LendingTree nasadilo troch AI agentov na hypotekárne poradenstvo

LendingTree opísalo produkčný hypotekárny asistent postavený ako sústava troch AI agentov. Jeden agent riadi postup, druhý vysvetľuje hypotekárne pojmy a tretí porovnáva možnosti podľa situácie používateľa. Riešenie beží od konca roka 2025 a podľa interných údajov spoločnosti do konca prvého štvrťroka 2026 obslúžilo približne 1 960 konverzácií a 12 100 správ. Architektúra spája Amazon Bedrock, modely Amazon Nova, LangGraph a Model Context Protocol.

Vstupným bodom je webové rozhranie, cez ktoré sa používateľ môže pýtať na rozdiely medzi typmi úverov, podmienky kvalifikácie alebo konkrétne ponuky. Každá vstupná aj výstupná správa prechádza cez Amazon Bedrock Guardrails, ktoré filtrujú nevhodný obsah a redigujú osobné identifikačné údaje. Súbežne beží samostatný klasifikátor založený na veľkom jazykovom modeli, ktorý kontroluje pravidlá konverzácie LendingTree. Paralelné vykonanie má pridať druhú vrstvu ochrany bez sériového zvýšenia latencie.

Riadiaci agent je vytvorený v LangGraph ako stavový graf s oddeleným plánovaním a vykonávaním. Analyzuje zámer používateľa, zostaví plán a rozhodne, či otázku vybaví priamo alebo ju pošle špecializovanému agentovi. Pri náročnejšom uvažovaní a kritickej klasifikácii používa Amazon Nova Pro, kým jednoduchšie odpovede a ľahšie triedenie smeruje na Nova Lite. Takéto smerovanie má vyvažovať spoľahlivosť, cenu a rýchlosť namiesto toho, aby každý krok používal najdrahší model.

Vzdelávací agent vysvetľuje pojmy a rozdiely medzi hypotekárnymi produktmi. Odpovede ukotvuje v samostatných znalostných bázach Amazon Bedrock, za ktorými je ako vektorové úložisko Amazon OpenSearch Service. Párovací agent pracuje s preferenciami používateľa a volá interné rozhrania LendingTree pre ponuky, sadzby, oprávnenosť a predbežné posúdenie. Ak otázka kombinuje vysvetlenie s osobným porovnaním, riadiaci agent môže osloviť oboch pracovníkov a zlúčiť výsledky do jednej odpovede.

Agenti medzi sebou komunikujú cez MCP, vďaka čomu sa dajú samostatne aktualizovať, škálovať a vracať na staršiu verziu. Všetky tri služby bežia v kontajneroch na Amazon ECS s AWS Fargate. Konverzačný stav sa ukladá pomocou PostgreSQL checkpointera LangGraph na Amazon RDS, takže prežije odovzdanie úlohy medzi agentmi aj reštart služby. CloudWatch a AWS X-Ray sledujú priebeh jednej požiadavky naprieč viacerými komponentmi.

Podľa údajov, ktoré LendingTree poskytlo pre blog AWS, systém zvládol viac ako 97 percent konverzácií bez odovzdania človeku a iba približne tri percentá používateľov si výslovne vyžiadali živého pracovníka. Priemerná výmena mala 6,2 správy. Aktívnejší používatelia pokračovali viac než desať správ počas približne deviatich minút. Podiel konverzácií orientovaných na porovnávanie sadzieb, párovanie s veriteľmi alebo predbežnú kvalifikáciu podľa firmy postupne prekročil polovicu novších relácií.

Tieto čísla sú zaujímavé, no treba ich čítať ako interné produkčné metriky dodávateľa, nie ako nezávislý audit správnosti finančného poradenstva. Vysoká miera automatického vybavenia sama osebe nehovorí, či boli všetky odporúčania optimálne, ani ako systém funguje pri neštandardných finančných situáciách. Zverejnený opis neposkytuje podrobnú chybovosť podľa typu otázky, demografických skupín či konkrétnych produktov. Regulované rozhodnutia preto naďalej potrebujú jasné hranice, dohľad a možnosť eskalácie.

LendingTree počas nasadenia narazilo na viacero praktických problémov. Pevne veľké bloky dokumentov nahradilo sémantickým delením, aby hranice lepšie zodpovedali témam. Konflikty medzi znalosťami riešilo prioritou interných zdrojov pri produktových otázkach. Pracovníkom začalo posielať úplnú históriu a súhrn zámeru, pretože bez nich nepoznali širší kontext. Krátke odpovede typu „áno“ alebo „nie som si istý“ systém pred vyhľadávaním prepisuje na plnohodnotné otázky s využitím predchádzajúcej konverzácie.

Význam projektu spočíva najmä v tom, že ukazuje konkrétnu produkčnú skladbu viacagentového systému v regulovanom odvetví. Bezpečnostné kontroly nie sú pridané až za model, ale tvoria samostatnú vrstvu pred aj po agentickom postupe. Plánovanie je oddelené od vykonávania a jednotlivé domény majú vlastné znalosti aj nástroje. To zvyšuje zložitosť infraštruktúry, ale uľahčuje auditovanie toho, ktorý komponent urobil konkrétne rozhodnutie.

Firma teraz zvažuje presun na Amazon Bedrock AgentCore, aby nemusela samostatne spravovať kontajnery, škálovanie a úložisko stavu pre každý ďalší agent. Doterajšia implementácia však zároveň pripomína, že managed runtime nevyrieši problémy návrhu agentov: kvalitu vyhľadávania, odovzdávanie kontextu, ladenie ochranných pravidiel ani výber vhodného modelu. Práve tieto vrstvy budú rozhodovať, či sa podobný systém dá bezpečne rozšíriť z jedného asistenta na opakovane použiteľnú firemnú platformu.