Kepler社は、金融業界におけるAIの信頼性と検証可能性に課題があることを受け、Claudeを基盤とした研究プラットフォーム「Kepler Finance」を開発しました。同社は、SEC提出書類、決算説明会資料、IRプレゼンテーションなど、2,600万件以上のSEC提出書類を含む膨大なデータをインデックス化し、14,000社以上の企業と27のグローバル市場をカバーしています。

金融業界では、報告の監査可能性と説明責任が不可欠であり、あらゆる数値はソースドキュメントに対して検証可能である必要があります。従来のツールではデータ抽出は可能でしたが、最終的な検証はアナリストの手に委ねられていました。AIシステムは自由形式の質問を解釈し、計算を実行できますが、その生成された数値はモデル自体の誤りに影響される可能性がありました。

Kepler社の共同創業者であるVinoo Ganesh氏とJohn McRaven氏は、Palantirでの経験を活かし、検証可能性を重視したアーキテクチャを構築しました。彼らは147社の金融機関へのヒアリングを通じて、AIの活用意欲は高いものの、その出力に対する不信感が共通の課題であることを把握しました。

Kepler Financeでは、AIに厳密に定義されたタスク、構造化されたドメイン知識、そして境界線を提供することで、Claudeのパフォーマンスを最大化しています。Claudeは、複雑な多段階の計算や用語の曖昧さを処理し、必要に応じてアナリストに確認を求めることで、誤った前提による下流への影響を防いでいます。同社は、Claudeの推論能力と、検証可能な計算を行う決定論的なインフラストラクチャを分離することで、高度なスケーラビリティを実現しました。

Kepler社は、Opus 4.7を複雑な推論や曖昧さの解消に、Sonnet 4.6を制約のある高スループットのタスクに使い分けるなど、タスクに応じてClaudeのモデルを最適に配置しています。また、独自の専門モデルも開発し、高い精度を達成しています。厳格なテストと評価パイプラインを通じて、AIの出力の正確性を保証し、監査ログ、顧客環境の分離、完全なプロビナンス（来歴）の追跡機能も実装しています。

Kepler Financeは金融業界で培われたこのアーキテクチャを、医療や法律など、他の分野への展開も視野に入れています。同社は、Claudeを「質問を推論する」役割に、インフラストラクチャを「回答を保証する」役割に割り当てるというパターンは、検証可能な回答が求められるあらゆる場面で適用可能であると述べています。