# Как Hebbia использует Claude для финансового due diligence без права на ошибку
Канонический URL: https://zero2claude.ru/blog/hebbia-claude-financial-diligence
Дата: 2026-07-13
Теги: claude, агенты, api, enterprise
Финтех-платформа Hebbia проверяет каждую новую модель Claude на жёстких финансовых тестах — и Claude Fable 5 показал самый большой скачок точности в истории команды.
Когда банкир готовит инвестиционный меморандум на основе тысяч страниц кредитных договоров, публичной отчётности и внутренних документов, одна пропущенная деталь может изменить исход всей сделки. Именно в такой среде работает Hebbia — платформа для финансового исследования и due diligence, которую используют больше трети из топ-50 крупнейших управляющих активами компаний мира, а также банки первого эшелона и юридические фирмы.
Дивья Мехта, основатель-продакт-менеджер Hebbia, проводит примерно половину рабочего времени с крупнейшими клиентами компании — инвестбанками, фондами прямых инвестиций и кредитными организациями. Для таких клиентов анализ строится не на паре отчётов, а на десятках тысяч страниц: публичные отчётности, кредитные соглашения, внутренние записки, структурированные данные из CRM. Ставки высоки: неверное число в анализе может стоить сделки на миллиарды долларов.
## Как работает Matrix — главный продукт Hebbia
Ядро платформы называется Matrix. Это таблица-сетка, где Hebbia превращает обычный запрос на человеческом языке в цепочку промптов (это называется мета-промптингом), а Claude выполняет каждый шаг анализа по сотням документов одновременно. Каждый ответ попадает в свою ячейку таблицы — так ты видишь не просто вывод модели, а полную прозрачность: откуда взялась цифра, на какой документ она ссылается и как её можно перепроверить.
Такая архитектура даёт три вещи, критичные для финансов: прозрачность, трассируемость и управляемость. Если ты не согласен с одним выводом в ячейке, ты можешь проверить именно этот шаг, не пересчитывая всю модель заново. Это принципиально отличается от того, как многие привыкли работать с чат-ботами — здесь каждый вывод должен быть проверяемым по умолчанию.
## Почему точность здесь — не опция, а требование
За то, чтобы ответы Matrix оставались точными при таком масштабе, отвечает команда прикладных AI-исследований Hebbia под руководством Адитьи Раманатана. Для него суть работы — находить сигнал: заставить модель обращаться к правильным данным, в правильном контексте, и вытаскивать именно то, что нужно клиенту.
«Когда ты подключаешь модель к правильным данным и правильной экосистеме, — говорит Раманатан, — именно тогда получаешь ту самую альфу, за которой на самом деле охотятся финансовые профессионалы». Альфа здесь — это финансовый жаргон для избыточной доходности сверх рынка, то есть той самой ценной находки, ради которой всё исследование затевается.
Чтобы держать планку, каждая новая модель проходит через специфичный для финансов бенчмарк Hebbia — сравнение «голова к голове» с моделью, которую она заменяет. С каждым релизом команда расширяет то, что бенчмарк измеряет, чтобы не отставать от роста возможностей моделей. И тест сделан сложным намеренно.
«Планка невероятно высока, и наши клиенты справедливо требуют от нас именно такой планки, — говорит Мехта. — В конце концов, они принимают инвестиционные решения огромного масштаба на основе анализа и итогового продукта, построенного в Hebbia».
## Тест на прочность: как Claude Fable 5 прошёл бенчмарк Hebbia
Джо Реннер, исследователь из команды прикладного AI, прогоняет каждую новую модель Claude через этот бенчмарк — набор тестов, воспроизводящих реальные задачи финансовых специалистов. Один тест проверяет ответы на вопросы и поиск точных цитат в финансовых документах. Другой прогоняет модель через агентную систему Hebbia — с теми же инструментами, что использует чат-продукт компании — на открытых, многошаговых задачах анализа, похожих на то, чем клиент занимается в реальности.
