Gradient Labs му дава на секој банкарски клиент менаџер со ВИ

Во банкарството, решавањето на проблем на клиент ретко е едноставно. Случаи како измама или блокирани плаќања бараат строго придржување до сложени процедури во повеќе тимови. Кога системите не се доволни, клиентите се префрлаат меѓу тимови, чекаат во редици и се соочуваат со доцнења во моменти кога притисоците се најголеми.

Gradient Labs⁠(се отвора во нов прозорец) е изграден за да се справи со оваа сложеност. Компанијата со седиште во Лондон гради агенти со вештачка интелигенција што на секој банкарски клиент му го даваат искуството на посветен менаџер на сметка. Основана од тим што претходно ги водеше напорите за вештачка интелигенција и податоци во Monzo, платформата на компанијата е изградена врз модели на OpenAI и сега го префрла продукцискиот сообраќај на GPT‑5.4 mini и nano.

„Гледаме латенција од 500 милисекунди со GPT‑5.4 mini и nano, што е токму она што ни треба за природни гласовни разговори“, вели Danai Антониу, соосновач и главен научник во Gradient Labs. „Таму префрламе значителен дел од нашиот обем на работа.“

Во банкарството, интеракциите со клиентите се управуваат со стандардни оперативни процедури (SOP) што дефинираат што треба да се случи при секој чекор.

Типична интеракција со клиент може да изгледа вака:

1. Клиент се јавува за да пријави украдена картичка.
2. Системот го потврдува неговиот идентитет, справувајќи се со корекции и прекини во реално време.
3. Откако идентитетот е потврден, ја замрзнува картичката и започнува постапка за замена.
4. Одговара на дополнителни прашања, како на пример, кога ќе биде испорачана, и предлага следни чекори.

При секој чекор се следи дефинирана процедура, при што одлуките се носат во реално време врз основа на кориснички внес, контекст, активни заштитни механизми и одговорите и на клиентот и на агентот за да се обезбеди усогласеност.

„Моделот треба да ја одржува состојбата на процедурата низ прекини, попатни потврди и промени на темата, додека генерирањето одговори останува брзо“, вели Антониу. „Повеќето провајдери не можеа ни да се обидат.“

Gradient Labs ги споредува провајдерите според нивните најкомплексни процедури и ги оценува според она што тие го нарекуваат прецизност на траекторија: дали системот ја следи точната патека од почеток до крај.

Во една од нивните почетни евалуации, GPT‑4.1 беше единствениот модел што достигна 97% прецизност и конзистентност на траекторија. Следниот најблизок провајдер беше на 88%.

„Во финансиските услуги, тоа е разликата меѓу решавање повик и создавање инцидент со усогласеност“, вели Антониу.

Овој резултат влијаеше на тоа како Gradient Labs го дизајнираше својот систем. Тимот изгради хибридна архитектура што користи модели на OpenAI за чекори во кои се бара интензивно расудување и помали модели за побрзи, детерминистички задачи, со насочување што се приспособува според сложеноста и ограничувањата на латенцијаа.

Внатрешно, системот е составен од специјализирани вештини оркестрирани од централен агент со расудување, што им овозможува на сложените случаи да се движат во работните текови без да изгубат контекст. 

За секоја интеракција, 15+ системи за заштитни механизми работат паралелно за да обезбедат разговорите да останат во рамки на дефинираните процедури и граници на усогласеност, вклучувајќи детекција на финансиски совет, сигнали за ранливост, поплаки и обиди да се заобиколи верификацијата или да се пристапи до чувствителни податоци. 

Финансиските институции не воведуваат вакви системи на слепа доверба. Тие треба да видат, чекор по чекор, дека системот се однесува правилно во услови од реалниот свет.

„Мора да ја поставите архитектурата од темел за да нема халуцинации“, вели Антониу. „Тоа мора да биде водечкиот принцип додека градите.“

За да ги евалуира и новите и постојните модели, тимот повторно пушта вистински разговори со клиенти и го споредува однесувањето на системот со очекуваната процедура. Исто така, генерира и синтетички разговори за да тестира гранични случаи и ретки сценарија пред нешто да биде пуштено.

Gradient Labs исто така им дава на тимовите контрола врз тоа како системот се воведува. Тие анализираат историски податоци за поддршка за да ги мапираат видовите проблеми на клиенти со кои се справува една банка и колку често се појавуваат. Потоа тимовите можат да изберат со кои категории треба да се справува вештачката интелигенција, почнувајќи со работни текови со понизок ризик и проширувајќи со текот на времето.

Пред да биде активиран, клиентите можат да симулираат разговори за да прегледаат како системот одговара во различни сценарија, градејќи доверба дека се однесува како што се очекува. 

Распоредувањето обично почнува со мал процент од сообраќајот, при што континуираното следење и автоматизираните проверки означуваат разговори што може да бараат човечки преглед. Со текот на времето, опфатот се проширува како што системот покажува постојани перформанси.

Клиентите на Gradient Labs пријавуваат CSAT оценки и до 98%, а во некои случаи ги надминуваат нивните најдобри човечки агенти. Повеќето воведувања започнуваат со стапки на решавање над 50% уште првиот ден, дури и за сложени работни текови како што се спорови, верификација на сметка и измама. 

Тоа влијание се одразува во растот на компанијата. Gradient Labs ги зголеми приходите повеќе од 10 пати во изминатата година, проширувајќи се од влезна поддршка кон излезни и позадински процеси.

Гледајќи напред, Gradient Labs е фокусиран на системи што можат да пренесуваат контекст низ интеракции: да ја разбираат историјата на клиентот, да ги следат тековните проблеми и да продолжат таму каде што завршиле претходните разговори. Оваа насока е тесно усогласена со тоа како Gradient Labs размислува за своето долгорочно партнерство со OpenAI.

Како што моделите продолжуваат да се подобруваат, се проширува опсегот на процедури што може безбедно да се автоматизираат. За Gradient Labs, тоа значи приближување до систем во кој секоја интеракција со клиент се обработува со иста доследност, проценка и континуитет како од врвен човечки агент.