Gradient Labs дава на всеки банков клиент акаунт мениджър с ИИ

В банкирането решаването на проблем на клиент рядко е просто. Случаи като измама или блокирани плащания изискват стриктно спазване на сложни процедури, които обхващат множество екипи. Когато системите не се справят, клиентите се прехвърлят между екипи, чакат на опашка и се сблъскват със забавяния в моменти, когато залогът е най-висок.

Gradient Labs⁠(отваря се в нов прозорец) е създадена, за да се справя с тази сложност. Базираната в Лондон компания разработва агенти с изкуствен интелект, които предоставят на всеки банков клиент изживяването с личен акаунт мениджър. Основана от екип, който преди това е ръководил инициативи в областта на изкуствения интелект и данните в Monzo, платформата на компанията е изградена върху моделите на OpenAI и сега прехвърля производствения трафик към GPT‑5.4 mini и nano.

„При GPT‑5.4 mini и nano наблюдаваме забавяне от 500 милисекунди, което е точно това, от което се нуждаем за естествени гласови разговори“, казва Данай Антониу, съосновател и главен научен директор в Gradient Labs. „Прехвърляме значителна част от работата си.“

В банкирането взаимодействията с клиентите се управляват от стандартни оперативни процедури (SOP), които определят какво трябва да се случи на всяка стъпка.

Типичното взаимодействие с клиент може да изглежда така:

1. Постъпва обаждане на клиент, който съобщава за открадната карта.
2. Системата потвърждава самоличността му, като обработва корекции и прекъсвания в реално време.
3. След като самоличността бъде потвърдена, системата блокира картата и започва процедура по издаване на нова.
4. Системата отговаря на последващи въпроси, като например кога ще бъде доставена новата карта, и предлага следващите стъпки.

Всяка стъпка следва определена процедура, като решенията се вземат в реално време въз основа на въведените от потребителя данни, контекста, действащите защитни механизми и отговорите както на клиента, така и на агента, за да се гарантира съответствие.

„Моделът трябва да запазва състоянието на процедурата при прекъсвания, кратки потвърждения и смяна на темата, като същевременно запазва бързото генериране на отговори“, посочва Антониу. „Повечето доставчици дори не можеха да се опитат да го направят.“

Gradient Labs сравнява доставчиците по отношение на най-сложните им процедури и ги оценява по това, което нарича „точност на траекторията“: дали системата следва правилния път от началото до края.

В една от първите им оценки GPT‑4.1 е единственият модел, достигнал 97% точност и последователност на траекторията. Резултатът на следващия най-близък доставчик е 88%.

„В сектора на финансовите услуги това е разликата между успешното решаване на обаждане и възникването на инцидент, свързан с несъответствие с изискванията“, казва Antoniou.

Този извод определя начина, по който Gradient Labs проектира системата си. Екипът изгражда хибридна архитектура, която използва моделите на OpenAI за стъпки, изискващи интензивно структурирано анализиране, и по-малки модели за по-бързи, детерминистични задачи, като маршрутизирането се адаптира в зависимост от сложността и ограниченията, свързани със забавянето.

Вътрешно системата е съставена от специализирани умения, координирани от централен агент със структурирано анализиране, което позволява сложните случаи да преминават през работните потоци, без да се губи контекстът. 

За всяко взаимодействие работят паралелно над 15 защитни системи, за да гарантират, че разговорите остават в рамките на определените процедури и граници на съответствие, включително откриване на финансови съвети, сигнали за уязвимост, оплаквания и опити за заобикаляне на проверката или достъп до чувствителни данни. 

Финансовите институции не внедряват подобни системи на сляпа вяра. Те трябва да се уверят стъпка по стъпка, че системата работи правилно в реални условия.

„Трябва да проектирате системата от самото начало така, че да няма халюцинации“, казва Антониу. „Това трябва да бъде водещият принцип при разработването.“

За да оцени както новите, така и съществуващите модели, екипът възпроизвежда реални разговори с клиенти и сравнява поведението на системата с очакваната процедура. Те също така генерират синтетични разговори, за да тестват крайни случаи и редки сценарии, преди нещо да бъде внедрено.

Gradient Labs също така дава на екипите контрол върху начина, по който се въвежда системата. Те анализират исторически данни за поддръжката, за да картографират типовете проблеми на клиентите, с които се сблъсква банката, и колко често възникват. След това екипите могат да изберат кои категории трябва да обработва изкуственият интелект, като започват с работни потоци с по-ниско ниво на риск и разширяват обхвата с течение на времето.

Преди пускането в експлоатация клиентите могат да симулират разговори, за да проверят как реагира системата в различни сценарии, изграждайки увереност, че тя се държи според очакванията. 

Внедряването обикновено започва с малък процент от трафика, като непрекъснатото наблюдение и автоматизираните проверки сигнализират за разговори, които може да изискват човешка намеса. С течение на времето обхватът се разширява, когато системата демонстрира стабилни резултати.

Клиентите на Gradient Labs отчитат CSAT резултати до 98%, като в някои случаи надминават най-добрите оператори. Повечето внедрявания започват с над 50% успеваемост още от първия ден дори при сложни работни процеси като спорове, проверка на акаунти и измами. 

Това въздействие се отразява в растежа на компанията. Gradient Labs е увеличила приходите си повече от 10 пъти през последната година, разширявайки се от входяща поддръжка към изходящи и бекофис процеси.

Гледайки напред, Gradient Labs се фокусира върху системи, които могат да пренасят контекста между взаимодействията: да разбират историята на клиента, да проследяват текущи проблеми и да продължават оттам, откъдето са спрели предишните разговори. Тази посока е тясно свързана с начина, по който Gradient Labs гледа на дългосрочното си партньорство с OpenAI.

С непрекъснатото усъвършенстване на моделите се разширява и диапазонът от процедури, които могат да бъдат автоматизирани безопасно. За Gradient Labs това означава да се доближи до система, в която всяко взаимодействие с клиент се обработва с еднаква последователност, преценка и непрекъснатост, както би го направил най-добрият оператор.