Gradient Labs সকল ব্যাংক গ্রাহকদের AI অ্যাকাউন্ট ম্যানেজার দেয়

ব্যাংকিংয়ে, গ্রাহকের কোনো সমস্যার সমাধান করা খুব কমই ক্ষেত্রেই সহজ হয়। জালিয়াতি বা ব্লক হওয়া পেমেন্টের ক্ষেত্রে একাধিক দলের মধ্যে জটিল প্রক্রিয়া কঠোরভাবে মেনে চলা দরকার হয়। যখন সিস্টেম যথেষ্ট কার্যকর হয় না, তখন গ্রাহকদের দল থেকে দলে পাঠানো হয়, তারা কিউতে অপেক্ষা করে, এবং সবচেয়ে গুরুত্বপূর্ণ মুহূর্তে বিলম্বের মুখোমুখি হয়।

Gradient Labs⁠(একটি নতুন উইন্ডোতে খোলে) এই জটিলতা সামলানোর জন্য তৈরি। লন্ডনভিত্তিক এই প্রতিষ্ঠানটি AI এজেন্ট তৈরি করছে, যা প্রতিটি ব্যাংক গ্রাহককে একজন নিবেদিত অ্যাকাউন্ট ম্যানেজারের অভিজ্ঞতা দেয়। যে দলটি আগে Monzo-তে AI ও ডেটা উদ্যোগের নেতৃত্ব দিয়েছিল, তাদের দ্বারা প্রতিষ্ঠিত এই কোম্পানির প্ল্যাটফর্ম OpenAI মডেলের ওপর নির্মিত, এবং এখন তারা প্রোডাকশন ট্র্যাফিক GPT‑5.4 mini ও nano-তে স্থানান্তর করছে।

Gradient Labs-এর সহ-প্রতিষ্ঠাতা ও প্রধান বিজ্ঞানী Danai Antoniou বলেন, “GPT‑5.4 mini এবং nano-তে আমরা 500-মিলিসেকেন্ড ল্যাটেন্সি দেখছি, যা স্বাভাবিক ভয়েস কনভার্সেশন্সের জন্য আমাদের ঠিক যা দরকার। আমরা আমাদের কাজের একটি উল্লেখযোগ্য অংশ সেখানে স্থানান্তর করছি।”

ব্যাংকিংয়ে, গ্রাহক ইন্টারঅ্যাকশনগুলো স্ট্যান্ডার্ড অপারেটিং প্রোসিডিউরস (SOPs) দ্বারা নিয়ন্ত্রিত হয়, যা প্রতিটি ধাপে কী হওয়া উচিত তা নির্ধারণ করে।

সাধারণ একজন গ্রাহকের ইন্টারঅ্যাকশন এমন হতে পারে:

1. একজন গ্রাহক চুরি হওয়া কার্ডের বিষয়ে রিপোর্ট করতে কল করেন।
2. সিস্টেমটি তাদের পরিচয় যাচাই করে, এবং রিয়েল টাইমে সংশোধন ও বাধা সামলায়।
3. যাচাই হয়ে গেলে, এটি কার্ডটি ফ্রিজ করে এবং প্রতিস্থাপনের প্রক্রিয়া শুরু করে।
4. এটি ডেলিভারির সময়ের মত পরবর্তী প্রশ্নগুলোর উত্তর দেয়, এবং পরবর্তী পদক্ষেপের পরামর্শ দেয়।

প্রতিটি ধাপ একটি নির্ধারিত প্রক্রিয়া অনুসরণ করে, যেখানে ব্যবহারকারীর ইনপুট, প্রেক্ষাপট, চলমান গার্ডরেইল, এবং কমপ্লায়েন্স নিশ্চিত করতে গ্রাহক ও এজেন্ট উভয়ের প্রতিক্রিয়ার ভিত্তিতে রিয়েল টাইমে সিদ্ধান্ত নেওয়া হয়।

Antoniou বলেন, “মডেলটিকে বাধা, ব্যাকচ্যানেল এবং বিষয় পরিবর্তনের মধ্যেও প্রক্রিয়ার ধারাবাহিকতা বজায় রাখতে হয়, একই সঙ্গে প্রতিক্রিয়া তৈরির গতি দ্রুত রাখতে হয়। বেশিরভাগ প্রোভাইডার এটি এমনকি চেষ্টা করতেও পারেনি।”

