Desarrollo de una arquitectura Multi-Agente basada en RAG para el soporte regulatorio en entornos ?nancieros globales.
Resumen
Ebury es una fintech global especializada en pagos internacionales y gestión
de divisas que opera bajo marcos regulatorios complejos y cambiantes. En este
entorno, la agilidad en el cumplimiento normativo y la gestión eficiente de consultas
son fundamentales para mantener la competitividad y la seguridad jurídica.
Actualmente, el equipo de expertos de Ebury se enfrenta a un volumen de
reportes y consultas regulatorias que dificulta una gestión operativa eficiente. El
principal desafío reside en la falta de documentación clara y centralizada, lo que se
suma a la alta complejidad técnica de las normativas financieras. Estas regulaciones
no solo son difíciles de interpretar, sino que están sujetas a una evolución constante
con actualizaciones frecuentes.
Esta situación satura a los especialistas y genera retrasos operativos, evidenciando la necesidad de una herramienta tecnológica que automatice el acceso a la
información y centralice el conocimiento normativo de la organización.
Como respuesta a estos retos, este Trabajo de Fin de Máster propone el desarrollo de una plataforma centralizada basada en agentes de Inteligencia Artificial.
El objetivo principal es proporcionar una herramienta capaz de resolver dudas
operativas de carácter técnico y legal de manera inmediata, basándose siempre en
la información oficial y actualizada de la compañía.
La solución se concibe como un asistente experto que no solo responde consultas específicas, sino que actúa como un motor de generación de conocimiento.
El sistema es capaz de analizar la información disponible sobre un tema concreto
para elaborar documentación técnica estructurada, transformando datos dispersos
en manuales y guías de consulta coherentes. Con este enfoque, el proyecto busca
eliminar los cuellos de botella informativos, reducir la carga de trabajo manual
de los equipos expertos y garantizar que toda la organización tenga acceso a una
fuente de verdad única, fiable y actualizada en materia regulatoria. Ebury is a global fintech specializing in international payments and foreign
exchange, operating under complex and ever-changing regulatory frameworks. In
this environment, agility in regulatory compliance and e!cient inquiry management are essential to maintaining competitiveness and legal certainty.
Currently, Ebury’s team of experts faces a volume of reports and regulatory
inquiries that hinders e!cient operational management. The main challenge lies
in the lack of clear, centralized documentation, compounded by the high technical complexity of financial regulations. These regulations are not only di!cult to
interpret but are also subject to constant evolution with frequent updates.
This situation overwhelms specialists and leads to operational delays, highlighting the need for a technological tool to automate access to information and
centralize the organization’s regulatory knowledge.
In response to these challenges, this Master’s Thesis proposes the development
of a centralized platform based on Artificial Intelligence agents. The primary goal
is to provide a tool capable of immediately resolving technical and legal operational
doubts, always based on the company’s o!cial and up-to-date information.
The solution is conceived as an expert assistant that not only answers specific
inquiries but also acts as a knowledge generation engine. The system is capable of
analyzing available information on a specific topic to produce structured technical
documentation, transforming scattered data into coherent manuals and reference
guides. With this approach, the project seeks to eliminate information bottlenecks, reduce the manual workload of expert teams, and ensure that the entire
organization has access to a single, reliable, and updated source of truth regarding
regulatory matters.
Trabajo Fin de Máster
Desarrollo de una arquitectura Multi-Agente basada en RAG para el soporte regulatorio en entornos ?nancieros globales.Titulación / Programa
Máster Universitario en Big DataMaterias/ categorías / ODS
H0ZPalabras Clave
ICAI Instituto Católico de Artes e Industrias TFM Trabajo Fin de Máster IA Inteligencia Artificial GenAI Generative Artificial Intelligence LLM Large Language Model CAG Context-Augmented Generation RAG Retrieval-Augmented GenerationAI Artificial Intelligence GenAI Generative Artificial Intelligence LLM Large Language Model CAG Context-Augmented Generation RAG Retrieval-Augmented Generation


