دراپ TheRiskPilot را از یک ایده به پلتفرمی عملیاتی تبدیل کرد که هزاران منبع مالی و رگولاتوری را پایش میکند، گزارشهای پیچیده را با AI تحلیل میکند و سیگنالهای اثرگذار را در کمتر از ۶۰ ثانیه به سرمایهگذاران میرساند.
گفتوگو درباره سیستم شمابازار سرمایه با کمبود اطلاعات روبهرو نیست؛ با حجم غیرقابلکنترل اطلاعات روبهروست. هر روز هزاران گزارش مالی، افشای رسمی، معامله مدیران و سهامداران عمده، تصمیم رگولاتوری و رویداد مهم منتشر میشود که ممکن است بر ارزش سهام شرکتها اثر بگذارد.
TheRiskPilot برای تبدیل این حجم از اطلاعات خام به هوش قابلاقدام ساخته شد. این پلتفرم هزاران منبع مالی و رگولاتوری را پایش میکند، گزارشهای پیچیده را با AI تحلیل میکند و رویدادهای اثرگذار را در کمتر از ۶۰ ثانیه به سرمایهگذاران میرساند.
مشتری با یک ایده و مجموعهای از نیازمندیهای اولیه به دراپ مراجعه کرد. هیچ محصول یا تیم فنی قبلی وجود نداشت. تحقیق و توسعه، طراحی محصول و UI/UX، معماری، توسعه Frontend و Backend، مهندسی AI، QA، زیرساخت و آمادهسازی برای Production همگی توسط تیم دراپ انجام شدند.
برای یک سرمایهگذار، دسترسی به گزارش کافی نیست. او باید در کوتاهترین زمان ممکن بفهمد چه اتفاقی افتاده، آیا آن اتفاق میتواند بر سهام شرکت اثر بگذارد، اهمیت و فوریت آن چقدر است و آیا ارزش اقدام یا پیگیری دارد.
TheRiskPilot باید منابعی مانند SEC EDGAR، اطلاعیههای FDA و EMA و چندین منبع مالی و رگولاتوری دیگر در آمریکا، اروپا و ژاپن را بهصورت مستمر پایش میکرد. بسیاری از اسناد در قالب PDFهایی با ۴۰ تا بیش از ۱۰۰ صفحه منتشر میشدند و بیش از ۱۰ نوع گزارش با ساختار و منطق متفاوت وجود داشت.
جمعآوری این اسناد فقط شروع مسئله بود. ارزش واقعی زمانی ایجاد میشد که سیستم بتواند میان انبوه اطلاعات، بخشهای اثرگذار را تشخیص دهد، نویز را کنار بگذارد و نتیجهای سریع و قابلفهم تولید کند.
دراپ در این پروژه یک Specification آماده را پیادهسازی نکرد. تیم ما ابتدا امکانپذیری ایده را بررسی کرد و سپس مسیر تبدیل آن به یک محصول بینالمللی را طراحی کرد.
دامنه مسئولیت ما شامل تحقیق و توسعه، تعریف تجربه محصول، Product Design، طراحی کامل UI/UX، معماری فنی و جریان داده، توسعه فرانتاند و بکاند، مهندسی لایه AI، تست و تضمین کیفیت، زیرساخت، استقرار خودکار و پشتیبانی Production بود.
این مالکیت یکپارچه باعث شد تصمیمهای محصول، نرمافزار، AI و زیرساخت جدا از یکدیگر گرفته نشوند. هر تصمیم بر اساس اثر آن بر دقت، سرعت، هزینه پردازش، تجربه کاربر و قابلیت رشد کل سامانه ارزیابی شد.
سختترین بخش پروژه ساخت رابط کاربری یا عملیات متداول CRUD نبود. مسئله اصلی این بود که چگونه میتوان اسنادی طولانی، نامنظم و گاهی دشوار برای استخراج متن را با دقت بالا و در زمانی بسیار کوتاه تحلیل کرد.
ارسال مستقیم هر سند به یک مدل هوش مصنوعی نه از نظر فنی قابلاتکا بود و نه از نظر زمان و هزینه مقیاسپذیر. علاوه بر آن، روشی که برای یک گزارش مالی کار میکرد لزوماً برای یک افشای رگولاتوری یا تصمیم FDA مناسب نبود.
