Esta es una publicación invitada de Suyeol Yun, Jaeseon Ha, Subeen Pang y Jacob (Chanyeol) Choi en LinqAlpha, en asociación con AWS.
LinqAlpha es un sistema de inteligencia artificial multiagente con sede en Boston creado específicamente para inversores institucionales. Más de 170 fondos de cobertura y administradores de activos en todo el mundo utilizan LinqAlpha para optimizar su investigación de inversiones para acciones públicas y otros valores líquidos, transformando horas de diligencia manual en conocimientos estructurados con sistemas de modelos de lenguaje grande (LLM) de múltiples agentes. El sistema respalda y agiliza los flujos de trabajo de agentes en la selección de empresas, la generación de cartillas, el mapeo de catalizadores del precio de las acciones y, ahora, la prueba de presión de ideas de inversión a través de un nuevo agente de inteligencia artificial llamado Devil's Advocate.
En esta publicación, compartimos cómo LinqAlpha utiliza Amazon Bedrock para construir y escalar Devil's Advocate.
El desafío
La convicción impulsa las decisiones de inversión, pero una tesis de inversión no examinada puede introducir riesgos. Antes de asignar capital, los inversores suelen preguntarse: "¿Qué estoy pasando por alto?" La identificación de puntos ciegos generalmente implica largas referencias cruzadas de llamadas de expertos, informes de corredores y presentaciones. El sesgo de confirmación y los flujos de trabajo dispersos dificultan cuestionar las propias ideas de manera objetiva. Considere la tesis de ejemplo: "ABCD será un beneficiario de la IA generativa con una monetización exitosa de la IA y un posicionamiento competitivo". La tesis parece sólida hasta que se investiga si las alternativas de código abierto podrían erosionar el poder de fijación de precios o si los mecanismos de monetización se comprenden completamente en todos los productos. Estos matices a menudo pasan desapercibidos. Aquí es donde entra en juego el abogado del diablo, un rol o una mentalidad que desafía deliberadamente la tesis para descubrir riesgos ocultos y suposiciones débiles. Para los inversores, este tipo de escepticismo estructurado es esencial para evitar puntos ciegos y tomar decisiones de mayor convicción.
Los inversores tradicionalmente se han involucrado en el pensamiento del abogado del diablo a través de procesos manuales, debatiendo ideas en reuniones de equipo o trazando pros y contras a través de análisis informales de escenarios. LinqAlpha se propuso estructurar este manual y proceso improvisado con IA.
la solucion
Devil's Advocate es un agente de investigación de inteligencia artificial diseñado específicamente para ayudar a los inversores a probar sistemáticamente sus tesis de inversión utilizando sus propias fuentes confiables a una velocidad de 5 a 10 veces la velocidad de la revisión tradicional. Para ayudar a los inversores a probar sus tesis de inversión de manera más rigurosa, el agente de Devil's Advocate en LinqAlpha sigue un proceso estructurado de cuatro pasos desde la definición de la tesis y la ingesta de documentos hasta el análisis automatizado de supuestos y la generación estructurada de contraargumentos:
Defina su tesis Cargue documentos de referencia Análisis de tesis impulsado por IA Crítica estructurada y contraargumentos
Esta sección describe cómo funciona el sistema de un extremo a otro: cómo interactúan los inversores con el agente, cómo la IA analiza y desafía las suposiciones utilizando evidencia confiable y cómo se presentan los resultados. En particular, destacamos cómo el sistema descompone las tesis en suposiciones, vincula cada crítica con los materiales originales y escala este proceso de manera eficiente utilizando Claude Sonnet 4.0 de Anthropic en Amazon Bedrock. Amazon Bedrock es un servicio totalmente administrado que pone a su disposición modelos básicos (FM) de alto rendimiento de empresas líderes en inteligencia artificial y de Amazon para su uso a través de una API unificada.
Define tu tesis
Los inversores articulan su tesis como una afirmación fundamental respaldada por un razonamiento subyacente. Por ejemplo, ABCD será un beneficiario de GenAI con una monetización exitosa de la IA y un posicionamiento competitivo. Ingresan esta tesis en El Abogado del Diablo en el campo Tesis de Inversión, como se muestra en la siguiente captura de pantalla.
Cargar documentos de referencia
Los inversores cargan investigaciones como informes de corredores, llamadas de expertos y presentaciones públicas en el campo Cargar archivos, como se muestra en la siguiente captura de pantalla. El sistema analiza, fragmenta e indexa este contenido en un depósito de evidencia estructurado.
