Bagaimana Bridgewater Mengubah 100 Juta Dokumen Menjadi Keunggulan - Sam Green & Aaron Linsky, Bridgewater

하이라이트

• The Vault menyimpan lebih dari 100 juta dokumen yang terus bertambah dengan ribuan dokumen baru setiap hari dari 135 sumber eksternal dan data internal Bridgewater.

• Pencarian awal pada The Vault memiliki presisi pada 10 sebesar 60%, yang kemudian ditingkatkan hingga mencapai 90 sampai 95% setelah pengoptimalan pencarian agen.

• Manusia memiliki kapasitas baca sekitar 300 kata per menit, sedangkan agen AI dapat mengonsumsi sekitar 30.000 kata per menit.

• Pocket Analyst dapat melakukan riset berjam-jam hanya dalam waktu beberapa menit dengan biaya beberapa dolar dengan mengandalkan data dari The Vault.

• Penggunaan teknologi pemfilteran natif dari Turbo Puffer memberikan kecepatan seperti pasca-pemfilteran dengan tingkat recall yang setara dengan prapemfilteran.

타임라인

1. 00:00 - 11:35

   Pengenalan The Vault dan Latar Belakang Bridgewater

   Sam Green dan Aaron Linsky menjelaskan bagaimana Bridgewater membangun The Vault untuk mengatasi tantangan data tidak terstruktur seperti memo internal, transkrip rapat, dan dokumen eksternal. Selama 50 tahun, Bridgewater mengandalkan model deret waktu pada data terstruktur, namun model bahasa besar membuka peluang untuk mengolah data tidak terstruktur dalam skala masif. Melalui pengujian tolak ukur dan adopsi pemfilteran natif Turbo Puffer, platform ini berhasil mengatasi masalah performa antara kecepatan dan tingkat recall data.

   • The Vault adalah platform data yang mengubah data tidak terstruktur menjadi aset kelas satu untuk proses investasi di Bridgewater.
   • Platform ini mengindeks dan mengatur dokumen agar dapat digunakan secara efektif oleh investor manusia maupun agen AI.
   • Manusia dan agen memiliki kebutuhan yang sangat berbeda terkait presisi, skala, dan rasio sinyal terhadap derau.
   • Pencarian berbasis vektor diuji menggunakan tolak ukur manual untuk memperbaiki metrik presisi pada 10 dari 60% menjadi 95%.
2. 11:35 - 14:05

   Migrasi Kebiasaan Pengguna dan Alur Kerja Baru

   Meskipun alat yang disediakan sangat canggih, adopsi pengguna memerlukan adaptasi terhadap kebiasaan kerja yang sudah ada sebelumnya. Oleh karena itu, fitur organisasi seperti folder dan langganan broker diterjemahkan langsung ke dalam antarmuka baru agar para peneliti merasa familiar. Setelah kebiasaan tersebut terbangun, sistem memperluas kapabilitasnya ke dalam berbagai aplikasi seperti Slack, obrolan, dan perangkat seluler, serta menghasilkan sinyal investasi yang dapat diperdagangkan.

   • Fitur langganan dan folder email lama dimigrasikan menjadi pencarian tersimpan dan koleksi tersimpan di dalam The Vault.
   • Alat analitis AI seperti Pocket Analyst memangkas durasi riset dari berjam-jam menjadi hanya beberapa menit.
   • Model kustom dilatih untuk bernalar secara lebih cerdas terhadap data The Vault guna menghasilkan prediksi makro.
3. 14:05 - 16:36

   Agen Proaktif dan Pertumbuhan Majemuk Melalui Meja Kerja Investor

   Bagian akhir pembahasan menyoroti pencapaian tertinggi dari platform ini, yaitu mengubah agen AI dari entitas reaktif yang hanya menjawab pertanyaan menjadi partisipan proaktif. Melalui meja kerja investor, agen menyajikan temuan penting beserta bukti akurat yang mendasarinya. Setiap interaksi dan sintesis baru secara otomatis disimpan kembali ke dalam korpus data, menciptakan siklus pengetahuan yang terus berkembang bagi perusahaan.

   • Meja kerja investor menempatkan agen dalam kondisi selalu aktif untuk melacak topik penting bagi investor.
   • Hasil kolaborasi antara manusia dan agen terekam secara otomatis kembali ke dalam brankas untuk putaran pembelajaran berikutnya.
   • Sistem ini menciptakan siklus pertumbuhan majemuk yang mempercepat dan meningkatkan kualitas proses pengambilan keputusan.