வங்கி வாடிக்கையாளருக்கு, AI கணக்கு மேலாளரை வழங்கும் Gradient Labs

வங்கித் துறையில், ஒரு வாடிக்கையாளர் பிரச்சினையைத் தீர்ப்பது அரிதாகவே எளிதாக இருக்கும். மோசடி அல்லது தடுக்கப்பட்ட கட்டணங்கள் போன்ற வழக்குகள், பல குழுக்களுக்கிடையில் சிக்கலான செயல்முறைகளை கடுமையாகப் பின்பற்ற வேண்டும். அமைப்புகள் குறைவாக இருந்தால், வாடிக்கையாளர்கள் குழுக்களுக்கிடையில் மாற்றப்படுகிறார்கள், வரிசையில் காத்திருக்கிறார்கள், மேலும் மிகவும் முக்கியமான தருணங்களில் தாமதங்களைச் சந்திக்கிறார்கள்.

Gradient Labs⁠(புதிய சாளரத்தில் திறக்கும்) இந்தச் சிக்கல்களை கையாள உருவாக்கப்பட்டது. லண்டனைத் தளமாகக் கொண்ட இந்த நிறுவனம், ஒவ்வொரு வங்கி வாடிக்கையாளருக்கும் ஒரு அர்ப்பணிப்புள்ள கணக்கு மேலாளரின் அனுபவத்தை வழங்கும் AI ஏஜென்ட்களை உருவாக்கி வருகிறது. முன்பு Monzo-வில் AI மற்றும் தரவு முயற்சிகளை வழிநடத்திய குழுவால் நிறுவப்பட்ட இந்த நிறுவனத்தின் தளம் OpenAI மாடல்களை அடிப்படையாகக் கொண்டது. தற்போது அது GPT‑5.4 mini மற்றும் nano-க்கு தயாரிப்பு டிராஃபிக்கை மாற்றி வருகிறது.

“GPT‑5.4 mini மற்றும் nano-வுடன் 500 மில்லிவிநாடி தாமதத்தைப் பார்க்கிறோம். இயல்பான வாய்ஸ் கன்வர்சேஷன்ஸ்க்கு எங்களுக்கு தேவைப்படுவது அதுவே,” என்று Gradient Labs-ի இணை நிறுவனர் மற்றும் தலைமை விஞ்ஞானி Danai Antoniou கூறுகிறார். “எங்கள் பணிச்சுமையின் குறிப்பிடத்தக்க பகுதியை அதற்கே மாற்றி வருகிறோம்.”

வங்கித் துறையில், வாடிக்கையாளர் தொடர்புகள் ஒவ்வொரு கட்டத்திலும் என்ன நடக்க வேண்டும் என்பதை வரையறுக்கும் standard operating procedures (SOPs) மூலம் நிர்வகிக்கப்படுகின்றன.

ஒரு சாதாரண வாடிக்கையாளர் தொடர்பு இவ்வாறு இருக்கலாம்:

1. ஒரு வாடிக்கையாளர் திருடப்பட்ட கார்டைப் பற்றி தெரிவிக்க அழைக்கிறார்.
2. அமைப்பு, திருத்தங்களையும் இடையூறுகளையும் நேரடியாக கையாண்டு, அவர்களின் அடையாளத்தைச் சரிபார்க்கிறது.
3. சரிபார்த்த பிறகு, அது கார்டை முடக்கி மாற்று கார்டு வழங்குவதைத் தொடங்குகிறது.
4. டெலிவரி எப்போது வரும் போன்ற தொடர்ச்சிக் கேள்விகளுக்கு பதிலளித்து, அடுத்த படிகளை பரிந்துரைக்கிறது.

ஒவ்வொரு படியும் வரையறுக்கப்பட்ட செயல்முறையைப் பின்பற்றுகிறது. இணக்கத்தை உறுதிப்படுத்த, பயனர் உள்ளீடு, சூழல், இயங்கும் guardrails, மற்றும் வாடிக்கையாளர், ஏஜென்ட் பதில்கள் ஆகியவற்றின் அடிப்படையில் நேரடியாக முடிவுகள் எடுக்கப்படுகின்றன.

