Gradient Labs berikan pengurus akaun AI bagi setiap pelanggan
Gradient Labs menggunakan GPT‑4.1 dan GPT‑5.4 mini dan nano untuk melaksanakan aliran kerja sokongan kewangan yang kompleks dengan ketepatan tinggi dan latensi rendah.
Hasil
10x
Pertumbuhan hasil
Hasil
98%
Kepuasan pelanggan terhadap pengalaman ejen AI
Hasil
+11%
Ketepatan lebih tinggi dengan GPT-4.1 berbanding penyedia terbaik seterusnya
Dalam perbankan, menyelesaikan isu pelanggan jarang sekali mudah. Kes seperti penipuan atau pembayaran yang disekat memerlukan pematuhan ketat terhadap prosedur yang kompleks merentas pelbagai pasukan. Apabila sistem tidak mencukupi, pelanggan dipindahkan antara pasukan, menunggu dalam barisan, dan menghadapi kelewatan pada saat yang paling genting.
Gradient Labs(dibuka dalam tetingkap baru) dibina untuk menangani kerumitan ini. Syarikat yang berpangkalan di London itu sedang membina ejen AI yang memberikan setiap pelanggan bank pengalaman seperti mempunyai pengurus akaun khusus. Diasaskan oleh satu pasukan yang sebelum ini mengetuai usaha AI dan data di Monzo, platform syarikat dibina berasaskan model OpenAI dan kini sedang mengalihkan trafik pengeluaran kepada GPT‑5.4 mini dan nano.
“Kami melihat kependaman 500 milisaat dengan GPT‑5.4 mini dan nano, yang tepat seperti yang diperlukan untuk perbualan suara semula jadi,” kata Danai Antoniou, Pengasas Bersama dan Ketua Saintis di Gradient Labs. “Kami sedang memindahkan sebahagian besar beban kerja kami.”
“Kami memerlukan tiga perkara secara serentak: ketepatan dalam mengikuti arahan, kadar halusinasi yang rendah, dan kebolehpercayaan pemanggilan fungsi, semuanya di bawah kekangan latensi suara.” OpenAI ialah satu-satunya penyedia yang lulus dalam ketiga-tiganya.”
Dalam perbankan, interaksi pelanggan dikawal oleh prosedur operasi standard (SOP) yang mentakrifkan apa yang sepatutnya berlaku pada setiap langkah.
Interaksi pelanggan yang biasa mungkin kelihatan seperti ini:
- Seorang pelanggan menelefon untuk melaporkan kad yang dicuri.
- Sistem mengesahkan identiti mereka, sambil mengendalikan pembetulan dan gangguan dalam masa nyata.
- Setelah disahkan, sistem akan membekukan kad dan memulakan proses penggantian.
- Ia menjawab soalan susulan, seperti masa penghantaran, dan mencadangkan langkah seterusnya.
Setiap langkah mengikuti prosedur yang ditetapkan, dengan keputusan dibuat dalam masa nyata berdasarkan input pengguna, konteks, kawalan yang sedang berjalan, serta respons pelanggan dan ejen untuk memastikan pematuhan.
“Model perlu mengekalkan keadaan prosedur merentasi gangguan, saluran balas, dan pertukaran topik sambil memastikan penjanaan respons kekal pantas,” kata Antoniou. “Kebanyakan penyedia tidak dapat mencubanya langsung.”
Gradient Labs menanda aras penyedia berdasarkan prosedur mereka yang paling mencabar dan menilai mereka berdasarkan apa yang mereka panggil ketepatan trajektori: sama ada sistem itu mengikuti laluan yang betul dari mula hingga akhir.
Dalam salah satu penilaian awal mereka, GPT‑4.1 merupakan satu-satunya model yang mencapai 97% ketepatan dan konsistensi trajektori. Penyedia yang seterusnya paling hampir ialah 88%.
“Dalam perkhidmatan kewangan, itulah perbezaan antara menyelesaikan panggilan dengan mencetuskan insiden pematuhan,” kata Antoniou.
