Gradient Labs-ը ամեն բանկային հաճախորդի տալիս է AI հաշվի մենեջեր
Gradient Labs-ը օգտագործում է GPT‑4.1 և GPT‑5.4 mini ու nano՝ բարդ ֆինանսական աջակցության հոսքերը բարձր ճշգրտությամբ և ցածր ուշացմամբ վարելու համար։
Արդյունքներ
10x
Եկամտի աճ
Արդյունքներ
98%
Հաճախորդների գոհունակություն AI ագենտի փորձից
Արդյունքներ
+11%
Ավելի բարձր ճշգրտություն GPT-4.1-ով՝ հաջորդ լավագույն մատակարարի համեմատ
Բանկային ոլորտում հաճախորդի խնդիրը լուծելը հազվադեպ է պարզ լինում։ Խարդախության կամ արգելափակված վճարումների նման դեպքերը պահանջում են խստորեն հետևել բարդ ընթացակարգերի՝ մի քանի թիմերի մասնակցությամբ։ Երբ համակարգերը թերի են աշխատում, հաճախորդների խնդիրը փոխանցում են թիմից թիմ, նրանք սպասում են հերթերում և բախվում ուշացումների հենց այն պահին, երբ կարևորությունը ամենաբարձրն է։
Gradient Labs(բացվում է նոր պատուհանում)-ը ստեղծվել է այս բարդությունը կառավարելու համար։ Լոնդոնում հիմնված ընկերությունը ստեղծում է AI ագենտներ, որոնք յուրաքանչյուր բանկային հաճախորդի տալիս են անձնական հաշվի մենեջերի փորձառություն։ Ընկերությունը հիմնադրվել է մի թիմի կողմից, որը նախկինում ղեկավարել է Monzo-ի AI-ի և տվյալների ուղղությունները, իսկ դրա հարթակը կառուցված է OpenAI մոդելների վրա և այժմ արտադրական տրաֆիկը տեղափոխում է GPT‑5.4 mini և nano։
«Մենք GPT‑5.4 mini և nano-ով տեսնում ենք 500 միլիվայրկյան ուշացում, ինչը հենց այն է, ինչ մեզ պետք է բնական ձայնային զրույցների համար»,- ասում է Gradient Labs-ի համահիմնադիր և գլխավոր գիտաշխատող Դանայ Անտոնիուն։ «Մենք տեղափոխում ենք մեր ծանրաբեռնվածության զգալի մասը»։
«Մեզ միաժամանակ պետք էին երեք բան՝ հրահանգներին հետևելու ճշգրտություն, հալյուցինացիաների ցածր մակարդակ և ֆունկցիաների կանչի հուսալիություն՝ այս ամենը ձայնային ուշացման սահմանափակումների պայմաններում։ OpenAI-ն միակ մատակարարն էր, որ երեքով կետով էլ համապատասխանում էր»։
Բանկային ոլորտում հաճախորդների հետ փոխգործակցությունները կարգավորվում են ստանդարտ գործառնական ընթացակարգերով (SOP), որոնք սահմանում են, թե ինչ պետք է տեղի ունենա յուրաքանչյուր քայլում։
Հաճախորդի ամենասովորական փոխգործակցությունը կարող է հետևյալը լինել․
- Հաճախորդը զանգահարում է՝ հայտնելու գողացված քարտի մասին։
- Համակարգը հաստատում է նրա ինքնությունը՝ իրական ժամանակում մշակելով ուղղումներն ու ընդհատումները։
- Հաստատումից հետո այն սառեցնում է քարտը և նախաձեռնում փոխարինումը։
- Այն պատասխանում է հարցերին, օրինակ՝ առաքման ժամկետների մասին, և առաջարկում հաջորդ քայլերը։
Յուրաքանչյուր քայլ հետևում է սահմանված ընթացակարգի, իսկ որոշումները կայացվում են իրական ժամանակում՝ օգտատիրոջ մուտքագրած տեղեկության, համատեքստի, գործող սահմանափակումների, ինչպես նաև հաճախորդի և ագենտի պատասխանների հիման վրա՝ համապատասխանությունն ապահովելու համար։
«Մոդելը պետք է հիշի, թե ընթացքի որ փուլում է ընդհատումների, հետադարձ արձագանքների և թեմայի փոփոխությունների պայմաններում՝ միաժամանակ պահպանելով պատասխանի արագ գեներացումը»,- ասում է Անտոնիուն։ «Մատակարարների մեծ մասն անգամ մոտիկ չէին դրան»։
Gradient Labs-ը մատակարարներին համեմատում է իրենց ամենաբարդ ընթացակարգերով և գնահատում այն չափանիշով, որը նրանք անվանում են տրաեկտորիայի ճշգրտություն՝ արդյոք համակարգը սկզբից մինչև վերջ հետևում է ճիշտ ուղուն։
Նրանց սկզբնական գնահատումներից մեկում GPT‑4.1‑ը միակ մոդելն էր, որ հասավ տրաեկտորիայի 97% ճշգրտության և հետևողականության։ Հաջորդ ամենամոտ մատակարարը՝ 88%։
«Ֆինանսական ծառայություններում դա է տարբերությունը զանգի խնդիրը լուծելու և կանոնակարգային խախտման միջադեպ ստեղծելու միջև»,- ասում է Անտոնիուն։
Այս արդյունքը ձևավորեց, թե ինչպես Gradient Labs-ը նախագծեց իր համակարգը։ Թիմը կառուցեց հիբրիդային ճարտարապետություն, որն օգտագործում է OpenAI մոդելներ՝ հիմնավորում պահանջող քայլերի համար, և ավելի փոքր մոդելներ՝ ավելի արագ, դետերմինացված առաջադրանքների համար, ինչպես նաև երթուղավորում, որը հարմարվում է բարդության և ուշացման սահմանափակումներին։
