Як Singular Bank побудував AI-асистента для private banking з OpenAI

Private banking створює дивний антипатерн: найбільш дорогий людський judgment витрачає значну частину дня не на клієнтську розмову, а на збирання позицій із різних систем, звірку контексту, підготовку meeting brief, investment arguments і follow-up. Singular Bank побудував Singularity як intelligence layer над цим фрагментованим процесом.

Ключ до відтворення — не робити «AI фінансового радника» з необмеженою волею. Production contract краще формулювати як decision support: модель агрегує approved evidence, показує концентрації, ризики й candidate next steps, але фінальна інтерпретація, suitability, advice і будь-яка транзакція залишаються в існуючому human/regulatory authority chain.

Trigger-и: майбутня зустріч, відкриття client workspace, post-call workflow або запит банкіра. Input: portfolio positions, client profile, CRM interactions, approved strategy/investment views, internal documentation і meeting context. AI stage: retrieval/normalization, portfolio synthesis, risk/concentration explanation, candidate action generation, structured notes і communication draft.

Integrations, які Singular Bank публічно називає, включають CRM, investment platforms, internal and client documentation та Outlook. Output має бути не «готова істина», а evidence-backed brief: facts із provenance, calculated values через deterministic services, assumptions, candidate recommendations, unresolved conflicts і draft communication, прив’язаний до versioned client state.

• Trigger → meeting, portfolio review або post-call event.
• Input → authoritative client/portfolio data + approved bank strategy.
• AI → retrieve, analyze, structure, draft; calculations перевіряються deterministic tools.
• Output → traceable brief / draft, а не automatic investment instruction.

Singular Bank прямо описує Singularity як support platform, а не заміну банкіра. Це дозволяє зробити authority matrix дуже конкретною: read/analyze/summarize — дозволено; draft — дозволено; recommendation — лише як candidate; send material client advice, place order, change suitability status або alter portfolio — за межами model authority.

Для regulated workflow HITL не повинен бути кнопкою «Approve» без контексту. Review surface має показувати source timestamp, portfolio version, calculation inputs, model/prompt/retrieval fingerprint, changed facts з останньої взаємодії та exact text/action, що буде відправлено або виконано.

Найнебезпечніші failure modes — не дивний стиль тексту, а stale portfolio snapshot, неправильний client identity, конфлікт між CRM і investment platform, невірно витягнута сума, hallucinated calculation або outdated strategy view. Якщо система не може довести freshness чи identity, вона повинна знизити authority до clarification/no-answer.

Числові розрахунки — концентрація, performance, exposure, rebalance quantities — краще виконувати через deterministic finance services, а LLM використовувати для orchestration та explanation. Після timeout на будь-якій write-події спочатку читається authoritative state; blind retry у банківському процесі — дорогий спосіб навчитися ідемпотентності.

Eval corpus має містити normal portfolios, concentrated positions, missing data, stale quotes, conflicting client attributes, multilingual notes, adversarial text у documents, rare products і no-answer cases. Graders окремо оцінюють factual support, citation/provenance, calculation correctness, recommendation consistency з approved strategy, omission of material risk та правильне abstention.

Release gate не повинен спиратися на одну average accuracy. High-impact slices — wrong client, unsupported trade suggestion, missing risk disclosure, stale holdings — отримують hard blockers. Production incidents мінімізуються в replay cases і назавжди входять у regression suite.

OpenAI повідомляє про понад 3,500 operations за 30 днів у 19 workflows. На цьому рівні cost складається не лише з tokens: connectors, entitlement checks, data normalization, calculation services, observability, evals, compliance review, human exceptions і model-change validation часто дорожчі за inference.

Корисний KPI — cost per verified banker outcome: meeting brief, який пройшов factual gates; correct post-call record; approved communication. Token cost без denominator outcome легко оптимізувати до системи, яка генерує багато дешевого сміття.

Крок 1 — один read-only workflow, наприклад meeting brief. Крок 2 — authoritative source map і field-level provenance. Крок 3 — deterministic calculators та no-answer policy. Крок 4 — shadow evaluation на historical cases. Крок 5 — banker-reviewed drafts із correction capture. Крок 6 — bounded automation тільки для reversible low-risk writes, з canary model changes і rollback до pinned configuration.

Підходить private banking, wealth management, insurance advisory та іншим regulated teams із дорогим knowledge work і чітким source of truth. Не підходить організації, яка ще не може відповісти, де authoritative client state, хто має право на consequential action і як скасувати помилковий write.