چگونه استارتاپ Kepler با استفاده از Claude یک هوش مصنوعی قابل‌تأیید برای خدمات مالی ساخت

نگاهی به درون پلتفرمی که بیش از ۲۶ میلیون پرونده ثبت‌شده در کمیسیون بورس و اوراق بهادار (SEC)، متن پیاده‌سازی‌شده تماس‌های اعلام سود (Earnings call transcripts)، ارائه‌های روابط سرمایه‌گذاران (IR)، برآوردهای اجماعی (Consensus estimates) و داده‌های خصوصی را در میان بیش از ۱۴,۰۰۰ شرکت و ۲۷ بازار جهانی نمایه‌سازی می‌کند و این‌که چگونه تیم سازنده آن، هوش مصنوعی‌ای توسعه داد که هر عدد را دقیقاً با پرونده، صفحه و سطر مربوطه اعتبارسنجی می‌کند.

معرفی اجمالی

• نام: Kepler
• سال تأسیس: ۲۰۲۵
• بنیان‌گذاران: وینو گانش (Vinoo Ganesh – مدیرعامل) و جان مک‌ریون (John McRaven – مدیر ارشد فناوری)
• پشته فناوری (Stack): AWS، زبان‌های Rust و Python، کانتینرها برای هماهنگ‌سازی (Orchestration)
• رشد: نمایه‌سازی بیش از ۲۶ میلیون پرونده SEC، بیش از ۵۰ میلیون سند عمومی، بیش از ۱ میلیون سند خصوصی و ۱۴,۰۰۰ شرکت در ۲۷ بازار جهانی در کمتر از سه ماه.
• وب‌سایت: https://kepler.ai/

محدودیت‌ها صنعت مالی

شرکت‌های مالی در محیطی به‌شدت تحت نظارت فعالیت می‌کنند که در آن گزارش‌دهی باید قابل‌حسابرسی و پاسخ‌گو باشد. هر رقمی در یک پرونده نظارتی، ارائه طرح معامله (Deal pitch) یا گزارش تحقیقاتی، باید در برابر اسناد منبع قابل‌تأیید (Verifiable) باشد.

ابزارهایی که صنعت مالی به طور سنتی به آن‌ها متکی است می‌توانند داده‌ها را استخراج کنند، اما همچنان برای آن فرایندِ تأیید، به تحلیلگران انسانی نیاز دارند. یک سیستم تحلیلی نمی‌تواند یک سؤال با فرمت آزاد را تفسیر کند، آن را به مراحل مختلف تجزیه کند یا تشخیص دهد که یک معیار واحد نیازمند استخراج سه سطر مختلف در دوره‌های مالی مشخص است. سیستم‌های هوش مصنوعی می‌توانند این تفسیر را انجام دهند، اما آن‌ها این کار را در همان مرحله محاسبات انجام می‌دهند؛ بنابراین، اعدادی که تولید می‌کنند توسط مدل ایجاد می‌شوند که این امر می‌تواند منجر به بروز خطا شود.

وینو گانش و جان مک‌ریون سال‌ها در شرکت Palantir به ساخت سیستم‌های داده‌محور برای شرکت‌های دفاعی، انرژی و مالی پرداختند. این کار نحوه تفکر آن‌ها را در مورد مقوله اعتماد در محیط‌هایی که پاسخ‌ها باید قابل‌تأیید باشند، شکل داد. پیش از تأسیس کپلر، آن‌ها با ۱۴۷ شرکت مالی از جمله شرکت‌های سهام خصوصی (Private equity)، صندوق‌های پوشش ریسک (Hedge funds) و بانک‌های سرمایه‌گذاری صحبت کردند و تقریباً در همه آن‌ها یک حرف واحد را شنیدند: همه می‌خواستند از هوش مصنوعی برای تحقیق استفاده کنند، اما هیچ‌کس به خروجی آن اعتماد نداشت. همان‌طور که یکی از مدیران ارشد به آن‌ها گفت: «چگونه قرار است به چیزی اعتماد کنم که نمی‌توانم آن را حسابرسی کنم؟»

پاسخ این دو نفر، ساخت یک زیرساخت مستحکم بود که به‌عنوان لایه اعتماد و تأیید برای هوش مصنوعی عمل کند. این زیرساخت، در کنار Claude به‌عنوان لایه استدلال و تفسیر، پایه پلتفرم Kepler Finance است؛ یک پلتفرم تحقیقاتی برای خدمات مالی که توسط تحلیلگران استفاده می‌شود تا سؤالات خود را به زبان طبیعی بپرسند و پاسخ‌هایی با قابلیت تأییدِ آنی دریافت کنند.