Gradient Labs সবচেয়ে চ্যালেঞ্জিং পদ্ধতিগুলোর মাধ্যমে প্রোভাইডারদের মান যাচাই করে এবং তাদের ভাষায় যাকে বলা হয় ট্রাজেক্টরি নির্ভুলতা:সিস্টেমটি শুরু থেকে শেষ পর্যন্ত সঠিক পথ অনুসরণ করছে কি না, তার ভিত্তিতে মূল্যায়ন করে।

তাদের প্রাথমিক মূল্যায়নগুলোর একটিতে, GPT‑4.1‑ই একমাত্র মডেল ছিল যা 97% ট্রাজেক্টরি নির্ভুলতা ও ধারাবাহিকতায় পৌঁছেছিল। পরবর্তী সবচেয়ে কাছের প্রোভাইডার ছিল 88%।

Antoniou বলেন, “আর্থিক খাতের ক্ষেত্রে, এর অর্থ হলো, হয় আপনি কলটি সফলভাবে সমাধান করছেন, না হয় বড় কোনো আইনি জটিলতা তৈরি করছেন”।

এই ফলাফল থেকেই বোঝা যায় কেন Gradient Labs তাদের সিস্টেমটি এভাবে ডিজাইন করেছে। টিমটি একটি হাইব্রিড আর্কিটেকচার তৈরি করেছে যেখানে জটিল চিন্তাভাবনা বা যুক্তিনির্ভর কাজের জন্য তারা OpenAI মডেল ব্যবহার করে; আর দ্রুত এবং নির্দিষ্ট ফলাফল প্রয়োজন এমন কাজের জন্য ব্যবহার করে তুলনামূলক ছোট মডেল। পরিস্থিতি অনুযায়ী কাজের জটিলতা এবং ল্যাটেন্সির সীমাবদ্ধতা বিবেচনা করে এখানে রাউটিং পদ্ধতি ব্যবহার করা হয়।

অভ্যন্তরীণভাবে, সিস্টেমটি একটি কেন্দ্রীয় রিজনিং এজেন্টের মাধ্যমে পরিচালিত বিভিন্ন বিশেষায়িত দক্ষতা নিয়ে গঠিত, যার ফলে কোনো প্রসঙ্গের ব্যাঘাত না ঘটিয়েই জটিল কাজগুলো বিভিন্ন কর্মপ্রবাহতে সম্পন্ন করা সম্ভব হয়। 

প্রতিটি ইন্টারঅ্যাকশনের জন্য, 15টির বেশি গার্ডরেইল সিস্টেম সমান্তরালে চলে যাতে কথোপকথন নির্ধারিত প্রক্রিয়া ও কমপ্লায়েন্স সীমানার মধ্যে থাকে, এর মধ্যে রয়েছে আর্থিক পরামর্শ শনাক্তকরণ, দুর্বলতার সিগন্যাল, অভিযোগ, এবং যাচাই এড়িয়ে যাওয়া বা সংবেদনশীল ডেটায় প্রবেশের চেষ্টার মতো বিষয়গুলো। 

আর্থিক প্রতিষ্ঠানগুলো বিশ্বাসের ওপর এমন সিস্টেম চালু করে না। তাদের ধাপে ধাপে দেখতে হয়, বাস্তব পরিস্থিতিতে এটি সঠিকভাবে আচরণ করে কি না।

Antoniou বলেন, “হ্যালুসিনেশন যেন না হয়, সে লক্ষ্য নিয়েই আপনাকে একেবারে শুরু থেকে আর্কিটেকচার তৈরি করতে হবে। নির্মাণের সময় এটিই হওয়া উচিত মূল নীতি।”

নতুন ও বিদ্যমান উভয় মডেল মূল্যায়নের জন্য, দলটি বাস্তব গ্রাহক কথোপকথন পুনরায় চালায় এবং প্রত্যাশিত প্রক্রিয়ার সঙ্গে সিস্টেমের আচরণ তুলনা করে। কোনো কিছু ডিপ্লয় করার আগে তারা এজ কেস ও বিরল পরিস্থিতি পরীক্ষা করতে সিনথেটিক কথোপকথনও তৈরি করে।

