Gradient Labs annab igale pangakliendile AI kontohalduri

Panganduses on kliendiprobleemi lahendamine harva lihtne. Juhtumid nagu pettus või blokeeritud maksed nõuavad keerukate protseduuride ranget järgimist mitme meeskonna vahel. Kui süsteemid hätta jäävad, suunatakse kliendid meeskonnast meeskonda, nad ootavad järjekordades ja kogevad viivitusi just siis, kui panused on kõige suuremad.

Gradient Labs⁠(avaneb uues aknas) on loodud selle keerukusega toime tulema. Londonis asuv ettevõte arendab AI-agente, mis annavad igale pangakliendile personaalse kontohalduri kogemuse. Ettevõtte asutas meeskond, kes juhtis varem Monzos AI- ja andmealgatusi; selle platvorm põhineb OpenAI mudelitel ning nüüd viiakse tootlusliiklust üle GPT‑5.4 mini ja nano peale.

„Näeme GPT‑5.4 mini ja nano puhul 500-millisekundilist viidet, mis on täpselt see, mida vajame loomulike häälvestluste jaoks,” ütleb Danai Antoniou, Gradient Labsi kaasasutaja ja juhtivteadlane. „Viime sinna üle märkimisväärse osa oma töökoormusest.”

Panganduses juhivad kliendisuhtlust standardtööprotseduurid (SOP-id), mis määravad, mis peab igas etapis juhtuma.

Tüüpiline kliendisuhtlus võib välja näha nii.

1. Klient helistab, et teatada varastatud kaardist.
2. Süsteem kontrollib tema isikut, käsitledes parandusi ja katkestusi reaalajas.
3. Pärast kinnitamist külmutab see kaardi ja algatab asenduse.
4. See vastab järelküsimustele, näiteks kohaletoimetamise aja kohta, ja soovitab järgmisi samme.

Iga samm järgib määratud protseduuri ning otsused tehakse reaalajas kasutaja sisendi, konteksti, aktiivsete kaitsemehhanismide ning nii kliendi kui ka agendi vastuste põhjal, et tagada vastavusnõuete täitmine.

„Mudel peab hoidma protseduuri olekut katkestuste, taustsignaalide ja teemavahetuste jooksul, samal ajal kui vastuste genereerimine peab püsima kiire,” ütleb Antoniou. „Enamik pakkujaid ei suutnud seda isegi proovida.”

Gradient Labs võrdleb pakkujaid nende kõige keerukamate protseduuride põhjal ja hindab neid selle järgi, mida nad nimetavad trajektoori täpsuseks: kas süsteem järgib algusest lõpuni õiget rada.

Ühes nende esimestest hindamistest oli GPT‑4.1 ainus mudel, mis saavutas 97% trajektoori täpsuse ja järjepidevuse. Järgmine lähim pakkuja saavutas 88%.

„Finantsteenustes tähendab see vahet kõne lahendamise ja vastavusintsidendi tekitamise vahel,” ütleb Antoniou.

See tulemus kujundas seda, kuidas Gradient Labs oma süsteemi kavandas. Meeskond ehitas hübriidarhitektuuri, mis kasutab OpenAI mudeleid arutlusmahukate sammude jaoks ja väiksemaid mudeleid kiiremate, deterministlike ülesannete jaoks, koos suunamisega, mis kohandub keerukuse ja viitepiirangute järgi.

Süsteem koosneb sisemiselt spetsialiseeritud oskustest, mida orkestreerib keskne arutlusagent, võimaldades keerukatel juhtumitel liikuda töövoogude vahel ilma konteksti kaotamata. 

Iga suhtluse puhul töötab paralleelselt üle 15 kaitsemehhanismide süsteemi, et tagada vestluste püsimine määratud protseduuride ja vastavuspiiride sees, sealhulgas finantsnõu tuvastus, haavatavuse signaalid, kaebused ning katsed vältida isikusamasuse kontrolli või pääseda ligi tundlikele andmetele. 

Finantsasutused ei juuruta selliseid süsteeme pimesi usaldades. Nad peavad samm-sammult nägema, et süsteem käitub tegelikes tingimustes korrektselt.

„Hallutsinatsioonide vältimiseks tuleb arhitektuur üles ehitada algusest peale,” ütleb Antoniou. „See peab olema ehitamisel juhtpõhimõte.”

Nii uute kui ka olemasolevate mudelite hindamiseks mängib meeskond uuesti läbi päris kliendivestlusi ja võrdleb süsteemi käitumist oodatud protseduuriga. Samuti genereeritakse sünteetilisi vestlusi, et testida erijuhte ja haruldasi stsenaariume enne, kui midagi juurutatakse.

Gradient Labs annab meeskondadele ka kontrolli selle üle, kuidas süsteem kasutusele võetakse. Nad analüüsivad ajaloolisi toeandmeid, et kaardistada, milliseid kliendiprobleeme pank lahendab ja kui sageli neid esineb. Seejärel saavad meeskonnad valida, milliste kategooriatega AI peaks tegelema, alustades madalama riskiga töövoogudest ja laiendades neid aja jooksul.

Enne kasutuselevõttu saavad kliendid vestlusi simuleerida, et vaadata üle, kuidas süsteem eri stsenaariumides reageerib, kasvatades kindlustunnet, et see käitub ootuspäraselt. 

Juurutamine algab tavaliselt väikese osaga liiklusest ning pidev seire ja automaatsed kontrollid märgistavad vestlused, mis võivad vajada inimese ülevaatust. Aja jooksul katvus laieneb, kui süsteem näitab järjepidevalt head tulemuslikkust.

Gradient Labsi kliendid raporteerivad CSAT-skoore kuni 98%, ületades mõnel juhul oma parimaid inimagente. Enamik juurutusi alustab esimesel päeval üle 50% lahendusmääraga, isegi keerukate töövoogude puhul nagu vaidlused, konto kinnitamine ja pettus. 

See mõju kajastub ettevõtte kasvus. Gradient Labs on viimase aasta jooksul kasvatanud tulu enam kui 10 korda, laienedes sissetulevast toest väljaminevatesse ja back-office'i protsessidesse.

Tulevikku vaadates keskendub Gradient Labs süsteemidele, mis suudavad säilitada konteksti üle suhtluste: mõista kliendi ajalugu, jälgida käimasolevaid probleeme ja jätkata sealt, kus eelmised vestlused pooleli jäid. See suund on tihedalt kooskõlas sellega, kuidas Gradient Labs näeb oma pikaajalist partnerlust OpenAI-ga.

Kuna mudelid paranevad jätkuvalt, laieneb protseduuride hulk, mida saab turvaliselt automatiseerida. Gradient Labsi jaoks tähendab see lähenemist süsteemile, kus iga kliendisuhtlust käsitletakse sama järjepidevuse, otsustusvõime ja järjepidevusega nagu tipptasemel inimagendi puhul.