Hasil ini membentuk cara Gradient Labs mereka bentuk sistemnya. Pasukan itu membina seni bina hibrid yang menggunakan model OpenAI untuk langkah yang intensif penaakulan dan model yang lebih kecil untuk tugas yang lebih pantas dan deterministik, dengan penghalaan yang menyesuaikan diri berdasarkan kerumitan dan kekangan kependaman.
Secara dalaman, sistem ini terdiri daripada kemahiran khusus yang diorkestrakan oleh ejen penaakulan pusat, membolehkan kes kompleks bergerak merentasi aliran kerja tanpa kehilangan konteks.
Bagi setiap interaksi, 15 atau lebih sistem pengehad kawalan berjalan secara selari untuk memastikan perbualan kekal dalam prosedur yang ditetapkan dan batasan pematuhan, termasuk pengesanan nasihat kewangan, isyarat kelemahan, aduan, serta cubaan untuk memintas pengesahan atau mengakses data sensitif.
Institusi kewangan tidak melaksanakan sistem seperti ini semata-mata atas dasar kepercayaan. Mereka perlu melihat, langkah demi langkah, bahawa ia berfungsi dengan betul dalam keadaan dunia sebenar.
“Anda perlu mereka bentuk dari asas untuk mengelakkan halusinasi,” kata Antoniou. “Itu perlu menjadi prinsip panduan semasa anda membangunkan sesuatu.”
Untuk menilai kedua-dua model baharu dan sedia ada, pasukan itu memainkan semula perbualan pelanggan sebenar dan membandingkan tingkah laku sistem dengan prosedur yang dijangkakan. Mereka juga menjana perbualan sintetik untuk menguji kes tepi dan senario yang jarang berlaku sebelum apa-apa disebarkan.
Gradient Labs juga memberikan pasukan kawalan terhadap cara sistem diperkenalkan. Mereka menganalisis data sokongan sejarah untuk memetakan jenis isu pelanggan yang dikendalikan oleh bank serta kekerapan isu tersebut berlaku. Pasukan kemudian boleh memilih kategori yang patut dikendalikan oleh AI, bermula dengan aliran kerja berisiko rendah dan memperluaskannya dari semasa ke semasa.
Sebelum disiarkan secara langsung, pelanggan boleh mensimulasikan perbualan untuk menyemak cara sistem memberi respons merentas senario yang berbeza, sekali gus membina keyakinan bahawa sistem itu berfungsi seperti yang dijangkakan.
Pelaksanaan biasanya bermula dengan peratusan kecil trafik, dengan pemantauan berterusan dan semakan automatik yang menandakan perbualan yang mungkin memerlukan penilaian manusia. Secara berperingkat, liputan diperluas apabila sistem menunjukkan prestasi yang konsisten.
Pelanggan Gradient Labs melaporkan skor CSAT setinggi 98%, dan dalam sesetengah kes, mengatasi prestasi ejen manusia terbaik mereka. Kebanyakan pelaksanaan bermula dengan kadar penyelesaian melebihi 50% pada hari pertama, walaupun untuk aliran kerja yang kompleks seperti pertikaian, pengesahan akaun, dan penipuan.
Kesan itu tercermin dalam pertumbuhan syarikat. Gradient Labs telah meningkatkan hasil lebih daripada 10 kali ganda sepanjang tahun lalu, berkembang daripada sokongan masuk kepada proses keluar dan pejabat belakang.
Pada masa hadapan, Gradient Labs memberi tumpuan kepada sistem yang dapat mengekalkan konteks merentas interaksi: memahami sejarah pelanggan, menjejaki isu yang sedang berlangsung, dan menyambung semula dari perbualan sebelumnya. Hala tuju ini selaras dengan cara Gradient Labs memikirkan tentang perkongsian jangka panjangnya dengan OpenAI.
“Kami bukan hanya memilih model untuk hari ini.” Kami sedang membina di atas platform yang membolehkan kami melihat trajektori model penaakulan menuju ke arah yang sama seperti produk kami.”
Apabila model terus bertambah baik, julat prosedur yang boleh diautomasi dengan selamat turut berkembang. Bagi Gradient Labs, itu bermaksud bergerak lebih dekat kepada sistem di mana setiap interaksi pelanggan dikendalikan dengan konsistensi, penilaian, dan kesinambungan yang sama seperti ejen manusia bertaraf tinggi.
