Architektura wieloagentowa: Pierwszy agent rozpoznaje, o co prosi użytkownik, rozbija wiadomość na pojedyncze zadania i przekazuje je wyspecjalizowanym agentom: od dodawania paragonów, statystyk wydatków, częstych pytań i swobodnej rozmowy. Na końcu osobny agent składa wyniki w jedną odpowiedź, a przy niejednoznacznych pytaniach asystent dopytuje, zamiast zgadywać.

Odpowiedzi oparte na prawdziwych danych: Agenci sięgają po dane zakupowe wyłącznie przez kontrolowany zestaw narzędzi, z zabezpieczeniami i automatycznymi ponowieniami. Ścisłe reguły gwarantują, że każda kwota w odpowiedzi pochodzi z danych użytkownika, a gdy danych brakuje, asystent mówi o tym wprost.

Warstwa modeli z wieloma dostawcami: Asystent korzysta z modeli kilku dostawców dostępnych za jednym wspólnym interfejsem, w tym z modeli uruchamianych na własnej infrastrukturze. Zmiana modelu to zmiana konfiguracji, co uniezależnia produkt od awarii i cenników pojedynczego dostawcy.

Kontrola kosztów: Wbudowane limity budżetu ograniczają koszt każdej rozmowy, a długie czaty są po drodze streszczane, dzięki czemu koszty modeli pozostają przewidywalne w miarę wzrostu liczby użytkowników.

Asystent dopasowany do użytkownika: Nowy użytkownik z trzema paragonami dostaje inne odpowiedzi i podpowiedzi niż ktoś z rocznym archiwum zakupów. Aplikacja ocenia, jak pełny jest obraz zakupów danej osoby, dopasowuje do tego rozmowę i podpowiada, co warto uzupełnić.

Wykresy w rozmowie: Przy pytaniach o statystyki asystent oznacza miejsce na wykres, a aplikacja mobilna renderuje go natywnie w czacie.

Pełen wgląd w działanie AI: Każda rozmowa jest rejestrowana razem z informacją, z jakich danych skorzystał asystent, ile trwała odpowiedź i ile kosztowała. Gdy coś budzi wątpliwości, zespół może odtworzyć dokładnie, co się wydarzyło.