Análisis de tesis impulsado por IA
El abogado del diablo deconstruye la tesis en afirmaciones explícitas y suposiciones implícitas. Explora la base de evidencia para encontrar contenido que desafíe o contradiga esas suposiciones.
Crítica estructurada y contraargumentos.
El sistema genera una crítica estructurada donde cada supuesto se reafirma y se cuestiona directamente. Cada contrapunto se obtiene y vincula a extractos específicos de los materiales cargados. La siguiente captura de pantalla muestra cómo el sistema produce una crítica estructurada y vinculada a la evidencia. A partir de la tesis del inversor, extrae supuestos, los cuestiona y ancla cada contrapunto a una fuente específica. En este caso, la afirmación de que ABCD se beneficiará de la IA generativa se compara con dos debilidades principales: la falta de una ruta de monetización comprobada a pesar de nuevas características como Producto, y un historial de evitar aumentos de precios debido a la sensibilidad del cliente. Cada argumento se basa en investigaciones cargadas, como llamadas de expertos y comentarios de analistas, con citas en las que se puede hacer clic. Los inversores pueden rastrear cada desafío hasta su origen y evaluar si su tesis aún se mantiene bajo presión.
Flujo de aplicaciones
El agente del Abogado del Diablo es un sistema de múltiples agentes que organiza agentes especializados para el análisis, la recuperación y la generación de refutación de documentos. A diferencia de una canalización fija, estos agentes interactúan de forma iterativa: el agente de análisis descompone las suposiciones, el agente de recuperación consulta las fuentes y el agente de síntesis genera contraargumentos antes de regresar para refinarlos. Este ir y venir iterativo es lo que hace que el sistema sea agente en lugar de un flujo de trabajo estático. La arquitectura general se puede describir como cuatro etapas interdependientes desde la ingesta hasta la entrega de críticas. La arquitectura sigue un flujo de cuatro etapas desde la ingesta de datos hasta la entrega de críticas.
Ingresar tesis
Los usuarios presentan una tesis de inversión, a menudo como un memorando del comité de inversiones (IC). La entrada la recibe una aplicación personalizada que se ejecuta en una instancia de Amazon Elastic Compute Cloud (Amazon EC2), que enruta la solicitud a Amazon Bedrock. Claude Sonnet 4 de Anthropic en Amazon Bedrock interpreta la afirmación y la descompone en suposiciones centrales. Amazon EC2 ejecuta una capa de orquestación basada en Python creada por LinqAlpha, que coordina las llamadas API, administra el registro y controla la ejecución del agente.
Subir documentos
Estos documentos son manejados por una canalización de preprocesamiento que se ejecuta en una instancia EC2, que extrae datos sin procesar y los convierte en fragmentos estructurados. La instancia EC2 ejecuta la aplicación de análisis de LinqAlpha escrita en Python e integrada con Amazon Textract para el análisis de documentos. AWS Lambda o AWS Fargate podrían haber sido alternativas, pero se seleccionó Amazon EC2 porque los clientes en entornos financieros regulados requerían computación persistente con registros auditables y un control estricto sobre las redes. Los archivos sin procesar se almacenan en Amazon Simple Storage Service (Amazon S3), los resultados estructurados van a Amazon Relational Database Service (Amazon RDS) y el contenido analizado es indexado por Amazon OpenSearch Service para su recuperación.
Analizar tesis
Claude Sonnet 4 de Anthropic en Amazon Bedrock emite consultas de recuperación específicas en Amazon OpenSearch Service y agrega evidencia contraria de Amazon RDS y Amazon S3. Una plantilla de mensaje estructurada refuerza la coherencia en el resultado de la refutación. Por ejemplo, el agente recibe mensajes como:
El siguiente es un resultado de muestra:
Revisar el resultado
La crítica final regresa a la interfaz de usuario, mostrando una lista de suposiciones cuestionadas y evidencia de respaldo. Cada contrapunto está vinculado a materiales originales para su trazabilidad. Este flujo de extremo a extremo permite realizar pruebas de presión de ideas de inversión escalables, auditables y de alta calidad.
Componentes del sistema
El agente Devil's Advocate opera como un sistema de múltiples agentes que organiza el análisis, la recuperación y la generación de refutación en todos los servicios de AWS. Los agentes especializados trabajan de forma iterativa, y cada etapa retroalimenta la siguiente, lo que facilita tanto la fidelidad del documento como la profundidad del razonamiento. Los inversores interactúan con el sistema de dos maneras, formando la base para el procesamiento posterior. Los inversores pueden introducir su tesis en una declaración de inversión en lenguaje natural. A menudo, esto toma la forma de una nota IC. Otra opción es subir documentos. Los inversores pueden cargar materiales financieros específicos, como transcripciones de ganancias, 10-K, informes de corredores o notas de llamadas de expertos.