Claude Fable 5 прошёл оба теста с самым большим отрывом, который Реннер когда-либо фиксировал. На тесте вопрос-ответ с поиском цитат модель показала прирост точности примерно на 20% относительно предыдущей лучшей модели — лучший результат, который он видел от любого нового релиза. При этом точность самого совпадения цитат осталась примерно на том же уровне — Реннер считает, что прирост объясняется тем, что модель стала лучше понимать найденные доказательства, а не просто находить их.
| Тип теста | Что измеряет | Результат Claude Fable 5 |
|---|---|---|
| Вопрос-ответ с цитированием | Поиск и понимание фактов в финансовых документах | ~20% относительный прирост точности — лучший результат за всю историю измерений команды |
| Агентный прогон | Многошаговый открытый анализ с инструментами чат-продукта | Полностью отработал все части составного запроса, сославшись на источник для каждого ответа |
«Всё сводится к двум, казалось бы, фундаментальным качествам: способности найти нужную информацию в плотном массиве данных и затем правильно её синтезировать, — говорит Мехта. — Это выглядит как базовая способность модели, но она даёт колоссальный эффект, когда речь о финансовых исследовательских процессах».
На открытых аналитических задачах Claude Fable 5 показал ещё и больший охват: модель рассуждала на основе более широкого набора данных и приходила к выводам, которые команда сочла достойными отдельного изучения. Реннер связывает это с тем, как модель держит в голове длинную задачу целиком: она не теряет из виду ни одну часть запроса, сама направляет своих суб-агентов и инструменты за нужными фактами, и привязывает каждое утверждение к источнику, а не выводит его умозрительно.
## Ковенанты кредитных договоров: новая планка для due diligence
Информация, которая даёт клиентам реальное преимущество, обычно лежит не в структурированных таблицах, а в неструктурированных, закрытых документах — и именно её раньше было сложнее анализировать в масштабе. Matrix создавали, чтобы сделать эту качественную работу системной, и с каждым поколением модели платформа берётся за всё более сложные задачи.
Речь может идти о дата-руме с тысячами документов, где нужно найти релевантный сигнал, процитировать его и написать раздел инвестиционного меморандума. Или об анализе всех документов по кредитной сделке — кредитного соглашения, поправок, дополнительных писем, каждое на сотни плотных технических страниц — с извлечением полного пакета ковенантов, финансовых условий и операционных ограничений из этой неструктурированной массы.
«Это именно те типы документов, с которыми модели Anthropic всегда были очень хороши», — отмечает Мехта. Ковенанты — это те защитные условия, которые кредитор прописывает в свою пользу в договоре, и умение вытащить их все из плотного юридического текста — задача, требующая внимания к каждой детали.
С предыдущими моделями Sonnet и Opus Matrix уже умел извлекать и синтезировать ковенанты кредитного соглашения. С Claude Fable 5 Hebbia замахивается на остальную часть работы: многошаговый анализ на основе этих ковенантов, сравнение с данными живого мониторинга, выявление рисков — и всё это до черновика обзора ковенантов и внутренней записки. Именно за такую работу кредитные фирмы раньше платили внешним командам большие деньги, чтобы получить её вручную.
Ковенанты — это обязательства и ограничения, которые заёмщик берёт на себя в кредитном договоре (например, поддерживать определённый уровень долга к EBITDA). Их анализ — рутинная, но крайне ответственная часть кредитного due diligence, где легко упустить деталь на сотой странице договора.
## Сколько часов специалистов экономит модель
Раньше, до появления AI-инструментов, если управляющему директору нужна была презентация для встречи с CEO целевой компании, младшему банкиру требовалось 2–3 дня, чтобы изучить компанию, собрать финансовые показатели и собрать слайды. С приходом моделей до Opus этот срок сжался до 12–24 часов. С более ранними версиями Opus в Hebbia, по словам Мехты, время упало ещё сильнее — до примерно одного дня на весь процесс.
