- Дата публикации
Kensho построила многоагентный слой для «приземления» ИИ на проверённые финансовые данные S&P Global
Что появилось / что изменилось
Kensho, внутренний AI-хаб S&P Global, собрала разрозненные финансовые базы в единый входной слой для ИИ — систему Grounding.
Главные изменения:
- Один вход для естественно-языковых запросов ко всем проверенным финансовым данным S&P Global.
- Многоагентная архитектура на LangGraph: роутер и набор Data Retrieval Agents (DRA) по доменам — акции, долговой рынок, макроэкономика, ESG и т.д.
- Единый протокол для агентов: общий формат возвращаемых данных для структурированных и неструктурированных источников.
- Автоматическая разборка запроса на подзапросы по доменам и объединение ответов с сохранением контекста.
- Ответы с привязкой к первоисточнику: ссылки на конкретные наборы данных S&P Global и прозрачная трассировка.
Цифр по скорости, стоимости запросов или объёму поддерживаемого контекста Kensho не приводит, но акцент делает на достоверности и соблюдении регуляторных требований.
Как это работает
Grounding — это многоагентный слой между LLM и разными хранилищами S&P Global.
Под капотом три ключевых блока:
-
Роутер на LangGraph
- принимает естественно-языковой запрос от пользователя или ИИ-ассистента;
- по контексту определяет, какие DRA нужны (например, акции + макроэкономика);
- разбивает исходный вопрос на подзапросы для конкретных агентов;
- собирает ответы и сводит их в единый результат.
-
Data Retrieval Agents (DRA)
Каждый DRA принадлежит своей продуктовой или дата-команде и отвечает за один вертикальный стек данных, например:- equity research (отчёты и метрики по акциям);
- fixed income (облигации и кредитные рейтинги);
- макроэкономика;
- ESG-показатели.
Агент знает структуру «своей» базы и умеет отвечать на узкоспециализированные запросы, повышая сигнал/шум.
-
Единый протокол данных
Kensho ввела общий формат ответа для всех DRA:- стандартизованная структура результата;
- место для числовых показателей и текстовых фрагментов;
- метаданные для трассировки: от какого набора данных пришла цифра или цитата.
Роутер на LangGraph работает как «map-reduce» для запросов: распределяет задачу по агентам, а потом аккуратно складывает ответы в связный отчёт, пригодный для последующей генерации текстов или дашбордов.
Что это значит для вас
Если вы строите продукты на данных S&P Global — Grounding даёт несколько практических выгод:
- Меньше рутинного поиска. Аналитикам не нужно помнить схемы десятков баз или писать специализированные SQL/DSL. Они задают вопрос на обычном языке и получают ответ с цитатами из источников.
- Осмысленные ответы для LLM. GPT‑подобные ассистенты и другие агенты могут запрашивать строго проверенные данные вместо «галлюцинаций» из открытого веба.
- Единый стандарт для внутренних команд. Новые DRA подключаются по общему протоколу, без изобретения собственного формата ответов.
- Прозрачность для комплаенса. Для каждого числа и факта есть трассировка до конкретного набора S&P Global, что важно для отчётности и проверки регуляторами.
Где Grounding полезен:
- разбор квартальных отчётов с одновременной сверкой мультипликаторов, долговой нагрузки и макрофона;
- быстрый ресёрч по сектору с использованием equity research + макроданных;
- ESG-аналитика: проверка устойчивых метрик по компаниям с привязкой к источнику;
- построение внутренних ассистентов для front-office и risk-команд, которые не хотят разбираться в 10+ хранилищах.
Где решение подходит хуже:
- если вы не клиент S&P Global и не имеете доступа к их данным;
- если вам нужны открытые альтернативы или self-host без внешнего SaaS;
- если задача — просто чат с LLM без жёстких требований к источникам.
Ограничения по доступности: сервис опирается на инфраструктуру и лицензии S&P Global, так что подключиться напрямую из России без статуса клиента и возможного использования VPN практически не получится.
Место на рынке
Grounding — это не «ещё один чат-бот», а слой между финансовыми данными и LLM, построенный специально под экосистему S&P Global.
По сравнению с типичными RAG-надстройками над корпоративными базами, Kensho делает акцент на:
- многоагентной схеме с чётким разделением ответственности: маршрутизация запросов отдельно, доступ к данным отдельно;
- формализованном протоколе DRA, который задаёт единый язык общения всех агентов;
- глубокой интеграции именно с вертикальными финансовыми доменами — от equity research до ESG.
Прямых сравнений с решениями на базе GPT‑4o, Claude 3 или других коммерческих LLM Kensho не приводит. Из описания видно: Grounding можно поставить поверх разных языковых моделей, а ключевая ценность здесь — не сама генерация текста, а гарантированное «приземление» ответов на проверенные наборы данных S&P Global.
Для игроков, которые давно живут в экосистеме S&P Global и строят свои ассистенты, Grounding выглядит логичным фундаментом, на котором удобно собирать линейку узкоспециализированных финансовых AI‑продуктов — от помощника аналитика до комплаенс-агента ESG.