“பதில் உருவாக்கத்தை வேகமாக வைத்திருக்கும்போது, இடையூறுகள், backchannels, மற்றும் தலைப்பு மாற்றங்கள் ஆகியவற்றுக்கு இடையிலும் மாடல் செயல்முறை நிலையைத் தக்கவைக்க வேண்டும்,” என்று Antoniou கூறுகிறார். “பெரும்பாலான வழங்குநர்கள் அதை முயற்சிக்கவே முடியவில்லை.”

Gradient Labs, தங்களின் மிகச் சவாலான செயல்முறைகளில் வழங்குநர்களை benchmark செய்து, அவர்கள் trajectory accuracy என்று அழைப்பதின் அடிப்படையில் மதிப்பிடுகிறது: அமைப்பு தொடக்கம் முதல் முடிவு வரை சரியான பாதையைப் பின்பற்றுகிறதா என்பதை.

அவர்களின் தொடக்க eval-களில் ஒன்றில், 97% trajectory accuracy மற்றும் consistency-ஐ எட்டிய ஒரே மாடல் GPT‑4.1 தான். அதற்கு அடுத்ததாக இருந்த வழங்குநர் 88% மட்டுமே பெற்றார்.

“நிதிச் சேவைகளில், அது ஒரு அழைப்பைத் தீர்ப்பதற்கும் ஒரு compliance incident-ஐ உருவாக்குவதற்கும் உள்ள வித்தியாசம்,” என்று Antoniou கூறுகிறார்.

இந்த முடிவு, Gradient Labs தனது அமைப்பை எப்படி வடிவமைத்தது என்பதை நிர்ணயித்தது. குழு, ரீஸனிங் அதிகமாக தேவைப்படும் படிகளுக்கு OpenAI மாடல்களையும், வேகமான, deterministic பணிகளுக்கு சிறிய மாடல்களையும் பயன்படுத்தும் hybrid architecture-ஐ உருவாக்கியது. சிக்கல்தன்மை மற்றும் latency கட்டுப்பாடுகளின் அடிப்படையில் தழுவும் routing-மும் இதில் உள்ளது.

உள்ளகமாக, இந்த அமைப்பு மைய ரீஸனிங் ஏஜென்ட் மூலம் ஒருங்கிணைக்கப்படும் சிறப்பு திறன்களால் ஆனது. இதனால் சிக்கலான வழக்குகள் சூழலை இழக்காமல் பல பணியோட்டங்களில் நகர முடிகிறது. 

ஒவ்வொரு தொடர்புக்கும், உரையாடல்கள் வரையறுக்கப்பட்ட செயல்முறைகள் மற்றும் இணக்க எல்லைகளுக்குள் இருப்பதை உறுதிப்படுத்த 15+ guardrail அமைப்புகள் இணையாக இயங்குகின்றன. இதில் நிதி ஆலோசனை கண்டறிதல், பாதிப்பு சிக்னல்கள், புகார்கள், மற்றும் சரிபார்ப்பை மீறவோ நுணுக்கமான தரவை அணுகவோ செய்யும் முயற்சிகள் அடங்கும். 

நிதி நிறுவனங்கள் இத்தகைய அமைப்புகளை வெறும் நம்பிக்கையின் அடிப்படையில் பயன்படுத்துவதில்லை. நிஜ உலகச் சூழலில் அது சரியாக நடக்கிறது என்பதை அவர்கள் படிப்படியாகக் காண வேண்டும்.

“மாயத் தகவல்கள் இல்லாததாக இருக்க, அடிப்படையிலிருந்து architecture-ஐ உருவாக்க வேண்டும்,” என்று Antoniou கூறுகிறார். “நீங்கள் கட்டும் முழு செயல்முறையிலும் அதுவே வழிகாட்டும் கொள்கையாக இருக்க வேண்டும்.”

புதிய மற்றும் தற்போதைய மாடல்களை மதிப்பிட, குழு உண்மையான வாடிக்கையாளர் உரையாடல்களை மீண்டும் இயக்கி, அமைப்பின் நடத்தையை எதிர்பார்க்கப்படும் செயல்முறையுடன் ஒப்பிடுகிறது. மேலும் எதையும் நடைமுறைப்படுத்தும் முன், edge case-கள் மற்றும் அரிய சூழல்களைச் சோதிக்க synthetic உரையாடல்களையும் உருவாக்குகிறது.