С тех пор Hebbia кодифицировала весь этот процесс в Matrix, которая собирает данные из разных источников через набор детерминированных агентных шагов, проводит анализ и собирает итоговую презентацию, финансовую модель и внутреннее исследование за пару минут — так что банкир может потратить время на выбор покупателей и стратегию их привлечения, а не на механическую сборку слайдов. Claude Fable 5, по словам Мехты, ужимает этот процесс ещё сильнее.
| Этап технологий | Время на первый черновик презентации |
|---|---|
| До AI (ручная работа junior-банкира) | 2–3 дня |
| Модели до Opus | 12–24 часа |
| Ранние версии Opus в Hebbia | ~1 день |
| Matrix + Claude Fable 5 | пара минут на сбор данных, анализ и черновик слайдов |
Разбивка работы на отдельные шаги, по словам Мехты, всё равно остаётся важной — «сколько бы модель ни была умна», — потому что фирмы хотят контролировать, какие документы попадают в анализ и как строится каждый шаг. Поэтому Hebbia переходит на Claude Agent SDK, чтобы собирать такие задачи из более мелких, повторяемых и проверяемых шагов, а не запускать всё одним большим прогоном модели.
## Как меняются разговоры с клиентами
«Сжатие жизненного цикла сделки даёт колоссальный эффект на способность фирмы конкурировать за эти инвестиции», — говорит Мехта. Она слышит это прямо в разговорах с клиентами. Два-три года назад вопросы были защитными — про галлюцинации моделей и про то, правильно ли посчитана математика.
Сегодня, по её словам, эти разговоры полностью изменились: клиенты спрашивают, как автоматизировать больше своего рабочего процесса, как выстроить в цепочку больше шагов, как сгенерировать десять, пятнадцать, двадцать слайд-дек одним нажатием с высокой точностью и стабильностью. Это отражает более общий сдвиг в том, как компании работают с ИИ-агентами — от осторожной проверки к активному встраиванию в рабочие процессы, о котором мы писали в разборе того, [как Cognition доверила Claude Fable 5 работать всю ночь без присмотра](/blog/cognition-claude-fable-5-overnight).
Если ты только начинаешь разбираться, как строятся такие агентные системы и промпты для сложных задач, лучше стартовать с азов — например, с бесплатного курса zero2claude, где на простых примерах объясняется, как работает диалог с моделью и первые API-запросы.
## Частые вопросы
Hebbia — платформа для исследования и due diligence, которую используют банки, фонды прямых инвестиций, управляющие активами и юридические фирмы. Она помогает анализировать тысячи страниц документов — от кредитных соглашений до публичной отчётности — и превращать их в проверяемые выводы.
Matrix — это основной продукт Hebbia: таблица-сетка, где каждый ответ модели попадает в отдельную ячейку со ссылкой на исходный документ. Это даёт прозрачность и позволяет проверить каждый шаг анализа отдельно, а не доверять модели «на слово».
Потому что общие бенчмарки не отражают специфику финансовой работы — плотные юридические и финансовые документы, необходимость точного цитирования и многошаговый анализ. Собственный бенчмарк Hebbia напрямую связан с реальными решениями экспертов и клиентов компании.
Ковенанты — это обязательства и ограничения, которые заёмщик принимает по кредитному договору. Их сложно анализировать, потому что они разбросаны по сотням страниц плотного юридического текста в разных документах — самом договоре, поправках, дополнительных письмах — и пропуск одного условия может привести к серьёзным финансовым рискам.
Claude Agent SDK позволяет собирать сложные задачи из более мелких, повторяемых и проверяемых шагов вместо одного большого запуска модели. Это даёт бизнесу контроль над тем, какие данные используются на каждом этапе и как строится итоговый результат.
История Hebbia показывает, как выглядит настоящая проверка ИИ на прочность: не абстрактный бенчмарк из интернета, а собственный жёсткий тест, завязанный на реальные решения экспертов и деньги клиентов. Когда модель проходит такую проверку с приростом точности в 20% и удерживает в голове весь многошаговый запрос целиком — это не эффектная цифра для презентации, а конкретное сокращение часов работы аналитиков и снижение риска ошибки там, где ошибка стоит очень дорого.
Если хочешь попробовать всё это руками — начни с бесплатного курса [«Claude с нуля»](/learn/claude-101).
По мотивам статьи Anthropic «Working at the frontier: How Hebbia builds AI for financial diligence that can't miss a detail». Пересказали по-русски для новичков.