Los materiales cargados se analizan en texto estructurado y se enriquecen con estructura semántica antes de la indexación:
Amazon Textract: extrae texto sin formato de archivos PDF y documentos escaneados. Modelo de lenguaje de visión (VLM) Claude Sonnet 3.7: mejora los resultados de Amazon Textract mediante la reconstrucción de tablas, la interpretación del contenido visual y la segmentación de estructuras de documentos (encabezados, notas al pie, gráficos). Capa de orquestación de Amazon EC2: ejecuta la canalización basada en Python de LinqAlpha que coordina Amazon Textract, las llamadas de Amazon Bedrock y el enrutamiento de datos.
Los datos procesados se almacenan e indexan para una rápida recuperación y reproducibilidad:
Amazon S3: almacena archivos de origen sin procesar para poder auditarlos Amazon RDS: mantiene resultados de contenido estructurado Amazon OpenSearch Service: indexa contenido analizado y enriquecido para una recuperación específica
La generación de razonamiento y refutación está impulsada por Claude Sonnet 4 de Anthropic en Amazon Bedrock. Realiza las siguientes funciones:
Descomposición de supuestos: Sonnet 4 divide la tesis en supuestos explícitos e implícitos. Agente de recuperación: Sonnet 4 formula consultas específicas contra OpenSearch Service y agrega evidencia contraria de Amazon RDS y el agente de síntesis de Amazon S3. Sonnet 4 produce refutaciones estructuradas, vinculadas a citas a documentos fuente y luego devuelve los resultados a través de la capa de orquestación de Amazon EC2 a la interfaz de usuario.
El agente LinqAlpha Devil's Advocate utiliza un diseño modular de múltiples agentes donde diferentes modelos de Claude se especializan en distintos roles:
Agente de análisis: combina Amazon Textract para OCR con Claude Sonnet 3.7 VLM para el enriquecimiento estructural de documentos. Esta etapa garantiza que las tablas, gráficos y jerarquías de secciones se reconstruyan fielmente antes de la indexación. Agente de recuperación: con tecnología de Claude Sonnet 4, formula consultas de recuperación contra OpenSearch Service y agrega evidencia contraria de Amazon RDS y Amazon S3 con razonamiento de contexto largo. Agente de síntesis: también utiliza Claude Sonnet 4, redacta refutaciones estructuradas, vincula citas a fuentes originales y formatea los resultados en JSON legible por máquina para su auditabilidad.
Estos agentes se ejecutan de forma iterativa: el agente de análisis enriquece los documentos, el agente de recuperación muestra posibles contraevidencias y el agente de síntesis genera críticas que podrían desencadenar pases de recuperación adicionales. Esta orquestación de ida y vuelta, administrada por un servicio basado en Python en Amazon EC2, hace que el sistema sea genuinamente multiagente en lugar de una canalización lineal.
Implementación de Claude 3.7 y 4.0 Sonnet en Amazon Bedrock
El agente LinqAlpha Devil's Advocate emplea un enfoque híbrido en Amazon Bedrock, combinando Claude Sonnet 3.7 para el análisis de documentos con soporte de visión y lenguaje, y Claude Sonnet 4.0 para el razonamiento y la generación de refutación. Esta separación facilita tanto la fidelidad precisa de los documentos como el rigor analítico avanzado. Las capacidades clave incluyen:
Análisis mejorado con Claude Sonnet 3.7 VLM: las capacidades multimodales de Sonnet 3.7 aumentan Amazon Textract al reconstruir tablas, gráficos y jerarquías de secciones que el OCR simple a menudo distorsiona. Esto garantiza que las declaraciones financieras, los informes de los corredores y las transcripciones escaneadas mantengan la integridad estructural antes de ingresar a los flujos de trabajo de recuperación. Razonamiento avanzado con Claude Sonnet 4.0: Sonnet 4.0 ofrece un razonamiento en cadena de pensamiento más sólido, una descomposición de suposiciones más precisa y una generación más confiable de contraargumentos estructurados. En comparación con versiones anteriores, se alinea más estrechamente con los flujos de trabajo de los analistas financieros, produciendo refutaciones que son a la vez rigurosas y basadas en citas. Implementación de agentes escalables en AWS: la ejecución en Amazon Bedrock permite a LinqAlpha escalar docenas de agentes en paralelo en grandes volúmenes de materiales de inversión. La capa de orquestación de Amazon EC2 coordina las llamadas de Amazon Bedrock, lo que permite una iteración rápida bajo cargas de trabajo de analistas en tiempo real y, al mismo tiempo, minimiza la sobrecarga de infraestructura. Grandes ventanas de contexto y resultados: con una ventana de contexto de 1 millón de tokens y soporte para salidas de hasta 64 000 tokens, Sonnet 4.0 puede analizar archivos completos de 10 K, transcripciones de llamadas de expertos de varias horas y memorandos IC de formato largo sin truncamiento. Esto permite una síntesis a nivel de documento que antes era inviable con modelos de contexto más cortos. Integración con servicios de AWS: a través de Amazon Bedrock, la solución se integra con Amazon S3 para almacenamiento sin formato, Amazon RDS para resultados estructurados y OpenSearch Service para recuperación. Esto proporcionó a LinqAlpha una implementación más segura, control total sobre los datos de los clientes y la escalabilidad elástica requerida por los clientes de finanzas institucionales.
