Stripe, чья платёжная инфраструктура обрабатывает $1,4 трлн в год (около 1,3% мирового ВВП) и обслуживает клиентов в 50 странах, столкнулась с классической проблемой масштабирования compliance. Аналитики тратили до 80% времени на сбор документов из разрозненных систем вместо анализа рисков. Компания развернула на Amazon Bedrock систему ИИ-агентов, которая берёт на себя рутинные проверки, но оставляет за человеком финальное решение.
Техническая архитектура основана на фреймворке ReAct (Reasoning + Acting), где каждый агент разбивает сложную задачу проверки compliance на составные подзадачи в виде направленного ациклического графа (DAG). Это позволяет гарантировать, что ни один критический шаг не пропущен, а агент не отвлекается на нерелевантные детали. Ответы агента по каждой подзадаче передаются человеку-рецензенту в качестве вспомогательной информации, а не как окончательное решение. Такой подход обеспечивает полную аудируемость и соответствие регуляторным требованиям.
Ключевые уроки, которые Stripe вынесла из проекта: во-первых, жёсткая декомпозиция задач снижает сложность и повышает качество; во-вторых, оркестровка нескольких специализированных агентов эффективнее одного универсального; в-третьих, использование кэширования промптов (prompt caching) позволяет значительно сократить операционные затраты. Система достигла более 96% оценок полезности со стороны сотрудников, а время обработки запросов сократилось на 26%. Дополнительно ИИ-агенты помогают выявлять 95% атак с проверкой карт в реальном времени и на 20% снижают излишнюю фрикцию для добросовестных клиентов.
Система использует ReAct-агентов с декомпозицией задач в виде направленного ациклического графа (DAG).