Gradient Labs দলগুলোকে সিস্টেমটি কীভাবে চালু করা হবে, সে বিষয়ে নিয়ন্ত্রণও দেয়। তারা ঐতিহাসিক সাপোর্ট ডেটা বিশ্লেষণ করে বুঝে কোন ধরনের গ্রাহক সমস্যা একটি ব্যাংক সামলায় এবং কত ঘন ঘন সেগুলো ঘটে। এরপর দলগুলো বেছে নিতে পারে AI কোন কোন বিভাগ সামলাবে, কম ঝুঁকির কর্মপ্রবাহ দিয়ে শুরু করে সময়ের সাথে তা বাড়াতে পারে।

লাইভে যাওয়ার আগে, গ্রাহকেরা বিভিন্ন পরিস্থিতিতে সিস্টেম কীভাবে সাড়া দেয় তা পর্যালোচনা করতে কথোপকথন সিমুলেট করতে পারে, ফলে এটি প্রত্যাশা মতো আচরণ করে কি না সে বিষয়ে আস্থা তৈরি হয়। 

ডিপ্লয়মেন্ট সাধারণত অল্প শতাংশ ট্র্যাফিক দিয়ে শুরু হয়, যেখানে ধারাবাহিক মনিটরিং ও স্বয়ংক্রিয় পরীক্ষা এমন কথোপকথন চিহ্নিত করে যেগুলোর জন্য মানব পর্যালোচনা দরকার হতে পারে। সময়ের সাথে সাথে সিস্টেম ধারাবাহিক পারফরম্যান্স দেখালে কভারেজ বাড়ে।

Gradient Labs-এর গ্রাহকেরা 98% পর্যন্ত CSAT স্কোরের কথা জানিয়েছেন, যা কিছু ক্ষেত্রে তাদের সেরা মানব এজেন্টদেরও ছাড়িয়ে গেছে। বেশিরভাগ ডিপ্লয়মেন্ট প্রথম দিনেই 50%-এর বেশি রেজোলিউশন রেট দিয়ে শুরু হয়, এমনকি বিরোধ, অ্যাকাউন্ট যাচাই এবং জালিয়াতির মতো জটিল ওয়ার্কফ্লোতেও। 

এই প্রভাব কোম্পানির প্রবৃদ্ধিতেও প্রতিফলিত হয়েছে। গত এক বছরে Gradient Labs আয় 10 গুণেরও বেশি বাড়িয়েছে, ইনবাউন্ড সাপোর্ট থেকে আউটবাউন্ড এবং ব্যাক-অফিস প্রক্রিয়ায় সম্প্রসারণ করেছে।

ভবিষ্যতের দিকে তাকিয়ে, Gradient Labs এমন সিস্টেমের ওপর মনোযোগ দিচ্ছে যা ইন্টারঅ্যাকশনজুড়ে প্রেক্ষাপট বহন করতে পারে: গ্রাহকের ইতিহাস বোঝা, চলমান সমস্যা ট্র্যাক করা, এবং আগের কথোপকথন যেখানে শেষ হয়েছিল সেখান থেকে আবার শুরু করা। এই দিকটি OpenAI-এর সঙ্গে তাদের দীর্ঘমেয়াদি অংশীদারিত্ব নিয়ে Gradient Labs-এর ভাবনার সঙ্গে নিবিড়ভাবে সামঞ্জস্যপূর্ণ।

মডেলগুলো যত উন্নত হতে থাকবে, নিরাপদে স্বয়ংক্রিয় করা যায় এমন প্রক্রিয়ার পরিসরও তত বাড়বে। Gradient Labs-এর জন্য, এর মানে হলো এমন এক সিস্টেমের আরও কাছে যাওয়া যেখানে প্রতিটি গ্রাহক ইন্টারঅ্যাকশন শীর্ষমানের একজন মানব এজেন্টের মতোই একই ধারাবাহিকতা, বিবেচনা ও ধারাবাহিক সেবায় পরিচালিত হবে।