ブリッジウォーターはいかにして1億件の文書を「優位性」に変えたか — サム・グリーン ＆ アーロン・リンスキー（ブリッジウォーター）

하이라이트

• ブリッジウォーターが開発したデータプラットフォーム「Vault」には、135の外部ソースから毎分追加されるデータを含め、1億件以上の非構造化ドキュメントが収められている。

• 検索システムの精度を示すPrecision at 10の指標は、ベンチマークテストと改善の実施により従来の60%から90〜95%へと向上した。

• ベクターデータベースのフィルタリングにおいてTurbo Pufferを導入したことで、ポストフィルタリングの処理速度とプリフィルタリングの高い再現率が両立されている。

• AIアナリスト「ポケット・アナリスト」の活用により、数時間かかっていたリサーチ業務が数分かつわずか数ドルで実行される。

타임라인

1. 00:00 - 06:54

   Vaultの構築背景と非構造化データの統合プロセス

   ブリッジウォーターは過去50年間にわたり市場の仕組みを体系化してきたが、言語モデルの登場に伴いニュースやトランスクリプトなどの非構造化データへの対応が求められた。既存の外部ツールでは十分なコントロールが得られなかったため、独自のプラットフォームであるVaultが開発された。デモ検証では、韓国ウォンに対するAIインフラ投資の影響に関するクエリにおいて、オープンウェブでは古い情報が参照されたのに対し、Vaultでは指定期間内の52件の候補文書から正確な分析が導き出された。

   • ブリッジウォーターは非構造化データを一等資産に変えるデータプラットフォーム「Vault」を構築した。
   • Vaultには135の外部ソースや社内データを含む1億件以上のドキュメントが蓄積されている。
   • オープンウェブ検索では情報の鮮度や網羅性が不足する一方、Vaultを活用することで特定の期間に絞った高精度な情報収集が可能になる。
2. 06:54 - 11:34

   人間とAIエージェントに向けた検索の設計と技術的アプローチ

   人間が1分間に約300語を処理するのに対し、AIエージェントは1分間に3万語を消費し、秒間100以上のクエリを処理する規模の違いが存在する。プロダクト開発の初期段階では検索精度が約60%にとどまっていたが、約200件の事例を用いたベンチマークテストの実施により改善が進められた。さらに、メタデータによる条件付き検索のパフォーマンス問題を解消するため、ネイティブフィルタリングを提供するTurbo Pufferが導入され、ポストフィルタリングの速度とプリフィルタリングの再現率が両立された。

   • 検索システムは、正確性と低速な読み込みを好む人間と、高速かつ大規模にデータを消費するAIエージェントの双方に対応する必要がある。
   • Precision at 10のベンチマーク測定を通じて検索性能の課題が特定され、最適化により精度が90〜95%に引き上げられた。
   • 高速な処理速度と高い再現率を同時に満たすため、ベクターデータベースのフィルタリングにはTurbo Pufferが採用された。
3. 11:34 - 16:36

   習慣の移行と新しい投資ワークフローの構築

   優れたツールであっても投資家が日常の習慣を変えることは困難であるため、従来のメール購読やフォルダ管理の仕組みがVault上に違和感なく移植された。基盤の定着に伴い、モバイルアプリやSlack、CLIなどの多様なチャネルへの展開が行われた。さらに、AIエージェントが受動的な検索ツールから能動的な参加者へと進化し、投資家に重要なトピックや根拠をカード形式で提示するインベスター・ワークベンチが稼働している。このコラボレーションで得られた知見が次のサイクルへと還元されることで、組織全体で複利的な成長がもたらされている。

   • 既存のメール中心の購読やフォルダ整理の習慣を「保存済み検索」や「保存済みコレクション」としてVault内に再現することでユーザーの定着が促された。
   • ポケット・アナリストやリサーチャーなどの次世代AIツールにより、リサーチサイクルが大幅に短縮されている。
   • インベスター・ワークベンチを通じてエージェントが能動的に情報を提示し、得られた知見が自動的にVaultへ蓄積される。