Gradient Labs มอบผู้จัดการบัญชี AI ให้ลูกค้าธนาคารทุกคน

ในธุรกิจธนาคาร การแก้ไขปัญหาของลูกค้ามักไม่ใช่เรื่องง่าย กรณีอย่างการทุจริตหรือการชำระเงินที่ถูกระงับ จำเป็นต้องปฏิบัติตามขั้นตอนที่ซับซ้อนอย่างเคร่งครัด และต้องประสานงานระหว่างหลายทีม เมื่อระบบไม่สามารถรองรับได้อย่างเพียงพอ ลูกค้าจึงถูกส่งต่อไปมาระหว่างทีม ต้องรอคิว และเผชิญกับความล่าช้าในช่วงเวลาที่สถานการณ์มีความสำคัญสูงสุด

Gradient Labs⁠(เปิดในหน้าต่างใหม่) ถูกพัฒนาขึ้นเพื่อรองรับความซับซ้อนดังกล่าว บริษัทซึ่งมีสำนักงานใหญ่ในลอนดอนกำลังสร้างเอเจนต์ AI ที่มอบประสบการณ์เสมือนมีผู้จัดการบัญชีส่วนตัวให้กับลูกค้าธนาคารทุกคน ก่อตั้งโดยทีมงานที่เคยเป็นผู้นำด้าน AI และข้อมูลที่ Monzo แพลตฟอร์มของบริษัทถูกพัฒนาบนโมเดลของ OpenAI และขณะนี้กำลังย้ายทราฟฟิกการใช้งานจริงไปยัง GPT‑5.4 รุ่น mini และ nano

“เรากำลังเห็นค่าความหน่วงราว 500 มิลลิวินาทีจาก GPT‑5.4 รุ่น mini และ nano ซึ่งตรงตามความต้องการของเราสำหรับการสนทนาด้วยเสียงที่เป็นธรรมชาติ” Danai Antoniou ผู้ร่วมก่อตั้งและหัวหน้านักวิทยาศาสตร์ของ Gradient Labs กล่าว “ขณะนี้เรากำลังย้ายภาระงานส่วนสำคัญไปยังระบบดังกล่าว”

ในธุรกิจธนาคาร การติดต่อสื่อสารกับลูกค้าถูกควบคุมโดยขั้นตอนปฏิบัติงานมาตรฐาน (SOPs) ซึ่งระบุว่าควรทำอะไรในแต่ละขั้นตอน

การติดต่อกับลูกค้าโดยทั่วไปอาจมีลักษณะดังนี้

1. ลูกค้าโทรมาแจ้งว่าบัตรถูกขโมย
2. ระบบทำการยืนยันตัวตนของลูกค้า พร้อมจัดการการแก้ไขและเหตุขัดจังหวะทุกขั้นตอนแบบเรียลไทม์
3. เมื่อยืนยันแล้ว ระบบจะระงับบัตรและเริ่มดำเนินการออกบัตรใหม่
4. ระบบสามารถตอบคำถามเพิ่มเติม เช่น กำหนดเวลาการจัดส่ง และเสนอแนวทางการดำเนินการต่อไป

แต่ละขั้นตอนเป็นไปตามกระบวนการที่กำหนดไว้ โดยการตัดสินใจเกิดขึ้นแบบเรียลไทม์อิงตามข้อมูลจากผู้ใช้ บริบท ระบบควบคุมความปลอดภัย และการตอบสนองทั้งจากลูกค้าและเอเจนต์ เพื่อให้เป็นไปตามข้อกำหนด

“โมเดลต้องสามารถรักษาสถานะของขั้นตอนปฏิบัติงานได้แม้เกิดการหยุดชะงัก การสื่อสารแฝง หรือการสลับหัวข้อ พร้อมทั้งให้การตอบสนองอย่างรวดเร็ว” Antoniou กล่าว “ผู้ให้บริการส่วนใหญ่ไม่สามารถทำเช่นนี้ได้”

Gradient Labs เปรียบเทียบผู้ให้บริการด้วยขั้นตอนที่ท้าทายที่สุดของพวกเขา และประเมินด้วยสิ่งที่เรียกว่า ความแม่นยำของเส้นทาง ว่าระบบดำเนินตามเส้นทางที่ถูกต้องตั้งแต่ต้นจนจบหรือไม่

ในการประเมินเบื้องต้นครั้งหนึ่ง GPT‑4.1 เป็นโมเดลเดียวที่ทำได้ถึงความแม่นยำและความสม่ำเสมอของเส้นทาง 97% ขณะที่ผู้ให้บริการรายถัดมาทำได้เพียง 88%