அமைப்பு எப்படி அறிமுகப்படுத்தப்பட வேண்டும் என்பதிலும் Gradient Labs குழுக்களுக்கு கட்டுப்பாட்டை வழங்குகிறது. ஒரு வங்கி கையாளும் வாடிக்கையாளர் பிரச்சினைகளின் வகைகளையும் அவை எவ்வளவு அடிக்கடி நிகழ்கின்றன என்பதையும் வரைபடமிட, அவர்கள் வரலாற்று ஆதரவு தரவை பகுப்பாய்வு செய்கிறார்கள். அதன் பிறகு, குறைந்த ஆபத்துள்ள பணியோட்டங்களிலிருந்து தொடங்கி, காலப்போக்கில் விரிவுபடுத்தும் வகையில், AI எந்த வகைகளை கையாள வேண்டும் என்பதை குழுக்கள் தேர்வு செய்யலாம்.

நேரலையில் செல்லும் முன், பல்வேறு சூழல்களில் அமைப்பு எப்படி பதிலளிக்கிறது என்பதை மதிப்பாய்வு செய்ய, வாடிக்கையாளர்கள் உரையாடல்களை simulation செய்யலாம். இதனால் அது எதிர்பார்த்தபடி செயல்படுகிறது என்ற நம்பிக்கை உருவாகிறது. 

வெளியீடு பொதுவாக குறைந்த சதவீத டிராஃபிக்குடன் தொடங்குகிறது. தொடர்ச்சியான கண்காணிப்பும் தானியங்கி சரிப்பார்ப்புகளும் மனித மதிப்பாய்வு தேவைப்படக்கூடிய உரையாடல்களை குறிக்கின்றன. காலப்போக்கில், அமைப்பு நிலையான செயல்திறனை நிரூபிக்கும் போது அதன் கவரேஜ் விரிவடைகிறது.

Gradient Labs-இன் வாடிக்கையாளர்கள் 98% வரை CSAT மதிப்பெண்களை அறிவிக்கிறார்கள். சில சமயங்களில், அவர்கள் சிறந்த மனித ஏஜென்ட்களைவிடவும் மேல் செயல்படுகிறது. பெரும்பாலான வெளியீடுகள் முதல் நாளிலேயே 50%-ஐ மீறும் தீர்வு விகிதத்துடன் தொடங்குகின்றன; இதில் disputes, account verification, மற்றும் fraud போன்ற சிக்கலான பணியோட்டங்களும் அடங்கும். 

அந்த தாக்கம் நிறுவனத்தின் வளர்ச்சியிலும் பிரதிபலிக்கிறது. கடந்த ஆண்டில் Gradient Labs தனது வருவாயை 10 மடங்குக்கும் மேலாக உயர்த்தியுள்ளது. inward support-இலிருந்து outbound மற்றும் back-office செயல்முறைகளுக்குப் பரவியுள்ளது.

எதிர்காலத்தை நோக்கி, தொடர்புகளுக்கிடையே சூழலைத் தொடர்ந்து எடுத்துச் செல்லும் அமைப்புகளில் Gradient Labs கவனம் செலுத்துகிறது: வாடிக்கையாளரின் வரலாற்றைப் புரிந்துகொள்வது, நடந்து கொண்டிருக்கும் பிரச்சினைகளை கண்காணிப்பது, மற்றும் முந்தைய உரையாடல்கள் முடிந்த இடத்திலிருந்து மீண்டும் தொடங்குவது. இந்த திசை, OpenAI உடனான தனது நீண்டகால கூட்டாண்மையை Gradient Labs எப்படி பார்க்கிறது என்பதுடன் நெருக்கமாக ஒத்துப்போகிறது.

மாடல்கள் தொடர்ந்து மேம்படுவதால், பாதுகாப்பாக தானியக்கப்படுத்தக்கூடிய செயல்முறைகளின் வரம்பும் விரிவடைகிறது. Gradient Labs-க்கு, அதாவது ஒவ்வொரு வாடிக்கையாளர் தொடர்பும் சிறந்த மனித ஏஜென்ட்டின் ஒரே மாதிரியான தொடர்ச்சி, தீர்மானம், மற்றும் நிலைத்தன்மையுடன் கையாளப்படும் அமைப்பை நோக்கி மேலும் நெருங்குவது.