Gradient Labs dává každému klientovi banky AI správce účtu

V bankovnictví je vyřešení problému zákazníka jen zřídka jednoduché. Případy jako podvod nebo zablokované platby vyžadují přísné dodržování složitých postupů v rámci více týmů. Když systémy selžou, zákazníci jsou přeposíláni mezi týmy, čekají ve frontách a čelí prodlevám ve chvílích, kdy jde o nejvíc.

Společnost Gradient Labs⁠(otevře se v novém okně) je postavená na zvládání těchto složitých problémů. Společnost se sídlem v Londýně vyvíjí AI agenty, kteří každému klientovi banky nabízí vlastního bankéře. Platforma společnosti, založené týmem, který dříve vedl aktivity v oblasti AI a dat ve společnosti Monzo, stojí na modelech OpenAI a nyní přesouvá produkční provoz na GPT‑5.4 mini a nano.

„U GPT‑5.4 mini a nano zaznamenáváme latenci 500 milisekund, což je přesně to, co potřebujeme pro přirozené hlasové konverzace,“ říká Danai Antoniou, spoluzakladatelka a hlavní vědecká pracovnice ve Gradient Labs. „Přesouváme na ně významnou část naší zátěže.“

V bankovnictví se interakce se zákazníky řídí standardními operačními postupy (SOP), které definují, co se má stát v každém kroku.

Typická interakce se zákazníkem může vypadat takto:

1. Zákazník zavolá, aby nahlásil odcizenou kartu.
2. Systém ověří jeho identitu a v reálném čase zvládá opravy i přerušení.
3. Po ověření kartu zablokuje a zahájí vydání náhradní.
4. Odpoví na doplňující dotazy, například kdy bude doručena náhradní karta, a navrhne další kroky.

Každý krok se řídí definovaným postupem, přičemž rozhodnutí se dělají v reálném čase na základě vstupu uživatele, kontextu, aktivních ochranných mechanismů a reakcí zákazníka i agenta, aby byla zajištěna shoda s požadavky.

„Model musí udržovat stav postupu v případě přerušení, paralelní komunikace i změn tématu a zároveň zachovat rychlé generování odpovědí,“ říká Antoniou. „Většina poskytovatelů se o to ani nedokázala pokusit.“

Společnost Gradient Labs porovnává poskytovatele podle svých nejnáročnějších postupů a hodnotí je podle toho, co označuje jako přesnost trajektorie: toho, zda systém sleduje správnou cestu od začátku do konce.

V jednom z jejich počátečních hodnocení byl GPT‑4.1 jediným modelem, který dosáhl 97% přesnosti a konzistence trajektorie. Nejbližší další poskytovatel dosáhl 88 %.

„Ve finančních službách to představuje rozdíl mezi vyřešením hovoru a vznikem problému v oblasti dodržování předpisů,“ říká Antoniou.

Tento výsledek ovlivnil to, jak společnost Gradient Labs svůj systém navrhla. Tým vybudoval hybridní architekturu, která používá modely OpenAI pro kroky náročné na uvažování a menší modely pro rychlejší deterministické úlohy, se směřováním, které se přizpůsobuje podle složitosti a omezení latence.

Interně se systém skládá ze specializovaných dovedností organizovaných centrálním agentem s uvažováním, což umožňuje složitým případům přecházet mezi jednotlivými procesy bez ztráty kontextu. 

U každé interakce běží paralelně více než 15 bezpečnostních mechanismů, aby bylo zajištěno, že konverzace zůstávají v rámci definovaných postupů a požadavků na soulad s předpisy, včetně detekce finančního poradenství, signálů zranitelnosti, stížností a pokusů obejít ověření nebo získat přístup k citlivým datům. 

Finanční instituce takové systémy nezavádějí jen na základě důvěry. Potřebují krok za krokem vidět, že se v reálných podmínkách chovají správně.

„Musíte je od základu navrhnout tak, aby nedocházelo k halucinacím,“ říká Antoniou. „To musí být hlavní princip při vývoji.“

Aby tým vyhodnotil nové i stávající modely, přehrává skutečné zákaznické konverzace a porovnává chování systému s očekávaným postupem. Před nasazením čehokoli také generuje syntetické konverzace, aby otestoval hraniční případy a vzácné scénáře.

Společnost Gradient Labs také dává týmům kontrolu nad tím, jak je systém zaváděn. Analyzuje historická data podpory pro zmapování typů zákaznických problémů, které banka řeší, a toho, jak často se vyskytují. Týmy si pak mohou vybrat, které kategorie má AI řešit, začít s procesy s nižším rizikem a časem záběr rozšiřovat.

Před ostrým spuštěním mohou zákazníci simulovat konverzace a zkontrolovat, jak systém reaguje v různých scénářích, čímž získají jistotu, že se chová podle očekávání. 

Nasazení obvykle začíná na malém procentu provozu, přičemž průběžné monitorování a automatické kontroly označují konverzace, které mohou vyžadovat lidské posouzení. Postupně se pokrytí s tím, jak systém prokazuje konzistentní výkon, rozšiřuje.

Zákazníci Gradient Labs hlásí skóre CSAT až 98 % a v některých případech překonávají své nejlepší lidské agenty. Většina nasazení začíná už první den s více než 50% mírou vyřešení, a to i u složitých procesů, jako jsou spory, ověřování účtu a podvody. 

Tento dopad se odráží v růstu společnosti. Společnost Gradient Labs za poslední rok zvýšila tržby více než desetinásobně a rozšířila se z příchozí podpory na odchozí a back-office procesy.

Do budoucna se společnost Gradient Labs zaměřuje na systémy, které dokážou udržet kontext v rámci různých interakcí: rozumět historii zákazníka, sledovat probíhající problémy a navazovat tam, kde předchozí konverzace skončily. Tento směr úzce odpovídá tomu, jak Gradient Labs přemýšlí o svém dlouhodobém partnerství s OpenAI.

Tím, jak se modely dál zlepšují, rozšiřuje se i okruh postupů, které lze bezpečně automatizovat. Pro Gradient Labs to znamená přiblížení k systému, v němž je každá zákaznická interakce řešena se stejnou konzistencí, úsudkem a kontinuitou jako u špičkového lidského agenta.