Финансовый AI-ассистент
- Backend
- Frontend
- DevOps
- Python
- PostgreSQL
- Fast API
- Docker
- Redis
У вас есть задача? Давайте обсудим!
О клиенте
Клиент — технологическая компания, которая занимается разработкой и внедрением решений на основе машинного обучения. Основные направления ее экспертизы включают машинное зрение, аналитику больших данных и прикладные решения в области Data Science. Компания разрабатывает интеллектуальные цифровые продукты для финтеха, ритейла, логистики и других отраслей, фокусируясь на автоматизации, интерпретируемости и бизнес-применимости ML-моделей.
О проекте
Ключевым запросом клиента было создание интеллектуального ассистента для финансовых директоров, линейных менеджеров и аналитиков. Инструмент должен был позволять получать точные отчеты и аналитику в формате диалога — без необходимости погружения в SQL-запросы или структуру БД. Также было важно обеспечить мобильный доступ, например через чат-бота, чтобы понять свои финансовые показатели, находясь вне рабочего места.
Описание задачи
До начала проекта большинство финансовых запросов обрабатывались вручную, что было неудобно, требовало времени и технической подготовки. Компании требовалось создать AI-ассистента, который бы помогал пользователям быстро получать ответы на интересующие вопросы.Клиент стремился:
- Упростить доступ к финансовой информации для сотрудников без технической подготовки.
- Сократить время на формирование отчетов.
- Минимизировать ошибки при интерпретации и сборе данных.
- Внедрить удобный чат-интерфейс для повседневных финансовых вопросов.
Реализация
Для решения задачи создания интеллектуального финансового ассистента система была разработана на базе мультиагентной архитектуры, с применением передовых подходов в области интерпретация пользовательского запроса, обработки естественного языка и построения SQL-генераторов.
- Разработали интеллектуальную систему, распознающую пользовательские запросы на естественном языке и автоматически преобразующую их в корректные SQL-запросы с учетом структуры базы данных.
- Обеспечили уточнение недостающих деталей запроса через диалог (например, выбор подразделения или временного периода), чтобы гарантировать точность ответа.
- Построили мультиагентную архитектуру, в которой каждый агент отвечает за свою функцию: понимание запроса, генерацию SQL, валидацию, форматирование результата и отправку ответа пользователю.
- Интегрировали чат-бота (в том числе в Telegram) для оперативной доставки аналитики, отчетов и визуализаций в удобной для пользователя форме.
- Настроили защиту от некорректных или неполных запросов за счет автоматической проверки и корректировки SQL-инструкций до выполнения.
- Настроили форматирование и визуализацию ответов — пользователи получают таблицы, графики или краткие рекомендации, не покидая мессенджера.
- Добились высокой скорости обработки запросов и устойчивости системы, обеспечив доступ к финансовой аналитике в любом месте и без технической подготовки.
