The Hudson Labs Co-Analyst

Co-Analyst는 원문 서류에서 뽑은 결과로 답하고 각 항목에 인용을 붙인다. 여러 기간과 여러 서류에 걸친 질의는 한 줄씩 검증할 수 있는 표를 돌려준다. 출처를 밝히지 않고 요약만 하는 범용 챗봇과의 핵심 차이가 바로 여기 있다고 회사는 설명한다.

재무 전망에서는 표현이 숫자만큼 중요하다. 가이던스 모델은 미래 예측 발언을 통째로 잡아내고 CFO가 끼워 넣는 단서와 조건까지 남기므로, 잘린 전망이 눈앞에서 빠져나가지 않는다. 경영진이 자사 예상을 시간에 따라 어떻게 고치는지도 추적한다.

Hudson Labs는 특수관계자 거래, 회계 경고 신호, 부외 노출 같은 비구조화 신호로 사기 가능성을 평가하는 자체 부정 리스크 점수를 만들었다. 고위험 기업은 사기 소송을 당할 확률이 3배라고 회사는 밝힌다. 점수는 이익의 질, 내부 통제, 지배구조 같은 항목으로 나뉘고 Institutional 플랜에 들어간다.

검색 계층은 자연어 질의와 펀더멘털 지표를 결합하므로 필터를 처음부터 짤 필요 없이 스크리닝할 수 있다. 1만 개가 넘는 상장사의 시장에서 동종 비교, 섹터 입문, 테마 심층 분석을 지원한다. 부정 리스크로 걸러 의심 종목을 대규모로 표시할 수도 있다.

실적 검토, 리서치 추출, 포트폴리오 모니터링을 자동화하는 에이전트를 직접 만들 수 있다. 에이전트는 지정한 일정에 돌고 결과를 전달한다. 매주 애널리스트의 시간을 잡아먹는 반복 작업에 맞는다. Institutional 플랜은 에이전트형 자동화의 상한을 푼다.

플랫폼에는 제출 서류, 스크립트, 보도자료, 웹 데이터를 종합한 기성 리서치 리포트가 들어 있다. 상위 리포트는 500개 이상의 출처를 참고한다. 미리 돌려 두므로 기다릴 필요도, 토큰 비용도 없다. Google Drive와 OneDrive를 연결하면 내부 문서를 같은 작업 공간으로 가져올 수 있고, MCP 연결로 출처가 붙은 커버리지를 Claude로 보낼 수 있다.