Så bygger Arca ett AI-drivet kapitalförvaltningsbolag med agenter
Arca:s AI-chef Aman Singh beskriver hur företaget bygger en AI-native förmögenhetsförvaltning med hjälp av agenter (självständiga AI-system som utför uppgifter över tid) för så kallat 'long-horizon'-arbete – finansiella processer som kräver många steg och lång tidshorisont. Arkitekturen inkluderar ett eget ramverk och persistent minne, vilket är ovanligt ambitiöst för finansbranschen. Det intressanta här är inte tekniken i sig utan att en riktig finansaktör faktiskt driftsätter det här i produktion, inte bara i demos.
Djupdykning
Arca försöker göra något som de flesta finansbolag bara pratar om – faktiskt bygga verksamheten kring AI från grunden, snarare än att klistra på ett chatbot-lager ovanpå gammal infrastruktur. Det som kallas "long-horizon financial work" handlar om att låta AI-agenter (tänk autonoma program som kan ta flera steg i följd utan att en människa håller handen) hantera komplexa uppgifter som tar dagar eller veckor att slutföra, inte bara besvara en fråga i realtid. Det är en fundamental skillnad från hur de flesta tänker på AI i finans just nu. Det som de flesta missar i den här typen av berättelser är att flaskhalsen sällan är modellen – det är "harness och persistence", alltså den infrastruktur som håller reda på vad agenten gjort, vad den ska göra härnäst, och vad som händer när något går fel mitt i ett flerstegsbeslut. Arca verkar ha förstått att frågan inte är "vilken LLM ska vi använda" utan "hur bygger vi ett system som inte tappar kontexten när det hanterar en klients portfölj under en hel vecka" – och det är en mycket svårare ingenjörsutmaning.