Kepler создает верифицируемый ИИ для финансовых услуг с помощью Claude: проиндексировано 26 миллионов+ документов, ответы готовы к аудиту

Kepler, основанная в 2025 году бывшими инженерами Palantir Вину Гanesh и Джоном Макрейвеном, создала платформу финансовых исследований, которая ставит аудируемость выше "черного ящика" ИИ. После общения со 147 финансовыми фирмами и услышав вопрос «Как я могу доверять тому, что не могу проверить?», они спроектировали систему, где Claude выступает в роли уровня рассуждений, но все результаты проверяются детерминированной инфраструктурой.

Ключевые архитектурные решения

• Масштаб: Проиндексировано более 26 млн документов SEC, 50 млн публичных документов и 1 млн частных документов по 14 000+ компаниям и 27 мировым рынкам менее чем за три месяца. Стек: AWS, Rust, Python, контейнеры для оркестрации.
• Инженерия контекста: Claude получает четко определенные задачи со структурированными предметными знаниями, определениями и жесткими границами по тому, что решать, а что передавать выше. Модель рассматривается как один этап в конвейере, а не вся система.
• Многошаговые рассуждения: Для запросов, таких как количество дней запасов за 8 кварталов, Claude должен разложить вопрос, извлечь правильные отчетные периоды, обработать пересчеты и применить нужную формулу. По результатам бенчмарков все передовые модели показали сопоставимые результаты на простых запросах, но только Claude удерживал планы в 4–5+ взаимозависимых шагах, не теряя ограничений.

Работа с неоднозначностью

Kepler обнаружил, что Claude останавливается и запрашивает уточнение, когда термин имеет несколько значений в финансах, тогда как другие модели молча выбирают одну интерпретацию. "Такое поведение важнее любого бенчмарка", — сказал генеральный директор Вину Гanesh. "Одно неверное предположение на раннем этапе финансового анализа разрушает всё в дальнейшем".

Проектирование уровня доверия

Платформа сочетает рассуждения Claude с детерминированной инфраструктурой, которая проверяет каждое число до точного документа, страницы и строки. Это разделение интерпретации и вычислений гарантирует, что даже если модель совершит ошибку, уровень верификации поймает её до того, как она дойдет до аналитика.