A multi-agent artificial intelligence system for investment research at an asset management firm

As large language models’ performances continue to rise, a paradigmatic shift in their usage pattern is underway. This work presents an innovative method to leverage generative artificial intelligence capabilities in complex and multi-step natural language processing tasks. By integrating language models with additional components, they are transformed from mere online chatbots into AI agents. A multi-agent orchestration system based on LangGraph is proposed, to achieve higher controllability, increased parallelization, and customized rule-based outputs. This methodology is implemented within the credit research team at an important Italian asset management firm, to optimize the creation of financial re ports on companies’ quarterly earnings. The findings display an 80% reduction of time spent by analysts for report generation, reasonable LLM token costs, and an overall satisfactory evaluation by end-users.

Con il continuo miglioramento delle prestazioni dei modelli di linguaggio a grandi dimensioni, è in corso un cambiamento di paradigma nei loro modi d’uso. Questo lavoro presenta un metodo innovativo per sfruttare le capacità dell’intelligenza artificiale generativa in problemi di elaborazione del linguaggio naturale complessi e a più stadi. Integrando i modelli di linguaggio con componenti aggiuntivi, essi vengono trasformati da semplici chatbot online in agenti AI. Viene proposto un sistema di orchestrazione multi-agente basato su LangGraph, al fine di ottenere un maggiore controllo, una maggiore parallelizzazione e output basati su regole mirate. Questa metodologia è implementata all’interno del team di ricerca sul credito di un’importante società di gestione patrimoniale italiana, per ottimizzare la creazione di report finanziari sui risultati trimestrali delle aziende. I risultati mostrano una riduzione dell’80% del tempo impiegato dagli analisti per la generazione dei report, costi ragionevoli in termini di token per i modelli di linguaggio e una valutazione complessivamente soddisfacente da parte degli utenti finali.