Case Study
Wieloagentowy monitoring dla oceny ryzyka w faktoringu
Softwise.AI we współpracy z firmą faktoringową (objętą NDA) współtworzyło modułowy, agentowy system AI, który automatyzuje zbieranie, monitorowanie i raportowanie informacji o firmach z internetu dla całego portfela objętego oceną ryzyka. System orkiestruje wyspecjalizowanych agentów, którzy przeszukują różne źródła, porównują ustalenia z wcześniejszymi raportami i generują użyteczne alerty oraz podsumowania - dzięki temu zespół oceny ryzyka może wspierać decyzje faktoringowe na dużą skalę, zamieniając godziny ręcznego researchu na klienta w niecałe dwie minuty automatycznego, ustrukturyzowanego raportowania.
KLIENT
Klient poufny (objęty NDA)
ROK
2025
SEKTORY
Usługi finansowe - faktoring i ocena ryzyka kredytowego
REZULTATY
System monitoringu oparty na agentach AI, Konfigurowalni agenci wyszukiwania, Agent główny agregujący wyniki, Automatyczne raportowanie, Integracja z CRM i systemem kredytowym, Bezpieczne wdrożenie chmurowe
Problem
Zespół oceny ryzyka klienta potrzebował ciągłego, wiarygodnego wglądu w internetowy ślad każdej firmy z portfela faktoringowego - wpisy w rejestrach, zmiany we władzach spółek, sentyment klientów i pracowników, komunikaty regulacyjne oraz każdy nowy sygnał mogący wpłynąć na ryzyko kredytowe. W praktyce oznaczało to, że analitycy prowadzili tę samą rozproszoną pracę badawczą w internecie - ręcznie, dla tysięcy firm, w każdym cyklu.
Ta praca się nie skalowała. Źródła były rozsiane po platformach o niespójnych znacznikach czasu, ważne sygnały umykały, a scalenie ustaleń w użyteczny raport kosztowało godziny na każdego klienta - spowalniając decyzje kredytowe i ograniczając możliwość rozwijania portfela. Zespół potrzebował automatyzacji całej pętli od researchu do raportu - na tyle elastycznej, by dodawać nowe źródła i sygnały ryzyka w miarę rozwoju biznesu, i bez kompromisów w bezpieczeństwie danych kredytowych.
Zadaniem Softwise.AI było współtworzenie tego systemu w ścisłej współpracy z zespołem oceny ryzyka.
{Kluczowe wyzwania}
Dlaczego ręczny research internetowy nie skalował się na cały portfel faktoringowy?
Projekt musiał sprostać ściśle powiązanym ograniczeniom operacyjnym, danowym i bezpieczeństwa:
Duży wolumen monitoringu
Portfel obejmował zbyt wiele firm, by indywidualne wyszukiwania analityków pozostały praktyczne i powtarzalne.Dane rozproszone po platformach internetowych
Istotne informacje znajdowały się w wielu źródłach, często bez wyraźnych znaczników czasu - trudno było ocenić, co jest nowe i co ma znaczenie.Ryzyko przeoczenia narastających problemów
Negatywne opinie klientów, skargi pracowników, komunikaty regulatorów i inne sygnały wczesnego ostrzegania łatwo umykały ręcznemu przeglądowi pod presją czasu.Godziny ręcznego scalania danych na klienta
Składanie researchu w raporty pochłaniało czas doświadczonych analityków i opóźniało decyzje kredytowe.Stale zmieniające się potrzeby monitoringu
Wciąż pojawiały się nowe źródła danych, sektory i wzorce ryzyka - rozwiązanie musiało nadążać bez osobnego projektu inżynieryjnego za każdym razem.Poufność danych kredytowych
Jako instytucja finansowa klient wymagał bezpieczeństwa klasy enterprise, kontrolowanych opcji wdrożenia i ścisłej integracji z istniejącym CRM i systemem decyzji kredytowych.
{Proces}
Jak w 5 etapach współtworzyliśmy wieloagentowy system monitoringu?
