia złożone dane finansowe przystępnym językiem, a jednocześnie przestrzega rygorystycznych amerykańskich regulacji finansowych. Niezależny, deterministyczny silnik obliczeniowy gwarantuje, że każdy wskaźnik finansowy opiera się na zweryfikowanych obliczeniach, co eliminuje halucynacje AI.

[ Klient ]

O kliencie

WealthFluent (wcześniej Ripsaw) to amerykański fintech, którego misją jest demokratyzacja planowania finansowego. Łącząc śledzenie portfela, wyznaczanie celów i narzędzia do samodzielnego inwestowania, firma pomaga użytkownikom przejąć kontrolę nad ich finansową przyszłością. WealthFluent szukał partnera, który przekształci platformę z prostego narzędzia do pasywnego śledzenia w inteligentnego towarzysza.

Fintech
USA
24 miesiące
Tworzenie rozwiązań AI
Tworzenie SaaS

Zero
halucynacji AI: 6
miesięcy do uruchomienia AI: 100%
zgodności z regulacjami

[ Wyzwanie ]

Przystępne finanse bez kompromisów w zakresie zgodności z regulacjami

Platforma klienta oferowała już rozbudowane funkcje śledzenia portfela, planowania celów i analizy rynku. Wyzwanie polegało na tym, by dane finansowe stały się łatwe do zrozumienia. Dlatego WealthFluent szukał rozwiązania, które wyjaśni złożone informacje prostym językiem, ściśle przestrzegając amerykańskich regulacji finansowych.

Jasna i zgodna z regulacjami prezentacja danych finansowych

Klient chciał asystenta AI, który będzie prowadził użytkowników, nie wkraczając w regulowany obszar doradztwa finansowego. Standardowe modele AI nie wchodziły w grę, ponieważ mogą halucynować, podawać niedokładne liczby lub przedstawiać wprowadzające w błąd informacje.

Równowaga między szybkością a dokładnością

Asystent musiał też szybko odpowiadać na podstawie aktualnych danych finansowych, nie tracąc przy tym dokładności. Każda odpowiedź musiała opierać się na wiarygodnych i bieżących informacjach, aby użytkownicy mogli ufać przedstawianym analizom.

[ Rozwiązanie ]

Budowa rozwiązania

W ciągu 6 miesięcy stworzyliśmy bezpiecznego asystenta AI opartego na Amazon Bedrock i zintegrowaliśmy go z platformą WealthFluent.

Hybrydowa architektura inteligencji bez halucynacji

Aby rozwiązać główne wyzwanie techniczne, postawiliśmy na architekturę hybrydową. AI prowadzi rozmowę, a niezależny, deterministyczny silnik obliczeniowy odpowiada za wszystkie obliczenia matematyczne. Dzięki temu AI nigdy nie wymyśla liczb.

Asystenta zaprojektowaliśmy według prostej zasady: prowadzić zamiast doradzać. Informuje, wyjaśnia pojęcia i odpowiada na pytania prostym językiem, ale nigdy nie narzuca decyzji finansowych. Ostateczna decyzja zawsze należy do użytkownika, co zapewnia pełną zgodność platformy z wymogami regulacyjnymi.

Inteligentny preprocessing danych dla większej szybkości

Asystent musiał pracować w czasie rzeczywistym na bieżących danych transakcyjnych, bez uszczerbku dla dokładności.

Aby to osiągnąć, dodaliśmy warstwę inteligentnego preprocessingu, która filtruje i podsumowuje dane z kont, zanim trafią do AI. Dzięki temu asystent może niemal natychmiast odpowiadać na pytania o aktywność w portfelu, a każda odpowiedź opiera się na dokładnych i aktualnych danych.

Kluczowe funkcje asystenta AI

Asystent pomaga użytkownikom na trzy kluczowe sposoby:

Proaktywne analizy. Wykrywa wzorce wydatków i wskazuje możliwości korekty budżetu, dostarczając przydatnych informacji, zanim użytkownicy o nie poproszą.
Edukacja w kontekście. Użytkownicy mogą zaznaczyć w czacie dowolne pojęcie finansowe, aby otrzymać jasne wyjaśnienie pochodzące z wyselekcjonowanej bazy wiedzy, a nie z internetu.‍
Optymalna struktura danych. Warstwa inteligentnego preprocessingu filtruje i podsumowuje dane z kont, zanim otrzyma je AI. Dzięki temu asystent może natychmiast odpowiadać na pytania o trendy wydatków, nawet w przypadku bardzo dużych portfeli.

Implementacja techniczna

Rdzeniem asystenta AI jest Amazon Bedrock z modelem Anthropic Claude, a LangGraph steruje przebiegiem rozmowy i logiką biznesową. Sama aplikacja została zbudowana w Angularze i Node.js.

Aby spełnić wymagania klienta dotyczące bezpieczeństwa i zgodności z regulacjami, rozwiązanie działa w jego własnym środowisku AWS.

