MarketMind AI

Inspiración

Los comités financieros se ahogan en noticias que no pueden leer todas, y las herramientas de IA construidas para ayudar suelen ser cajas negras: el modelo emite un impacto, una confianza, quizás un párrafo — y el comité tiene que confiar a ciegas. Nos hicimos la misma pregunta que haría un oficial de cumplimiento: si el modelo alucina un número, ¿quién lo atrapa antes de que llegue a un humano? Quisimos construir la versión que un comité de riesgo real pueda firmar.

Qué hace

MarketMind AI ejecuta dos agentes LangGraph. El Analista lee una noticia más datos reales de precio y produce una señal explicable: impacto, confianza y evidencia citada — nunca una orden de compra o venta. El Asesor convierte señales revisadas en briefings para el humano. Antes de despachar cualquier señal, un Compliance Gate 100% determinista (sin llamadas a LLM) ejecuta 6 verificaciones. Un fallo dispara autocorrección automática; si falla de nuevo, la señal se marca para revisión humana. El límite es explícito: el sistema solo entrega evidencia, nunca decide.

Cómo lo construimos

Backend: FastAPI + SQLModel + LangGraph. Frontend: Vite + React + TypeScript + Tailwind. Base de datos Postgres en Neon (producción) y SQLite local. El Compliance Gate es un módulo separado y libre de LLM para que la capa de seguridad nunca pueda alucinar. Cada señal genera una traza completa — prompts, tokens, costo por proveedor — visible en la "Caja de Cristal". Cadena de custodia append-only con escalación por roles (solo lead/compliance puede escalar al comité).

Desafíos que enfrentamos

Anclar números fue más difícil de lo esperado: un LLM puede expresar el mismo movimiento de precio de varias formas, así que el Compliance Gate necesita comparación tolerante en lugar de coincidencia exacta. También tuvimos que evitar que el loop de reintento se volviera infinito — lo limitamos a MAX_GATE_ATTEMPTS = 2. Mantener el modo mock compatible byte a byte con los tres proveedores reales requirió disciplina estricta de esquemas para que 101 tests nunca consuman quota real.

Logros de los que estamos orgullosos

Capturamos un caso real en testing: el Analista citó un movimiento de +7.0%; el movimiento real fue +4.1% — una sobreestimación del 70%. El Compliance Gate lo atrapó, el Analista se autocorrigió, y la señal fue despachada con veredicto corregida y 6/6 checks aprobados, sin intervención humana. La traza completa está preservada en la Caja de Cristal. Además implementamos un loop de feedback donde las justificaciones previas del comité se reinyectan como ejemplos few-shot — calibrando el juicio sin reentrenar nada. Todo respaldado por 101 tests automatizados y en producción real.

Qué aprendimos

Que la explicabilidad y la auditabilidad importan tanto como la precisión en IA financiera. Un modelo que acierta el 95% del tiempo pero no puede mostrar su razonamiento es inutilizable en un entorno regulado. El Compliance Gate determinista nos enseñó que la forma más segura de limitar un modelo de lenguaje es no dejar que sea la última línea de defensa.

Qué sigue

Conectar los interfaces NewsProvider/PriceProvider a feeds de datos reales — los diseñamos intercambiables desde el día uno para esto. Agregar más clases de activos, un panel dedicado para reguladores sobre el audit trail de ReviewEvent, y roles reales por equipo. A largo plazo: expandir la taxonomía de causas raíz estilo NTSB en un dataset de feedback para mejorar el diseño de prompts.