Softwise.AI i klient prowadzili projekt w modelu prawdziwego współtworzenia - zespół oceny ryzyka aktywnie kształtował system na każdym etapie.
Wspólne discovery z zespołem oceny ryzyka
Zespoły razem zmapowały rzeczywisty proces researchu - ustalając, które sygnały naprawdę wpływają na decyzje kredytowe, na co analitycy poświęcają najwięcej czasu i jak wygląda dobry raport z perspektywy kolejnej osoby w łańcuchu decyzyjnym.
Projekt architektury opartej na agentach
Zamiast budować jeden monolityczny model, zespół zaprojektował rozwiązanie jako zestaw wyspecjalizowanych agentów AI - z których każdy odpowiada za odrębną część procesu researchu, koordynowanych przez agenta głównego. Dzięki temu system jest modułowy, łatwy do testowania i rozbudowy.
Konfiguracja agentów wyszukiwania pod model ryzyka klienta
Wspólnie z zespołem oceny ryzyka Softwise.AI skonfigurowało dopasowany zestaw agentów wyszukiwania obejmujący najważniejsze kategorie danych: profil korporacyjny, sentyment, zgodność z przepisami i niestandardowe sygnały branżowe - z kryteriami, źródłami i priorytetami zdefiniowanymi osobno dla każdego agenta.
Budowa warstwy agregacji i raportowania
Agent główny agreguje surowe wyniki agentów wyszukiwania i porównuje bieżące ustalenia z poprzednim raportem - dzięki temu każdy cykl podświetla to, co się zmieniło, a nie to, co zostało bez zmian. Agent raportujący zamienia następnie te dane w zwięzłe podsumowanie gotowe do podjęcia decyzji.
Ramy bezpieczeństwa i integracji
Równolegle zespół zbudował całe zaplecze klasy enterprise: opcje wdrożenia hybrydowego, integracje z CRM i systemem decyzji kredytowych klienta oraz gwarancję nieprzechowywania dokumentów źródłowych dłużej, niż wymaga tego wygenerowanie raportu.
Rozwiązanie
System zbudowano jako skoordynowany zestaw wyspecjalizowanych agentów AI, z których każdy odpowiada za jeden krok w procesie od researchu do raportu - od surowych źródeł internetowych po zwięzły raport pokazujący zmiany, na którym analityk może od razu działać.
Agenci wyszukiwania
Pula autonomicznych agentów pracuje równolegle na źródłach danych istotnych dla decyzji kredytowych klienta. Architektura wspiera nieograniczoną liczbę agentów - można ich dodawać i usuwać na bieżąco, w miarę zmieniających się potrzeb monitoringu:
Agent profilu korporacyjnego - pobiera podstawowe dane firmy, zmiany we władzach i ważne komunikaty.
Agent sentymentu - śledzi opinie klientów, komentarze pracowników i nastroje publiczne.
Agent zgodności - sygnalizuje wpisy sądowe, komunikaty regulatorów i sankcje.
Agenci niestandardowi - wychwytują niszowe lub branżowe sygnały ryzyka zdefiniowane przez klienta.
Agent główny
Działa jak cyfrowy koordynator procesu researchu - agreguje surowe wyniki wszystkich agentów wyszukiwania i porównuje bieżące ustalenia z ostatnim raportem, dzięki czemu nowe i zmienione pozycje wypływają automatycznie.
Agent raportujący
Generuje zwięzły raport podsumowujący nowe problemy, trendy i wskaźniki ryzyka - skrojony pod ludzki przegląd, a nie zrzut surowych danych.
Konfigurowalność bez udziału IT
System zaprojektowano tak, by nadążał za kryteriami ryzyka klienta:
nieograniczona liczba agentów wyszukiwania dla nowych źródeł danych,
zgodność z wymogami poszczególnych jurysdykcji i wewnętrznymi politykami kredytowymi,
własne kryteria wyszukiwania dla każdego agenta,
hierarchie priorytetów dla sygnałów o największym znaczeniu.