Dostarczone rozwiązanie składa się z trzech głównych komponentów:

Modułowy ekosystem frontendowy
Asystent AI w TypeScripcie do interakcji z platformą
Silnik optymalizacji portfela w Pythonie do złożonych analiz finansowych

‍

Architektura platformy do zarządzania majątkiem

‍

1. Modułowy ekosystem frontendowy

Aby zintegrować AI bez ingerencji w istniejącą platformę, zbudowaliśmy asystenta jako niezależny frontend w Angularze, Angular Elements, PrimeNG i RxJS. Spakowany w jeden bundle JavaScript, jest osadzany i aktualizowany niezależnie dzięki zautomatyzowanemu pipeline'owi CI/CD.

Dwukierunkowa integracja z platformą	Wydajność i skalowalność	Doświadczenie użytkownika i multimodalność	Bezpieczeństwo i gotowość dla enterprise
Dedykowana, dwukierunkowa architektura sterowana zdarzeniami pozwala asystentowi AI przetwarzać kontekst w czasie rzeczywistym i uruchamiać akcje bezpośrednio w aplikacji, zapewniając interaktywne doświadczenia użytkownika.	Dzięki WebSockets wdrożyliśmy streaming w czasie rzeczywistym, trwałe sesje oraz automatyczne, generowane przez AI podsumowania e-mailowe wyników portfeli inwestycyjnych.	Interfejs obsługuje interakcje tekstowe i głosowe, bogate renderowanie Markdown, pozycjonowanie metodą przeciągnij i upuść oraz tryb pełnoekranowy.	Uwierzytelnianie klasy enterprise, zarządzanie sesjami, obsługa błędów, eksport historii czatu i obsługa komend z ukośnikiem zapewniają bezpieczną i rozszerzalną platformę.

2. Backend asystenta AI

Backend AI zbudowaliśmy w TypeScripcie na AWS, aby zapewnić płynną integrację z istniejącą platformą klienta i jednocześnie poziom bezpieczeństwa wymagany przez aplikacje finansowe działające w czasie rzeczywistym.

Architektura wieloagentowa	Orkiestracja LLM	Pipeline RAG	Wydajność w czasie rzeczywistym
Wdrożyliśmy architekturę wieloagentową, w której wyspecjalizowani agenci odpowiadają za konkretne obszary, takie jak analiza transakcji.	Dedykowana warstwa orkiestracji kieruje zapytania AI do usług AWS Lambda, integruje istniejącą logikę biznesową i umożliwia niezależne skalowanie.	Generowanie wspomagane wyszukiwaniem (RAG) opiera odpowiedzi na dokumentacji firmy i jej autorskiej metodologii finansowej, co gwarantuje precyzyjne odpowiedzi.	Bezpieczne WebSockets utrzymują trwałe sesje, a paginacja danych i podsumowywanie kontekstu pozwalają wydajnie przetwarzać duże zbiory danych finansowych w granicach limitów tokenów LLM.

3. Agent optymalizacji portfela

Akveo stworzyło w Pythonie wyspecjalizowanego agenta AI, który z pomocą LangGraph optymalizuje portfele względem docelowych benchmarków i generuje przejrzyste rekomendacje kupna, sprzedaży i realokacji.

Terraform, AWS Lambda Layers i Langfuse zapewniają skalowalne wdrożenie, zarządzanie zależnościami oraz kompleksowy monitoring przepływów pracy AI.

Orkiestracja agentowych przepływów pracy	Inteligentny routing modeli	Modułowa inteligencja finansowa i dynamiczny prompting	Zarządzanie AI i zabezpieczenia
Z pomocą LangGraph i LangChain zbudowaliśmy wieloetapowy, stanowy przepływ pracy, który waliduje dane i dopracowuje rekomendacje aż do uzyskania optymalnego wyniku.	Dynamiczny routing między modelami Anthropic Claude w Amazon Bedrock zapewnia dobrą równowagę między wydajnością a kosztem, a kompresja kontekstu w tle umożliwia długie sesje optymalizacyjne.	Modułowa architektura uruchamia wyspecjalizowaną logikę finansową tylko wtedy, gdy jest potrzebna, a dynamiczne prompty o strukturze XML poprawiają wydajność, spójność rozumowania i zużycie tokenów.	Zabezpieczenia oparte na regułach egzekwują wytyczne inwestycyjne i ograniczenia portfeli, gwarantując spójne, identyfikowalne i zgodne z regulacjami rekomendacje.

[ Rezultaty ]

Efekty, które mają znaczenie

Asystent AI przekształcił WealthFluent z prostego narzędzia do śledzenia w prawdziwego, interaktywnego przewodnika finansowego.

Architektura wieloagentowa

Każdy wyspecjalizowany agent AI odpowiada za konkretny obszar – od analizy transakcji po optymalizację portfela – a wszystkie współpracują w ramach całej platformy.

Dostarczone w 6 miesięcy

W ciągu 6 miesięcy zaprojektowaliśmy, zbudowaliśmy i wdrożyliśmy asystenta finansowego AI oraz silnik optymalizacji portfela.

Obliczenia bez halucynacji

Oddzielając logikę AI od obliczeń za pomocą deterministycznej warstwy matematycznej, zagwarantowaliśmy, że każdy wskaźnik finansowy opiera się na zweryfikowanych obliczeniach, a nie na LLM.

[ Stack technologiczny ]