Ներքին առումով համակարգը բաղկացած է մասնագիտացված հմտություններից, որոնք կառավարվում են կենտրոնական հիմնավորման ագենտի կողմից, ինչը բարդ դեպքերին թույլ է տալիս շարժվել տարբեր հոսքերի միջև՝ առանց համատեքստը կորցնելու։
Յուրաքանչյուր փոխգործակցության համար 15+ սահմանապահ համակարգեր աշխատում են զուգահեռ՝ ապահովելու համար, որ զրույցները մնան սահմանված ընթացակարգերի և համապատասխանության սահմանների ներսում՝ ներառյալ ֆինանսական խորհրդատվության հայտնաբերումը, խոցելիության ազդակները, բողոքները և հաստատումը շրջանցելու կամ զգայուն տվյալների հասանելիություն ստանալու փորձերը։
Ֆինանսական հաստատությունները նման համակարգեր չեն ներդնում միայն վստահելով։ Նրանք պետք է տեսնեն քայլ առ քայլ, որ այն ճիշտ է գործում իրական աշխարհի պայմաններում։
«Պետք է ճարտարապետությունը սկզբից կառուցես այնպես, որ հալյուցինացիաներ չլինեն»,- ասում է Անտոնիուն։ «Դա պետք է լինի առաջնորդող սկզբունքը, երբ կառուցում ես համակարգը»։
Թիմը նոր և արդեն առկա մոդելները գնահատելու համար նորից է նվագարկում իրական հաճախորդների խոսակցությունները և համեմատում համակարգի վարքն ակնկալվող ընթացակարգի հետ։ Նրանք նաև ստեղծում են սինթետիկ խոսակցություններ՝ եզրային դեպքերն ու հազվադեպ սցենարները ստուգելու համար նախքան որևէ բան ներդնելը։
Gradient Labs-ը նաև թիմերին տալիս է վերահսկողություն, թե ինչպես է համակարգը ներկայացվում։ Նրանք վերլուծում են աջակցության նախկին տվյալները՝ քարտեզագրելու համար, թե հաճախորդների ինչ տեսակի խնդիրներ է բանկը մշակում և որքան հաճախ են դրանք առաջանում։ Այնուհետև թիմերը կարող են ընտրել, թե որ կատեգորիաները պետք է մշակի AI-ը՝ սկսելով ավելի ցածր ռիսկով հոսքերից և ժամանակի ընթացքում ընդլայնելով։
Գործարկումից առաջ հաճախորդները կարող են մոդելավորել զրույցներ՝ տարբեր սցենարներում տեսնելու, թե ինչպես է համակարգը արձագանքում, և վստահություն ձևավորելու, որ այն դրսևորում է ակնկալելի վարքագիծ։
Տեղակայումը սովորաբար սկսվում է տրաֆիկի փոքր տոկոսից, իսկ շարունակական մոնիթորինգն ու ավտոմատ ստուգումները նշում են այն խոսակցությունները, որոնք կարող են պահանջել մարդու վերանայում։ Ժամանակի ընթացքում ծածկույթն ընդլայնվում է, քանի որ համակարգը ցույց է տալիս կայուն կատարողականություն։
Gradient Labs-ի հաճախորդները հայտնում են CSAT գնահատականներ՝ մինչև 98%, և որոշ դեպքերում գերազանցում են իրենց լավագույն օպերատորներին։ Տեղակայումների մեծ մասը սկսվում է առաջին իսկ օրը 50%-ից բարձր լուծման մակարդակներով՝ նույնիսկ բարդ հոսքերի համար, ինչպիսիք են վեճերը, հաշվի հաստատումը և խարդախությունը։
Այդ ազդեցությունն արտացոլվում է ընկերության աճում։ Անցած տարվա ընթացքում Gradient Labs-ը եկամուտն ավելացրել է ավելի քան 10 անգամ՝ ներգնա աջակցությունից ընդլայնվելով դեպի ելքային և back-office գործընթացներ։
Նայելով առաջ՝ Gradient Labs-ը կենտրոնացած է համակարգերի վրա, որոնք կարող են պահել համատեքստը տարբեր փոխգործակցությունների միջև՝ հասկանալ հաճախորդի պատմությունը, հետևել ընթացիկ խնդիրներին և շարունակել այնտեղից, որտեղ նախորդ խոսակցություններն ավարտվել էին։ Այս ուղղությունը սերտորեն համընկնում է այն բանի հետ, թե ինչպես է Gradient Labs-ը պատկերացնում OpenAI-ի հետ իր երկարաժամկետ գործընկերությունը։
«Մենք պարզապես այսօրվա համար մոդել չենք ընտրում։ Մենք կառուցում ենք մի հարթակ, որտեղ տեսնում ենք, որ հիմնավորման մոդելների տրաեկտորիան գնում է նույն ուղղությամբ, ինչ մեր արտադրանքը»։
Քանի որ մոդելները շարունակում են բարելավվել, անվտանգ ավտոմատացվող ընթացակարգերի շրջանակն ընդլայնվում է։ Gradient Labs-ի համար դա նշանակում է ավելի մոտենալ մի համակարգի, որտեղ հաճախորդի յուրաքանչյուր փոխգործակցություն մշակվում է նույն հետևողականությամբ, դատողությամբ և շարունակականությամբ, ինչ լավագույն օպերատորի դեպքում։