مدیریت وظایف طولانی و چندمرحله‌ای و شناسایی ابهام

تحلیل مالی شامل محاسبات پیچیده و چندمرحله‌ای، داده‌های متراکم و اصطلاحات دارای معانی چندگانه است و هیچ‌گونه تحمل خطایی در آن وجود ندارد. با درنظرگرفتن این موضوع، کپلر به مدلی نیاز داشت که بتواند یک برنامه طولانی‌مدت را بدون انحراف پیش ببرد و ابهامات را شناسایی کند.

برای مثال، اگر یک تحلیلگر بخواهد شاخص «روزهای ماندگاری موجودی» (Inventory days outstanding) یک شرکت را در هشت فصل گذشته بداند، مدل باید متوجه شود که برای پاسخ به چه چیزی نیاز است: فرمول صحیح، دوره‌های مالی درست و هرگونه تجدید ارائه‌ای (Restatements) که ممکن است بر اعداد تأثیر بگذارد.

این تیم تمامی مدل‌های پیشگام را بنچمارک کردند و دریافتند که در پرس‌وجوهای مستقیم و ساده، عملکرد مدل‌ها قابل‌مقایسه است. اما وقتی صحبت از برنامه‌های طولانی، چندمرحله‌ای و دارای وابستگی‌های متقابل به میان می‌آمد، همه مدل‌ها به‌جز Claude، در مرحله چهارم یا پنجم شروع به میان‌بر زدن یا ازدست‌دادن محدودیت‌های تعیین‌شده می‌کردند. گانش می‌گوید: «در فرایند کاری ما، Claude مدلی بود که به طور مداوم یکپارچگی برنامه را حفظ می‌کرد. سایر مدل‌ها قوی شروع می‌کردند و سپس بی‌سروصدا در مرحله پنجم یک محدودیت را حذف می‌کردند.»

بارزترین تفاوت در این بود که هر مدل چگونه با عدم قطعیت برخورد می‌کرد و انسان را در چرخه نگه می‌داشت. برای مثال، در موقعیت‌هایی که یک اصطلاح می‌تواند دو معنای متفاوت داشته باشد، بیشتر مدل‌ها یک معنا را انتخاب کرده و به کار خود ادامه می‌دادند. اما Claude متوقف می‌شد و از تحلیلگر می‌خواست تا تصمیم بگیرد. گانش می‌گوید: «این رفتار بیش از هر امتیاز بنچمارکی اهمیت دارد. یک فرض اشتباه در مراحل اولیه یک تحلیل مالی، تمام مراحلِ پایین‌دست را خراب می‌کند.»

مهندسی زمینه پیرامون Claude

تیم کپلر دریافت که Claude زمانی نتایج بهتری تولید می‌کند که وظایفی با تعریفِ دقیق، غنی‌شده با دانش دامنه ساختاریافته، تعاریف و مرزهای سخت‌گیرانه در مورد این‌که چه چیزی را باید حل کند و چه چیزی را باید ارجاع دهد، به آن محول شود. مک‌ریون می‌گوید: «در حوزه مالی، مدل نمی‌تواند کل سیستم باشد. ما با آن به‌عنوان یک مرحله در یک فرایند برخورد می‌کنیم که وظیفه‌اش این است دقیقاً همان چیزی را که مدل برای موفقیت در آن مرحله نیاز دارد، به آن تحویل دهد. مهندسی پرامپت یک فراخوانی را بهینه می‌کند، درحالی‌که مهندسی محتوا سیستمِ پیرامونِ آن را بهینه‌سازی می‌نماید.»

