Kepler, 재무 서비스를 위한 검증 가능한 AI 구축: 2,600만 개 이상의 서류 인덱싱, 감사 대비 답변 제공

Kepler는 2025년 전 Palantir 엔지니어 Vinoo Ganesh와 John McRaven이 설립한 회사로, 블랙박스 AI보다 감사 가능성을 우선시하는 금융 리서치 플랫폼을 구축했습니다. 147개 금융 회사와 대화하고 "감사할 수 없는 것을 어떻게 신뢰해야 합니까?"라는 말을 들은 후, 그들은 Claude가 추론 계층 역할을 하지만 모든 출력이 결정론적 인프라에 대해 검증되는 시스템을 설계했습니다.

주요 아키텍처 결정

• 규모: 3개월도 안 되어 14,000개 이상의 기업과 27개 글로벌 시장에 걸쳐 2,600만 건 이상의 SEC 제출 문서, 5,000만 건 이상의 공개 문서, 100만 건 이상의 비공개 문서를 색인했습니다. 스택: AWS, Rust, Python, 오케스트레이션용 컨테이너.
• 컨텍스트 엔지니어링: Claude는 구조화된 도메인 지식, 정의, 해결할 대상과 에스컬레이션할 대상에 대한 엄격한 경계를 가진 정확히 정의된 작업을 제공받습니다. 모델은 전체 시스템이 아닌 파이프라인의 한 단계로 취급됩니다.
• 다단계 추론: 8분기 동안의 재고 보유 일수와 같은 질문의 경우 Claude는 질문을 분해하고, 올바른 회계 기간을 가져오고, 재작성을 처리하고, 올바른 공식을 적용해야 합니다. 벤치마크에서 모든 프론티어 모델은 단순한 질문에서 비슷한 성능을 보였지만, Claude만이 4-5개 이상의 상호 의존적인 단계에서 계획을 유지하고 제약 조건을 놓치지 않았습니다.

모호성 처리

Kepler는 용어가 금융에서 여러 의미를 가질 때 Claude가 멈추고 명확성을 요청하는 반면, 다른 모델은 조용히 하나의 해석을 선택한다는 것을 발견했습니다. "이러한 행동은 어떤 벤치마크 점수보다 중요합니다,"라고 CEO Vinoo Ganesh는 말했습니다. "금융 분석 초기의 잘못된 가정 하나가 모든 다운스트림을 망가뜨립니다."

신뢰 계층 설계

플랫폼은 Claude의 추론과 모든 숫자를 정확한 제출 문서, 페이지, 항목까지 검증하는 결정론적 인프라를 결합합니다. 해석과 계산의 이러한 분리는 모델이 실수를 하더라도 검증 계층이 분석가에게 도달하기 전에 잡아내도록 보장합니다.