Bezpieczeństwo i integracje klasy enterprise
Platforma umożliwia elastyczne modele wdrożenia w zależności od wrażliwości zapytań:
Publiczne API dla zapytań niewrażliwych lub prywatne instancje chmurowe dla monitoringu poufnego.
Integracja z CRM i systemem decyzji kredytowych klienta.
Dokumenty źródłowe nie są przechowywane dłużej, niż wymaga tego wygenerowanie raportu.
{Wyniki}
Od godzin researchu do niecałych dwóch minut na firmę
Efektem współpracy jest działający, w pełni zaprojektowany agentowy system monitoringu, sprawdzony na przykładowym portfelu. Rozwiązanie jest jeszcze na etapie wspólnych testów, a nie pełnej skali produkcyjnej, ale testy na przykładowym portfelu wykazały:
Radykalne skrócenie researchu - z godzin ręcznej pracy do niecałych dwóch minut na firmę.
Wczesne wykrywanie sygnałów ryzyka - monitoring przyrostowy wychwytuje negatywne opinie, komunikaty regulatorów i inne narastające problemy, zanim dotrą do decyzji kredytowej.
Spójne, obiektywne podsumowania - wyniki niezależne od zmęczenia analityka i presji czasu.
Ogromna skalowalność - możliwość codziennego monitorowania tysięcy firm.
Konfigurowalna architektura agentów - nowe źródła i sygnały ryzyka można dodawać bez prac inżynieryjnych.
Model wdrożenia gotowy pod wymogi bezpieczeństwa - opcje publicznego API i prywatnej chmury dopasowane do wymogów poufności klienta.
{Wpływ na biznes}
Analitycy skupieni na analizie, nie na zbieraniu danych
Od reaktywnej do proaktywnej widoczności ryzyka. Ciągły monitoring wychwytuje sygnały, które w cyklach ręcznych umknęłyby - albo zostałyby zauważone za późno.
Szybsze decyzje kredytowe. Czas od researchu do raportu spada z godzin do minut, usuwając kluczowe wąskie gardło procesu kredytowego.
Czas doświadczonych analityków tam, gdzie ma wartość. Dzięki automatyzacji zbierania danych analitycy zajmują się oceną i analizą ryzyka, a nie wyszukiwaniem i scalaniem źródeł.
Wzrost portfela bez proporcjonalnego wzrostu zatrudnienia. Codzienny monitoring tysięcy firm staje się operacyjnie wykonalny.
Bezpieczeństwo bez kompromisów. Wdrożenie hybrydowe, brak przechowywania danych poza raportowaniem i ścisła integracja z CRM i systemem kredytowym utrzymują wrażliwe dane pod kontrolą klienta.
{Kluczowe rekomendacje}
5 zasad agentowej AI w monitoringu kredytowym
Używaj wyspecjalizowanych agentów, nie jednego wielkiego modelu. Sekwencję wyspecjalizowanych agentów (profil, sentyment, zgodność, agenci niestandardowi) łatwiej testować, ulepszać i wyjaśnić zespołom ryzyka i compliance niż jeden nieprzejrzysty system.
Niech nagłówkiem będzie różnica. Porównywanie każdego cyklu z poprzednim raportem - i pokazywanie tego, co się zmieniło - zamienia ciągły monitoring w użyteczną wiedzę o ryzyku, a nie codzienny zalew danych.
Współtwórz z ludźmi, którzy prowadzą analizy. Które sygnały mają znaczenie, którym źródłom ufać, które wzorce wskazują realne ryzyko - to decyzje merytoryczne, nie inżynierskie.
Stawiaj na konfigurowalność zamiast sztywnych reguł. Sygnały ryzyka ewoluują. Architektura, w której zespół sam dodaje nowego agenta, jest warta znacznie więcej niż system z zamkniętą listą kontroli.
Traktuj przechowywanie danych jako decyzję projektową. Nieprzechowywanie dokumentów źródłowych poza raportowaniem to zaleta, nie ograniczenie - ułatwia wdrożenie w regulowanych środowiskach kredytowych.