این تیم محیط‌های اجرای قطعی ایجاد کردند که Claude می‌تواند برای هر عملیاتی که باید به لحاظ اثباتی درست باشد، مانند محاسبه یک نسبت یا تعیین یک دوره مالی، آن‌ها را فراخوانی کند. آن‌ها یک آنتولوژی اختصاصی توسعه دادند که مفاهیم مالی را به تعاریف و فرمول‌های دقیق نگاشت می‌کند و برای هر مورداستفاده قابل سفارشی‌سازی است. محدودیت‌های امنیتی و کنترل دسترسی در هر مرحله اعمال می‌شوند و تعیین می‌کنند که هر کاربر از کدام منابع داده می‌تواند استفاده کند. علاوه بر این، مهارت‌های تکرارشونده و قابل‌تنظیمی را برای رایج‌ترین جریان‌های کاری در فرایند خود ساختند، مانند محاسبات ارزش سازمانی در ساختارهای سرمایه پیچیده (مثلاً مدیریت سهام ممتاز، اوراق قابل‌تبدیل و منافع اقلیت) و تطبیق آبشاری درآمد بخش‌ها (Segment revenue waterfall reconciliation) در زمان تغییرات دوره‌های گزارش‌دهی. این مهارت‌ها بین مراحل قطعی و غیرقطعی هماهنگی ایجاد می‌کنند و ذاتاً خودتوان (Idempotent) هستند؛ یعنی ورودی یکسان همیشه خروجی یکسانی تولید خواهد کرد.

سپس، آن‌ها جریان‌های کاری خود را به یک فرایند چندمرحله‌ای تجزیه کرده و مدل‌های مختلف Claude را با مراحل مختلف تطبیق دادند. مدل Opus 4.7 برای استدلال‌های پیچیده مانند تجزیه قصد، رفع ابهام و تولید برنامه‌های اجرایی ساختاریافته و مدل Sonnet 4.6 برای مراحلی با توان عملیاتی بالاتر که وظایف در آن‌ها محدودتر هستند. آن‌ها همچنین مدل‌های تخصصی خود را برای بازیابی (برخی با استفاده از Claude به‌عنوان پایه، برخی اختصاصیِ کپلر) آموزش دادند که در وظایفی مانند نگاشتِ برچسب‌های صورت‌های مالی به کدهای استانداردِ طبقه‌بندی، دقت ۹۴ درصدی را ثبت کردند، درحالی‌که دقت سایر مدل‌ها بین ۳۸ تا ۴۶ درصد بود.

این تیم هرگونه تغییر در پرامپت، ارتقا مدل و اصلاحِ زمینه را قبل از انتقال به محیط تولید، روی هزاران مورد آزمایش می‌کند. فرایند‌های ارزیابی خودکاری ساخته‌اند که خروجی Claude را در هر مرحله با پاسخ‌هایِ صحیحِ شناخته‌شده مقایسه می‌کنند و هم برنامه ساختاریافته و هم نتیجه نهایی محاسبه‌شده را بررسی می‌کنند. هنگامی که یک تست شکست می‌خورد، تیم می‌تواند ردیابی کند که آیا مشکل در استدلال Claude بوده یا کانتکست ارائه‌شده یا اجرای پایین‌دست. زمانی که آنتروپیک نسخه جدیدی از مدل را عرضه می‌کند، کپلر آن را در عرض چند ساعت بنچمارک می‌کند و دقیقاً می‌داند کدام مراحل بهبود می‌یابند، کدام مراحل دچار پسرفت می‌شوند و کدام مراحل نیاز به تنظیمات پرامپت دارند.

مقیاس‌پذیری با Claude

کپلر فایننس بیش از ۲۶ میلیون پرونده SEC را در میان بیش از ۱۴,۰۰۰ شرکت، بیش از ۵۰ میلیون سند عمومی و بیش از ۱ میلیون سند خصوصی شامل ۲۷ بازار جهانی نمایه‌سازی کرده است. Claude این حجم از داده‌های غیرساختاریافته را قابل‌استفاده می‌کند و با تفسیر سؤالات در کلِ پیکره دادگان و تطبیق تفاوت‌های ترمینولوژی در میان شرکت‌ها و دوره‌های زمانی، آن‌ها را یکپارچه می‌کند. سپس لایه بازیابی (Retrieval layer) کپلر، ارقام را از پرونده‌های تأییدشده SEC استخراج می‌کند، نتیجه را محاسبه کرده و نتایج را در قالب اکسل اختصاصی قرار می‌دهد که تحلیلگران می‌توانند با یک کلیک، هر عدد را دقیقاً تا همان سطرِ برجسته‌شده در سند منبع ردیابی کنند.

