Gradient Labs dá a cada cliente bancário um gerente com IA

No setor bancário, resolver o problema de um cliente raramente é simples. Casos como fraude ou pagamentos bloqueados exigem adesão rigorosa a procedimentos complexos entre várias equipes. Quando os sistemas falham, os clientes são transferidos entre equipes, esperam em filas e enfrentam atrasos justamente nos momentos em que há mais em jogo.

Gradient Labs⁠(abre em uma nova janela) foi criada para lidar com essa complexidade. A empresa sediada em Londres está desenvolvendo agentes de IA que oferecem a cada cliente bancário a experiência de um gerente de conta dedicado. Fundada por uma equipe que anteriormente liderou iniciativas de IA e dados no Monzo, a plataforma da empresa é construída com base em modelos da OpenAI e agora está migrando o tráfego de produção para GPT‑5.4 mini e nano.

“Estamos vendo latência de 500 milissegundos com GPT‑5.4 mini e nano, que é exatamente o que precisamos para conversas por voz naturais”, diz Danai Antoniou, cofundadora e cientista-chefe da Gradient Labs. “Estamos migrando uma parte significativa da nossa carga de trabalho.”

No setor bancário, as interações com clientes são regidas por procedimentos operacionais padrão (SOPs) que definem o que deve acontecer em cada etapa.

Uma interação típica com um cliente pode ser assim:

1. Um cliente liga para informar que seu cartão foi roubado.
2. O sistema verifica sua identidade, lidando com correções e interrupções em tempo real.
3. Após a verificação, ele bloqueia o cartão e inicia a substituição.
4. Ele responde a perguntas de acompanhamento, como prazo de entrega, e sugere os próximos passos.

Cada etapa segue um procedimento definido, com decisões tomadas em tempo real com base na entrada do usuário, no contexto, nas proteções em execução e nas respostas do cliente e do agente para garantir conformidade.

“O modelo precisa manter o estado do procedimento apesar de interrupções, sinais de escuta e mudanças de assunto, mantendo a geração de respostas rápida”, diz Antoniou. “A maioria dos provedores nem conseguia tentar.”

A Gradient Labs compara provedores com base em seus procedimentos mais desafiadores e os avalia pelo que chamam de precisão de trajetória: se o sistema segue o caminho correto do início ao fim.

Em uma de suas avaliações iniciais, o GPT‑4.1 foi o único modelo a atingir 97% de precisão e consistência de trajetória. O provedor seguinte mais próximo chegou a 88%.

“Em serviços financeiros, essa é a diferença entre resolver uma chamada e criar um incidente de conformidade”, diz Antoniou.

Esse resultado moldou a forma como a Gradient Labs projetou seu sistema. A equipe construiu uma arquitetura híbrida que usa modelos da OpenAI para etapas intensivas em raciocínio e modelos menores para tarefas mais rápidas e determinísticas, com roteamento que se adapta conforme a complexidade e as restrições de latência.

Internamente, o sistema é composto por habilidades especializadas orquestradas por um agente central de raciocínio, permitindo que casos complexos avancem por fluxos de trabalho sem perder contexto. 

Em cada interação, mais de 15 sistemas de proteção operam em paralelo para garantir que as conversas permaneçam dentro de procedimentos definidos e limites de conformidade, incluindo detecção de aconselhamento financeiro, sinais de vulnerabilidade, reclamações e tentativas de contornar a verificação ou acessar dados sensíveis. 

Instituições financeiras não implementam sistemas como esse na base da confiança. Elas precisam ver, passo a passo, que ele se comporta corretamente em condições do mundo real.

“É preciso arquitetar do zero para não haver alucinações”, diz Antoniou. “Esse precisa ser o princípio orientador durante a construção.”

Para avaliar modelos novos e existentes, a equipe reproduz conversas reais com clientes e compara o comportamento do sistema com o procedimento esperado. Eles também geram conversas sintéticas para testar casos extremos e cenários raros antes de qualquer implantação.

A Gradient Labs também dá às equipes controle sobre como o sistema é introduzido. Eles analisam dados históricos de suporte para mapear os tipos de problemas de clientes que um banco lida e com que frequência ocorrem. As equipes podem então escolher quais categorias a IA deve atender, começando por fluxos de trabalho de menor risco e expandindo com o tempo.

Antes de entrar em operação, os clientes podem simular conversas para revisar como o sistema responde em diferentes cenários, aumentando a confiança de que ele se comporta como esperado. 

A implantação normalmente começa com uma pequena porcentagem do tráfego, com monitoramento contínuo e verificações automatizadas sinalizando conversas que podem exigir revisão humana. Com o tempo, a cobertura se expande à medida que o sistema demonstra desempenho consistente.

Os clientes da Gradient Labs relatam pontuações de CSAT de até 98%, em alguns casos superando seus melhores agentes humanos. A maioria das implantações começa com taxas de resolução acima de 50% no primeiro dia, mesmo para fluxos complexos como disputas, verificação de conta e fraude. 

Esse impacto se reflete no crescimento da empresa. A Gradient Labs aumentou sua receita em mais de 10 vezes no último ano, expandindo do suporte receptivo para processos ativos e de back-office.

Olhando para o futuro, a Gradient Labs está focada em sistemas que possam manter o contexto entre interações: compreender o histórico de um cliente, acompanhar problemas em andamento e retomar de onde conversas anteriores pararam. Essa direção está intimamente alinhada à forma como a Gradient Labs pensa sua parceria de longo prazo com a OpenAI.

À medida que os modelos continuam a melhorar, a gama de procedimentos que podem ser automatizados com segurança se expande. Para a Gradient Labs, isso significa se aproximar de um sistema em que cada interação com o cliente seja tratada com a mesma consistência, discernimento e continuidade de um agente humano de primeira linha.