· Apsara Conference 2026 · 云栖大会
Финансовые AI agents корпоративного уровня в E Fund: практика и выводы
Часть записи Саммит по практике корпоративных Agent с 1:42:09
В E Fund, по словам спикера, надёжность финансового агента держится на инженерной обвязке, а не на сильной модели: данные, кэш, малая модель и контроль skills.
- Точность источников важнее ума модели — для аналитиков решают точность и происхождение информации, а не то, насколько умна модель. Без проверяемых источников результат в работе не используют.
- Кэш под повторяющиеся запросы — около половины пользователей задают похожие вопросы о рынке и утренних обзорах. По словам спикера, кэш заметно снизил задержку и стоимость.
- Малая модель под финансовый контекст — Qwen 4B дообучили на ответах внешней модели-учителя внутри контура, где данные не покидают периметр. Общая модель не знает, что многие названия относятся к публичным компаниям, и дообучение, по словам спикера, заметно повысило точность системы.
- Отбор skills после запуска — за первые две-три недели смотрят на использование, дубли и слабые skills убирают. Иначе платформа быстро обрастает похожими инструментами.
Кому полезно: тем, кто выводит агентов в регулируемой отрасли, где данные должны оставаться в своём контуре, а от системы ждут доступности уровня 99,99%.
Статья по теме
На какие вопросы отвечает доклад
Как снизить задержку и стоимость агента, если пользователи задают похожие вопросы?
Команда использует кэширование KV cache на уровне harness. По словам спикера, около половины запросов похожи, например, про состояние рынка или утренние обзоры, и кэш заметно снизил задержку и стоимость.
▶ 12:35Корпоративная платформа и расходы на вычисленияКак дать агенту знание финансовой терминологии, если данные нельзя отправлять во внешние модели?
Внутри контура дообучили небольшую открытую модель Qwen 4B как студента на ответах внешней модели-учителя. По словам спикера, точность всей системы на финансовых задачах заметно выросла, а обучение обходится недорого.
▶ 15:45Управление данными и взаимодействие моделейКак заставить данные компании стать пригодными для AI-агентов?
Агент используется как драйвер очистки данных: без реального использования нет ни мотивации, ни тестовых наборов. Поэтому data governance стала стратегическим проектом компании.
▶ 15:45Управление данными и взаимодействие моделейКак сделать агентную систему стабильной, если в open source фреймворке много багов?
Команда перешла на более стабильную версию фреймворка из сообщества, где багов стало заметно меньше. В финансах важнее нижняя граница надёжности, чем верхняя, и требуется четыре девятки доступности.
▶ 18:44Архитектура и надёжность для финансовКак проверить безопасность корпоративного агента перед тем, как дать ему доступ к бизнес-процессам?
Команда долго тестирует уязвимости, а бывшие алгоритмические инженеры переведены в роли специалистов по безопасности и тестированию. Ядро бизнеса пока остаётся в песочнице, потому что финансы выбирают надёжность, а не новизну.
▶ 22:27Корпоративная безопасность и контроль рисковКак понять, какие skills агента стоит удалить, если пользователи создают дубли?
После выпуска команда две-три недели следит за использованием skill. Низкое использование и дубли с более удачными аналогами становятся поводом убрать skill с платформы.
▶ 25:31Саморазвитие и управление skills
Главы
- 0:00Вызовы AI в финансах
- 4:45Применение AI в инвестиционных исследованиях
- 9:19Экспертиза и доверие в финансовых услугах
- 12:35Корпоративная платформа и расходы на вычисления
- 15:45Управление данными и взаимодействие моделей
- 18:44Архитектура и надёжность для финансов
- 20:34Skills сотрудников и корпоративная культура
- 22:27Корпоративная безопасность и контроль рисков
- 25:31Саморазвитие и управление skills
Похожие доклады
AI-инструменты для Forward Deployed Engineering
AI Engineer World's Fair 2026
Близко по содержанию
Безопасность AI-агентов: угрозы, человеческий контроль и защита всей системы
Minxi Xie, Bo An, Xudong Pan, Toby Walsh, Stephen Casper, Yaodong Yang, Jingwei Yi, Jin Song Dong, Chaozhuo Li, Yuping Yan, Jinge Wang, An Zhang, Tiantian Tian, Yan Liu, Liang Fang, Yuejin Du
BAAI Conference 2026 · 北京智源大会
Близко по содержанию
AI-консалтинг на практике
AI Engineer Code 2025
Близко по содержанию
Почему большинство корпоративных проектов с agentic AI обречены
Jack Wang, Jess Grogan-Avignon
AI Engineer Europe 2026
Близко по содержанию