تیم دراپ چندین مسیر فنی را آزمایش و بارها جریان پردازش را بازطراحی کرد. در مقاطعی محدودیت مدلها، کیفیت استخراج اطلاعات و هزینه پردازش، امکانپذیری ایده را زیر سؤال برده بود. ادامه R&D و طراحی روشهای متناسب با ماهیت هر گروه از اسناد، در نهایت این مسئله را به یک موتور عملیاتی و قابلتوسعه تبدیل کرد.
AI در TheRiskPilot یک قابلیت تزئینی یا ابزار خلاصهسازی نیست؛ در هسته تصمیمگیری محصول قرار دارد. موتور تحلیل باید زمینه گزارش، نوع رویداد، اهمیت اطلاعات، فوریت و اثر احتمالی آن بر بازار را درک کند.
خروجی هر رویداد میتواند شامل خلاصه گزارش، نکات کلیدی، نوع رویداد، اهمیت، فوریت، اثر احتمالی، امتیاز قابلیت معامله، میزان اطمینان، استدلال تحلیل و شواهد مرتبط باشد. در پایان، سیگنال در یکی از وضعیتهای ACTION یا WATCH قرار میگیرد یا بهطور کامل از Feed حذف میشود.
یکی از دشوارترین مسائل، کاهش False Positive بود. اگر هر تغییر کوچک بهعنوان سیگنال مهم نمایش داده میشد، محصول بهجای کاهش نویز، نویز بیشتری تولید میکرد. خروجیها بهصورت انسانی بازبینی شدند، با رفتار واقعی بازار مقایسه شدند و جریان تحلیل طی چندین مرحله تنظیم و بهینه شد. نام مدلها، منطق تصمیمگیری و جزئیات این موتور بخشی از دانش فنی محرمانه محصول است.
TheRiskPilot باید سه محدودیت متضاد را همزمان مدیریت میکرد: سیگنالهای مهم را با دقت تشخیص دهد، کل زنجیره را در کمتر از ۶۰ ثانیه تکمیل کند و هزینه استفاده از مدلهای AI را در مقیاس هزاران منبع قابلکنترل نگه دارد.
کل مسیر شامل شناسایی انتشار، دریافت و آمادهسازی سند، تشخیص اطلاعات مهم متناسب با نوع گزارش، تحلیل AI، ارزیابی اهمیت و اثر احتمالی، حذف موارد کمارزش و انتشار سیگنال است.
زمان کمتر از ۶۰ ثانیه، فقط زمان پاسخ مدل نیست؛ فاصله میان انتشار گزارش در منبع اصلی تا آمادهشدن تحلیل و نمایش آن در Feed محصول است. رسیدن به این عدد نیازمند بهینهسازی تمام زنجیره داده، پردازش و انتشار بود.
کاربران میتوانند شرکتهای موردنظر خود را در Watchlist قرار دهند و بهجای دنبالکردن دائمی هزاران خبر و گزارش، فقط رویدادهای مهم و مرتبط را دریافت کنند.
نسخه Production شامل Feed سیگنالها، Watchlist، هشدارهای لحظهای، صفحات اختصاصی شرکتها، جستوجو و فیلتر پیشرفته، مدیریت اشتراک و پرداخت، API و پنل مدیریت است. کاربران میتوانند جزئیات هر سیگنال، شواهد، نکات کلیدی و استدلال تحلیل را بررسی کنند.
TheRiskPilot برای سرمایهگذاران فردی، معاملهگران فعال، تحلیلگران، تیمهای تحقیق و سرمایهگذاری و مؤسسات مالی طراحی شده است. محصول به زبانهای انگلیسی، عربی، فرانسوی، اسپانیایی، آلمانی و ایتالیایی در دسترس قرار دارد و بیش از ۲٬۰۰۰ شرکت بورسی در بازارهای جهانی را پوشش میدهد.
فرانتاند TheRiskPilot با Next.js و React و بکاند آن با Node.js و NestJS توسعه یافته است. MongoDB لایه اصلی داده را تشکیل میدهد، Redis برای Caching، RabbitMQ برای پردازش پیامها و Object Storage برای نگهداری فایلها و اسناد استفاده میشود.
