V7 собирает из файлов компании «память» для агентов на моделях OpenAI

Лондонская компания V7 учит ИИ-агентов разбираться в делах конкретного бизнеса: какой отчёт фонда актуален, как одна и та же фирма названа в трёх разных системах. Её платформа V7 Go читает файлы из SharePoint, Google Drive и других хранилищ и собирает из них граф. В нём компании, фонды и люди связаны между собой, а у каждого факта есть ссылка на исходный документ.

Смысл в том, что агенту не нужно при каждом запросе заново перерывать документы. По оценке V7, обходить граф на порядок дешевле и быстрее, чем загружать в модель длинные тексты целиком. Если нужных данных в графе нет, система ищет прямо в документах. На бенчмарке HERB, который проверяет поиск информации, разбросанной по корпоративным системам, V7 сравнила свой поиск с эталонной системой, которую предложили сами авторы бенчмарка. Результат V7 оказался на 69% выше, а выдуманных ответов на вопросы, ответа на которые в данных нет, стало на 38% меньше.

Работу V7 делит между моделями OpenAI. Дешёвая GPT-5.6 Luna достаёт данные из миллионов файлов: по сравнению с GPT-5.4 mini документ обходится на 78% дешевле. GPT-5.6 Terra и Sol ведут многошаговые процессы. Самые трудные запросы к графу, например финансовый анализ по тысячам документов, компания начинает отдавать GPT-6 Astra. На самом сложном уровне собственного теста V7 она ответила верно в 89% случаев, GPT-5.6 Sol — в 78%.

Клиенты V7 работают в финансах и страховании. Управляющие активами, по данным компании, отбирают сделки в 21 раз быстрее: теперь на это уходит 15 минут. Страховщики на 13,5% реже ошибаются при разборе страховых случаев, чем при ручной работе. Граф также доступен через MCP-сервер, так что им можно пользоваться из ChatGPT и Codex.

Дальше V7 хочет, чтобы граф сам поднимал тревогу. Например, если фонд пересчитал отчёт, система отметит анализ, который всё ещё опирается на старые цифры.

«Выиграют не те финансовые компании, у которых больше всего агентов, а те, у кого лучший контекст».

Риццоли, сооснователь V7