جداسازی استدلال Claude از زیرساخت قطعی کپلر، به یک تیم کوچک اجازه می‌دهد تا در چنین مقیاسی توسعه یابد. Claude لایه تفسیر را مدیریت می‌کند که در غیر این صورت نیازمند تعداد زیادی مهندس پردازش زبان طبیعی (NLP) با تخصص دامنه (Domain-specific) بود و زیرساخت کپلر بقیه امور را کنترل می‌کند. قابلیت‌های جدیدی که پیاده‌سازی آن‌ها برای یک تیم بزرگ ماه‌ها طول می‌کشید، اکنون در چند هفته ساخته می‌شوند؛ زیرا معماری پلتفرم ماژولار است؛ یعنی تیم می‌تواند استدلال را در یک مرحله بهبود بخشد بدون این‌که با بقیه فرایند در ارتباط باشد.

ازآنجایی‌که مؤسسات مالی پیش از مشارکت نیازمند زیرساخت‌های انطباقی هستند، کپلر از همان ابتدا ثبتِ کامل وقایعِ حسابرسی، محیط‌های مجزای مشتریان و اصالت‌سنجیِ سرتاسری را ایجاد کرده است. همچنین دارای گواهینامه SOC 2 Type II  است و فرایند اخذ گواهینامه ISO 27001 آن نیز در حال انجام است.

پلتفرم کپلر به‌گونه‌ای طراحی شده که مستقل از دامنه (Domain-agnostic) باشد. این تیم عمداً از حوزه مالی شروع کرد زیرا این حوزه یکی از پرمتقاضی‌ترین و سخت‌گیرانه‌ترین محیط‌ها برای هوش مصنوعی است؛ با داده‌های متراکم، اصطلاحات چندگانه، محاسبات پیچیده و تحمل خطای صفر. معماری‌ای که برای جان به‌دربردن از چنین بررسی‌های موشکافانه‌ای ساخته شده باشد، در هر جایی که متخصصان نیازمند پاسخ‌های قابل‌تأیید از مجموعه اسناد بزرگ باشند، قابل‌اجراست. گانش می‌گوید: «کپلر فایننس اولین محصول ماست. این آخرین محصول نخواهد بود.»

بهترین شیوه‌های کپلر

• به Claude کارِ درست را بسپارید: بازیابی وظیفه یک موتور کودری است. محاسبه وظیفه یک موتور فرمول است. از Claude بخواهید تفسیر، تجزیه یا استدلال کند.
• مدل‌ها را با مراحل تطبیق دهید: از Opus برای استدلال‌های پیچیده و از Sonnet برای وظایف محدود و با توان عملیاتی بالا استفاده کنید. اجرای همه چیز روی یک مدل باعث می‌شود یا کیفیت را از دست دهید یا هزینه اضافی بپردازید.
• پیش از پرامپت‌ها، روی ارزیابی سرمایه‌گذاری کنید: فرایندهای خودکاری بسازید که خروجی Claude را در هر مرحله با پاسخ‌های صحیحِ شناخته‌شده آزمایش کنند. هر مرحله را به طور مستقل و همچنین کل فرایندها را به‌صورت سرتاسری (End-to-End) تست کنید. در حوزه مالی، یک «پسرفت خاموش» دقیقاً همان چیزی است که باعث می‌شود شما یک مشتری را برای همیشه از دست بدهید.
• از روز اول بر مبنای اصالت‌سنجی (Provenance) طراحی کنید: متخصصان آموزش دیده‌اند تا همه چیز را تأیید کنند. قابلیت اصالت‌سنجی (توانایی ردیابی منشأ داده‌ها) باید به کل سیستم شکل دهد، نه این‌که در انتها به آن اضافه شود.