Para los fondos de cobertura, los administradores de activos y los equipos de investigación, la elección de Amazon Bedrock con modelos Anthropic no se trata simplemente de tecnología; Aborda directamente los principales puntos débiles operativos en la investigación de inversiones:
Auditabilidad y cumplimiento: cada contraargumento está vinculado a su documento fuente (10-K, nota del corredor, transcripción), creando un rastro auditable que cumple con los estándares de gobernanza institucional. Control de datos: la integración de Amazon Bedrock con depósitos S3 privados y instancias EC2 implementadas en Amazon Virtual Private Cloud (Amazon VPC) mantiene los documentos confidenciales dentro del entorno seguro de AWS de la empresa, un requisito crítico para los inversores regulados. Velocidad del flujo de trabajo: al escalar los flujos de trabajo agentes en paralelo, los analistas ahorran horas durante la temporada de resultados o la preparación de IC, comprimiendo los ciclos de revisión de días a minutos sin sacrificar la profundidad. Calidad de las decisiones: Sonnet 3.7 facilita la fidelidad de los documentos y Sonnet 4.0 añade solidez al razonamiento financiero, ayudando en conjunto a los inversores a descubrir puntos ciegos que de otro modo permanecerían ocultos en los flujos de trabajo tradicionales.
Esta combinación de orquestación de múltiples agentes basada en AWS y escalabilidad de LLM hace que el agente LinqAlpha Devil's Advocate sea especialmente adecuado para las finanzas institucionales, donde deben coexistir la velocidad, el cumplimiento y el rigor analítico. Con Amazon Bedrock, la solución logró una orquestación administrada y una integración integrada con servicios de AWS como Amazon S3, Amazon EC2 y OpenSearch Service, lo que proporcionó una implementación rápida, control total sobre los datos y escala elástica.
"Esto me ayudó a comprobar objetivamente mi tesis alcista antes de IC. En lugar de perder horas atrapado en mi propio sesgo de confirmación, rápidamente surgieron retrocesos creíbles, lo que hizo que mi discurso fuera más estricto y equilibrado".
— PM en Tiger Cub Hedge Fund
Conclusión
Devil's Advocate es uno de los más de 50 agentes inteligentes del sistema de investigación de múltiples agentes de LinqAlpha, cada uno diseñado para abordar un paso distinto del flujo de trabajo de inversión institucional. Los procesos tradicionales a menudo enfatizan la creación de consenso, pero Devil's Advocate extiende la investigación a la etapa crítica del disenso estructurado, cuestionando suposiciones, sacando a la superficie puntos ciegos y proporcionando contraargumentos auditables vinculados directamente a los materiales originales.
Al combinar Claude Sonnet 3.7 (para análisis de documentos con soporte VLM) y Claude Sonnet 4.0 (para generación de razonamiento y refutación) en Amazon Bedrock, el sistema facilita tanto la fidelidad del documento como la profundidad analítica. La integración con Amazon S3, Amazon EC2, Amazon RDS y OpenSearch Service permite una implementación más segura y escalable dentro de entornos de AWS controlados por inversores.
Para los clientes institucionales, el impacto es significativo. Al automatizar tareas de diligencia repetitivas, el agente del Abogado del Diablo libera a los analistas para que dediquen más tiempo a debates de inversión de orden superior y análisis basados en juicios. Los memorandos y presentaciones de acciones de CI pueden beneficiarse de un escepticismo estructurado y basado en las fuentes, que respalde un razonamiento más claro y una toma de decisiones más disciplinada.