سرویسها بهصورت کانتینری طراحی شدهاند و با Orchestrator روی سرورهای ابری استقرار پیدا میکنند. فرایند Deployment خودکار است و معماری زیرساخت بهگونهای طراحی شده که همزمان با رشد کاربران و افزایش حجم پردازش، ظرفیت آن توسعه پیدا کند و در مرحله بعد به Kubernetes مهاجرت کند.
تفکیک مسئولیت سرویسها و استفاده از پردازش غیرهمزمان کمک میکند دریافت اسناد، تحلیل AI، تولید سیگنال و ارسال هشدار بدون ایجاد گلوگاه در یکدیگر اجرا شوند.
یک محصول مالی مبتنی بر AI باید هم در منطق تحلیل و هم در مهندسی نرمافزار قابلاعتماد باشد. به همین دلیل، QA از ابتدا بخشی از تیم و چرخه توسعه TheRiskPilot بود.
تمام جریانهای اصلی محصول با تستهای E2E بررسی شدهاند. بکاند بیش از ۸۰٪ پوشش تست خودکار Unit و Integration دارد و ارزیابی خروجی AI نیز فقط به پاسخ مدل واگذار نشده است؛ نتایج بهصورت انسانی بازبینی و با واکنش واقعی بازار مقایسه میشوند.
این ترکیب از تست نرمافزار و ارزیابی خروجی AI، امکان تغییر و بهینهسازی مداوم موتور تحلیل را فراهم میکند بدون اینکه کیفیت بخشهای قبلی در هر Release قربانی شود.
توسعه TheRiskPilot در آذر ۱۴۰۴ آغاز شد و محصول در شهریور ۱۴۰۵ وارد محیط Production شد. تیم اصلی پروژه شامل یک Senior Backend Developer، دو Senior Frontend Developer، یک Tech Lead، یک متخصص تست و تضمین کیفیت و تیم زیرساخت و DevOps در دراپ تمپو بود.
خطاهای نرمافزاری با Sentry ردیابی میشوند و Prometheus و Grafana سلامت سرویسها و شاخصهای زیرساخت را پایش میکنند. از دیتابیسها بهصورت منظم Backup تهیه میشود و Deploymentهای خودکار، انتشار نسخهها را تکرارپذیر و کنترلشده نگه میدارند.
پس از راهاندازی نیز دراپ تمپو مسئولیت عملیات، مانیتورینگ، پشتیبانی و تکامل زیرساخت را ادامه میدهد تا تیم TheRiskPilot بتواند بر رشد محصول و بازار تمرکز کند.
• تبدیل ایده اولیه مشتری به یک محصول کامل و فعال در Production • پایش هزاران منبع مالی و رگولاتوری در آمریکا، اروپا، ژاپن و سایر بازارها • پوشش بیش از ۲٬۰۰۰ شرکت بورسی • پشتیبانی از بیش از ۱۰ نوع گزارش با ساختارهای متفاوت • پردازش گزارشهای ۴۰ تا بیش از ۱۰۰ صفحهای • تبدیل انتشار گزارش به تحلیل قابلاقدام در کمتر از ۶۰ ثانیه • کاهش False Positive از طریق تنظیم مداوم و ارزیابی انسانی • بیش از ۸۰٪ پوشش تست خودکار Unit و Integration در بکاند • ارائه تجربه کامل چندزبانه شامل Feed، Watchlist، Alert، پرداخت و API
مسیر تجاری TheRiskPilot تازه آغاز شده است، اما محصول بر پایه یک دستاورد مهندسی واقعی ساخته شده: تبدیل مسئلهای که در مقاطعی حلنشدنی به نظر میرسید، به سامانهای سریع، قابلاعتماد و آماده رشد.
ساخت یک محصول AI واقعی به انتخاب یک مدل و نوشتن چند Prompt خلاصه نمیشود. اگر ایدهای دارید که از نظر فنی پیچیده یا حتی ناممکن به نظر میرسد، دراپ میتواند از R&D و معماری تا Product Design، توسعه، QA، DevOps و عملیات Production مالکیت کامل آن را بر عهده بگیرد. همکاری را با یک جلسه بررسی محصول و معماری آغاز کنید.