Регуляторна звітність за 48 годин замість 6 тижнів

Запити регуляторів обробляли вручну: дані збирали з кількох внутрішніх систем і зовнішніх подань, перекладали й перевіряли. Звітний цикл тривав 6 тижнів, ризик помилки був високим, а команда комплаєнсу була перевантажена рутиною.

1. Оркестрація на Deep Agents. Агента-менеджера побудували на LangChain Deep Agents поверх LangGraph. Він приймає запит регулятора, складає план, розподіляє задачі між трьома групами субагентів і зберігає проміжні результати в спільному робочому просторі, тож довгий звітний цикл не губить контекст.
2. Дослідження й аналіз. Субагенти визначають мову документа, перекладають його, витягують дані з внутрішніх систем і зовнішніх подань та аналізують їх. Пошук по документах працює на ембедінгах BGE-M3 (багатомовна модель, щільний і розріджений пошук) у векторній базі Qdrant.
3. Підготовка документів. Субагенти класифікують і тегують дані, виділяють сутності й події та збирають документ за шаблоном звітності потрібної юрисдикції.
4. Перевірка. Групи дослідження й підготовки документів обмінюються зворотним зв'язком, а QA-агент і аудит-агент звіряють документ із вимогами та джерелами перед видачею аналітикам.
5. Інтеграції й дані. Нові запити й події з внутрішніх систем надходять через Kafka, тож агенти беруть задачі з черги без ручного розподілу. Стан задач, результати й журнал аудиту зберігаються в PostgreSQL.
6. Відкриті моделі на власних GPU. Під переклад, видобування даних і перевірку підібрали відкриті моделі Qwen, Gemma і GPT-OSS. Вони працюють на серверах із GPU NVIDIA H200 без звернень до зовнішніх API.
7. Доступ і доставка. Аналітики входять через Keycloak (єдиний вхід і ролі), а оновлення агентів проходять CI/CD у Jenkins.

• Оркестрація агентів: LangChain, LangGraph, Deep Agents
• Моделі: Qwen, Gemma, GPT-OSS (відкриті ваги)
• Ембедінги й пошук: BGE-M3, Qdrant
• Дані й журнал аудиту: PostgreSQL
• Черга задач та інтеграції: Apache Kafka
• Інфраструктура: GPU-сервери NVIDIA H200
• Доступ: Keycloak (SSO, ролі)
• CI/CD: Jenkins

Звітний цикл скоротився з 6 тижнів до менш ніж 48 годин. Наскрізна перевірка агентами зменшила кількість помилок на 80%, а комплаєнс опрацьовує втричі більше запитів. Аналітики займаються оцінкою ризиків і перевіркою, а не збором і перекладом даних.

Кожен документ перевіряють QA-агент і аудит-агент, після чого результат переглядають аналітики комплаєнсу. Моделі працюють на GPU-серверах без звернень до зовнішніх API, тож дані не потрапляють до сторонніх постачальників моделей. Доступ розмежовано за ролями в Keycloak, а кожна дія агентів записується в журнал аудиту в PostgreSQL.