La arquitectura agente de LinqAlpha muestra cómo los sistemas LLM de agentes múltiples en Amazon Bedrock pueden transformar la investigación de inversiones de forma fragmentada y manual a flujos de trabajo escalables, auditables y con grado de decisión, diseñados específicamente para las demandas de la investigación sobre acciones públicas y otros valores líquidos.
Para obtener más información sobre Devil's Advocate y LinqAlpha, visite linqalpha.com.
Sobre los autores
Suyeol Yun
Suyeol Yun es ingeniero principal de inteligencia artificial en LinqAlpha, donde diseña la infraestructura informática y de contextualización que impulsa los sistemas multiagente para inversores institucionales. Estudió ciencias políticas en el MIT y matemáticas en la Universidad Nacional de Seúl. Su trayectoria en materia de IA abarca desde la visión por computadora para la recreación facial, pasando por redes neuronales gráficas para la industria del lobby estadounidense y el comercio de acciones del Congreso, hasta la construcción de infraestructura para agentes de IA capaces.
Jaeseon Ha
Jaeseon Ha es desarrolladora de productos y estratega de inteligencia artificial en LinqAlpha, donde codifica flujos de trabajo complejos de analistas en agentes basados en LLM. Sus diseños automatizan la extracción de señales críticas de datos estructurados y no estructurados, lo que permite a los inversores institucionales delegar la síntesis exhaustiva de datos a sistemas multiagente. Basándose en su experiencia como analista de acciones en Goldman Sachs y Hana Securities, Jaeseon se asegura de que los productos de LinqAlpha estén diseñados para una toma de decisiones de alta convicción. También contribuye a la investigación de la empresa sobre sistemas multiagente, centrándose específicamente en la extracción y consulta automatizadas de KPI financieros y orientación a escala.
Subeen Pang
Subeen Pang, Ph.D. es cofundador de LinqAlpha, donde desarrolla flujos de trabajo de investigación impulsados por IA para inversores institucionales. Se especializa en la creación de sistemas agentes que ayudan a los analistas a estructurar e interpretar datos de llamadas de ganancias, presentaciones e informes financieros. Obtuvo su doctorado. del MIT en Ciencias e Ingeniería Computacional. Con experiencia en optimización matemática y óptica computacional, Subeen aplica matemáticas aplicadas rigurosas al diseño de IA. En LinqAlpha, dirigió el desarrollo de un sistema de recuperación específico de finanzas utilizando aumento de consultas y normalización de entidades para garantizar resultados de búsqueda de alta precisión para analistas profesionales.
Jacob (Chanyeol) Choi
Jacob (Chanyeol) Choi es cofundador y director ejecutivo de LinqAlpha, donde lidera el desarrollo de sistemas de inteligencia artificial multiagente especializados en dominios que agilizan la investigación de inversiones institucionales y los flujos de trabajo de inteligencia de mercado. Obtuvo una maestría y un doctorado. en Ingeniería Eléctrica e Informática del MIT, una licenciatura en Ingeniería Eléctrica y Electrónica de la Universidad de Yonsei. Su trayectoria de investigación abarca hardware de inteligencia artificial y computación neuromórfica hasta la construcción de sistemas de agentes nativos financieros confiables, incluido el trabajo sobre prejuicios y despliegue responsable de agentes en entornos institucionales. Fue reconocido en la lista 2021 30 Under 30 (Ciencia) de Forbes.
Yoon Joungwon
Joungwon Yoon es gerente senior de capital de riesgo en AWS, con sede en Seúl, Corea del Sur. Se asocia con inversores y fundadores líderes para ayudar a las nuevas empresas a escalar en AWS, conectando empresas de alto potencial con la tecnología, los recursos y las redes globales que necesitan para crecer. Se centra en nuevas empresas de IA generativa y apoya a los fundadores coreanos en su expansión a EE. UU. y Japón.
Parque Sungbae
Sungbae Park es gerente senior de cuentas en el equipo de inicio de AWS que ayuda a las nuevas empresas estratégicas de IA a crecer y tener éxito con AWS. Anteriormente trabajó como Gerente de Desarrollo de Socios estableciendo asociaciones con varias empresas MSP, SI e ISV.
YongHwan Yoo
YongHwan Yoo es arquitecto de soluciones GenAI en el equipo de inicio de AWS. Ayuda a los clientes a adoptar de manera efectiva tecnologías de inteligencia artificial generativa y aprendizaje automático en sus negocios brindando soporte de optimización y diseño de arquitectura, enfocándose en la infraestructura para la capacitación de modelos a gran escala. También es un miembro activo de la comunidad de campo técnico (TFC) de AI/ML en AWS.