Ninth Wave собрала ИИ-ассистента Compass на Amazon Bedrock для онбординга в open finance

Финансовые организации, участвующие в open finance — сети, где банки обмениваются клиентскими данными с третьими приложениями через стандартизированные API, — сталкиваются с постоянной проблемой интеграции. Каждый банк публикует API со своими именами полей, форматами и пробелами относительно стандарта Financial Data Exchange (FDX). Проверка этих API, сопоставление полей и оценка готовности к продакшену традиционно требовали недель работы специалистов, переписок в почте и таблиц.

Ninth Wave обеспечивает безопасное соединение данных между финансовыми учреждениями и сторонними приложениями, подключая их к агрегаторам вроде Plaid, Finicity и MX, а также к учётным системам, включая Intuit QuickBooks, Xero и Sage. Система нормализует банковские API к стандартам FDX: банк интегрируется один раз с платформой Ninth Wave и получает доступ ко всей сети open finance. Чтобы ускорить онбординг, компания создала Compass — ИИ-ассистента на базе Amazon Bedrock AgentCore. Compass предлагает совместную самообслуживаемую среду, соответствующую стандартам безопасности и комплаенса Ninth Wave.

Проект преследовал три цели. Первая — повысить эффективность онбординга: упростить проверку API, маппинг полей и оценку готовности, чтобы инженеры тратили меньше времени, а команды работали с актуальной информацией. Вторая — предоставить управляемый ИИ-опыт внешним партнёрам: банковским разработчикам и финтех-компаниям нужны надёжные подсказки для интеграционных решений при сохранении изоляции данных, контроля безопасности контента и аудита. Третья — поддерживать стандарты финансового комплаенса: доступ по принципу наименьших привилегий, шифрование данных при хранении и передаче, соответствие SOC 2 и PCI DSS.

При выборе архитектуры Ninth Wave рассматривала самохостируемые модели на Amazon EC2 — полный контроль, но дополнительные накладные расходы, — и одноагентный паттерн Retrieval Augmented Generation (RAG), который проще, но менее точен в задачах маппинга, анализа, поиска и интерактивных вопросов. Мультиагентная архитектура оказалась сложнее на старте, но каждый агент фокусируется на одной задаче со своим контекстом и инструкциями. Нет конкуренции за место в промпте, а точность растёт с числом типов задач. Amazon Bedrock AgentCore предоставил управляемую среду для запуска и масштабирования агентов, а фреймворк Strands Agents взял на себя оркестрацию: классификацию намерений и маршрутизацию между специалистами.

Архитектуру определили три решения. Маршрутизация по намерению: оркестратор один раз классифицирует запрос пользователя и направляет его нужному агенту, сохраняя контекст чистым и вывод предсказуемым. Выбор модели под задачу: лёгкие модели обрабатывают массовые операции, более мощные — маппинг, анализ и интерактивные вопросы. Соответствие сложности задачи возможностям модели вместо единой модели для всего. Привязка к арендатору: перед вызовом агента приложение собирает контекст конкретного банка, что даёт контроль над тем, какие данные видит каждый агент, и исключает попадание данных одного банка в сессию другого.

Amazon Bedrock предлагает управляемую мультиагентную оркестрацию, доступ к нескольким моделям и корпоративные средства безопасности — AWS Identity and Access Management (IAM), AWS Key Management Service (AWS KMS), приватные сети — в одном сервисе. Это позволяет команде сосредоточиться на доменной логике, а не на инфраструктуре больших языковых моделей. Трафик в Compass проходит через Amazon CloudFront, обеспечивая безопасность на периферии.

Для отрасли этот кейс показывает, как мультиагентные системы на управляемых платформах решают задачи в регулируемых средах. В open finance, где ошибки в маппинге полей могут привести к неверным данным о клиентах, точность и изоляция арендаторов становятся критичными. Compass демонстрирует, что ИИ-ассистенты способны работать в жёстких рамках комплаенса, не жертвуя функциональностью.