Morningstar автоматизував підготовку фінрадників
Morningstar вбудував у Direct Advisory Suite AI-асистента на Amazon Bedrock AgentCore: сесія кожного радника ізольована в окремій microVM з VPC-мережею та JWT-авторизацією, а Bedrock Guardrails перевіряє запит і відповідь агента. Коли Morningstar знижує рейтинг фонду, асистент ще вночі звіряє зміну з усіма портфелями і показує, скільки клієнтів і яка сума активів (AUM) зачеплені — радник одразу будує пропозицію заміни, замість кількагодинного ручного збору даних щоранку.
Що асистент готує, окрім сценарію зі зниженим рейтингом
У пості йдеться про нічну звірку зміни рейтингу фонду з портфелями клієнтів. У Direct Advisory Suite цей принцип застосовують і до інших ситуацій. Коли бал ризику клієнта виходить за межі допустимого діапазону, асистент ранжує клієнтів за ступенем відхилення, показує напрямок і величину дрейфу — радник одразу формує пропозицію ребалансування замість того, щоб вручну перевіряти кожен портфель.
Третій сценарій — ринкові новини, прив'язані до конкретних паперів у портфелях. Асистент рахує грошовий вплив для кожного клієнта, який тримає зачеплений актив, і допомагає радникові написати коментар для клієнта або скоригувати експозицію. Перед зустріччю з клієнтом окремий агент складає бриф із контексту портфеля, помітних змін і релевантних досліджень. А фоновий агент перехоплює звернення у підтримку й маршрутизує їх потрібній інженерній команді без переривання роботи радника.
Як це влаштовано технічно
Запит радника потрапляє через інтерфейс Advisor UI або зовнішній MCP-клієнт, проходить вхідний guardrail, далі — у Agent Runtime, де LangGraph планує кроки та звертається до дозволених інструментів (дослідницькі дані Morningstar, портфельна аналітика, формування звітів під вимоги FINRA), і повертається через вихідний guardrail. Кожна сесія радника ізольована на рівні microVM з власною VPC-мережею — радник бачить тільки свої дані клієнтів, відповіді інструментів та історію розмови.
Access контролює AgentCore Identity: кастомний JWT-авторизатор перевіряє кожен запит проти OpenID Connect endpoint Morningstar ще до того, як він потрапить до логіки агента; запити з недійсним або простроченим токеном відхиляються на цьому етапі. Для розмов, що розтягуються на кілька днів — наприклад, підготовка до зустрічі — AgentCore Memory зберігає стан сесії окремо для кожного клієнта платформи, без перетину контексту між різними компаніями-орендарями.
Де проходить межа ручного контролю
Асистент спроєктований як шар керованого робочого процесу, а не як заміна радника: він показує рекомендацію, обґрунтування і джерела для перевірки, а не ухвалює фінансові рішення самостійно. Guardrails оцінюють і вхідний запит, і відповідь агента окремими явними кроками — якщо правило спрацьовує на блокування, виклик моделі взагалі не відбувається; якщо на маскування — текст замінюється безпечною версією.
Налаштування правил guardrails — не одноразова дія. Під час тестування занадто широкі правила блокували цілком легітимні запитання про цінний папір чи сценарій клієнта, і команда кілька разів переглядала політики, щоб знайти робочий рівень саме для сценаріїв фінансового радника. Для цього використовують окремі ідентифікатори guardrail для тестового й продуктивного середовищ, щоб прогонити чернетку правил без ризику для живих сесій.
Що перевірити перед тим, як довіритись відповіді
- Чи показує асистент, з якого джерела взято дані — структуровану портфельну аналітику чи дослідження Morningstar, а не загальні знання моделі
- Чи розведені в відповіді аналіз, чернетка відповіді й рекомендований наступний крок — це окремі етапи, а не злитий текст
- Чи можна простежити шлях міркування агента до конкретної точки даних на кожному кроці — у фінансових сервісах довіра будується саме на цьому, а не лише на фінальній відповіді