Stripe объяснила, как AI-агенты помогают масштабировать финансовый комплаенс

Stripe опубликовала в блоге AWS подробный разбор того, как компания построила production-систему AI-агентов для финансового комплаенса. Это редкий публичный случай: крупная fintech-компания раскрывает не концепцию, а реальную архитектуру — с уроками о декомпозиции задач, стоимости запросов и месте человека в цикле принятия решений.

Архитектура:

ReAct и выделенный сервис В основе системы — ReAct-фреймворк (Reasoning + Acting): агент поочерёдно формулирует следующий шаг и выполняет его, повторяя цикл до достижения цели. Это давно известный подход, но Stripe вложила значительные инженерные усилия в его промышленное оформление. Ключевое инфраструктурное решение — выделенный агентный сервис, изолированный от остальной платформы. Изоляция решает сразу несколько задач: независимое масштабирование агентов без влияния на core-сервисы отдельное логирование каждого шага рассуждения для аудита гибкое управление правами доступа на уровне сервиса обновление и замена моделей без риска для платёжного процессинга * изоляция ошибок: сбой агента не распространяется на другие компоненты Выделенная архитектура упрощает и онбординг новых compliance-сценариев: добавление нового типа задач не требует изменения ядра системы.

Декомпозиция задач и оркестрация

Сложные compliance-кейсы разбиваются на атомарные подзадачи: проверка документа, сверка данных, классификация риска, генерация отчёта. Агент не решает задачу одним вызовом — каждый шаг изолирован, что снижает вероятность ошибки и упрощает отладку конкретного звена цепочки. Оркестрационные паттерны строились с акцентом на воспроизводимость. Архитектура не привязана к одному типу задач: те же принципы декомпозиции переносятся на KYC-верификацию, AML-мониторинг, проверку контрагентов и подготовку регуляторной отчётности. Stripe описывает это как намеренное решение — создавать горизонтально применимый инструмент, а не точечное решение под один регламент.

Prompt caching снижает затраты В compliance-операциях многие контексты

устойчивы и повторяются: регуляторные руководства, корпоративные политики, шаблоны оценки рисков. Stripe использует prompt caching через Claude API — эти блоки кешируются и не тарифицируются при каждом последующем вызове. Результат — кратное снижение стоимости inference при том же объёме задач. При тысячах compliance-проверок в день разница между кешированными и некешированными промптами становится значимой операционной статьёй. Команда называет prompt caching одним из главных инструментов оптимизации без потери качества.

Люди в контуре: аудитируемость важнее скорости

Финансовый комплаенс — область, где ошибка стоит дорого в прямом смысле: штрафы, потеря лицензии, репутационные потери. Stripe намеренно сохранила человеческий контроль на критических точках. Агент формулирует вывод и предлагает действие — человек подтверждает или отклоняет. Цель не убрать специалистов из процесса, а перенаправить их внимание с рутинной обработки на принятие значимых решений. Этот подход обеспечивает аудитируемость при масштабировании: каждое решение можно восстановить до конкретного шага рассуждения агента. Для регулируемой компании это одновременно лучшая практика и юридическое требование.

Что это значит

Разбор Stripe — один из немногих публичных примеров production-агентов в регулируемой финансовой отрасли. Архитектурные решения, данные о затратах, принципы аудитируемости — материал, который иначе можно получить только через собственный дорогостоящий опыт. Для команд, строящих AI-агентов в финансах, юридической сфере или медицине, это редкий и ценный ориентир.