“ในธุรกิจบริการทางการเงิน ความแตกต่างนี้หมายถึงการแก้ไขปัญหาของลูกค้าได้ทันที กับการสร้างเหตุการณ์ละเมิดกฎระเบียบ” Antoniou กล่าว

ผลลัพธ์ดังกล่าวมีบทบาทสำคัญในการกำหนดแนวทางการออกแบบระบบของ Gradient Labs โดยทีมได้สร้างสถาปัตยกรรมแบบผสมผสาน ซึ่งใช้โมเดลของ OpenAI สำหรับงานที่ต้องใช้การให้เหตุผลเชิงลึก และใช้โมเดลขนาดเล็กสำหรับงานที่ต้องการความรวดเร็วและความแน่นอน พร้อมกลไกการกำหนดเส้นทางที่ปรับตามระดับความซับซ้อนและข้อจำกัดด้านความหน่วง

ภายในระบบประกอบด้วยทักษะเฉพาะทางที่ถูกประสานงานโดยเอเจนต์การให้เหตุผลส่วนกลาง ทำให้เคสที่ซับซ้อนสามารถเคลื่อนย้ายข้ามเวิร์กโฟลว์ได้โดยไม่สูญเสียบริบท 

สำหรับทุกการโต้ตอบ จะมีระบบควบคุม (guardrail) มากกว่า 15 ระบบจะทำงานพร้อมกัน เพื่อรับรองว่าการสนทนาเป็นไปตามขั้นตอนที่กำหนดและอยู่ภายใต้ขอบเขตด้านการปฏิบัติตามกฎระเบียบ โดยครอบคลุมการตรวจจับคำแนะนำทางการเงิน สัญญาณความเปราะบาง ข้อร้องเรียน รวมถึงความพยายามในการหลีกเลี่ยงการยืนยันตัวตนหรือการเข้าถึงข้อมูลส่วนตัวของผู้ใช้งาน 

สถาบันการเงินไม่ได้นำระบบประเภทนี้ไปใช้งานโดยอาศัยความเชื่อเท่านั้น แต่ต้องการหลักฐานที่แสดงให้เห็นอย่างเป็นขั้นตอนว่าระบบสามารถทำงานได้อย่างถูกต้องในสภาพการใช้งานจริง

“คุณต้องออกแบบตั้งแต่ต้นโดยยึดหลักไม่ให้โมเดลสร้างข้อมูลที่คลาดเคลื่อน” Antoniou กล่าว “สิ่งนี้ต้องเป็นหลักการสำคัญในการพัฒนาระบบ”

เพื่อประเมินทั้งโมเดลใหม่และโมเดลที่ใช้งานอยู่ ทีมงานจะนำบทสนทนาจริงของลูกค้ามาเล่นซ้ำ และเปรียบเทียบพฤติกรรมของระบบกับขั้นตอนที่คาดหวัง นอกจากนี้ยังสร้างบทสนทนาแบบสังเคราะห์เพื่อทดสอบกรณีที่แก้ไขยากและสถานการณ์ที่เกิดขึ้นไม่บ่อย ก่อนนำไปใช้งานจริง

Gradient Labs ยังช่วยให้ทีมงานสามารถควบคุมวิธีการนำระบบไปใช้งานได้ โดยทำการวิเคราะห์ข้อมูลการสนับสนุนลูกค้าในอดีต เพื่อระบุประเภทของปัญหาที่ธนาคารต้องจัดการและความถี่ในการเกิดของแต่ละกรณี จากนั้นทีมสามารถเลือกได้ว่าให้ AI ดูแลในหมวดหมู่ใด โดยเริ่มจากเวิร์กโฟลว์ที่มีความเสี่ยงต่ำและค่อยๆ ขยายเพิ่มเติมในภายหลัง

ก่อนเปิดใช้งานจริง ลูกค้าสามารถจำลองบทสนทนาเพื่อตรวจสอบว่าระบบตอบสนองอย่างไรในสถานการณ์ต่างๆ ซึ่งช่วยสร้างความมั่นใจว่าระบบทำงานตามที่คาดไว้ 

การนำระบบไปใช้งานมักเริ่มต้นด้วยสัดส่วนทราฟฟิกเพียงเล็กน้อย พร้อมการติดตามตรวจสอบอย่างต่อเนื่อง และมีการตรวจสอบอัตโนมัติเพื่อระบุบทสนทนาที่อาจต้องให้มนุษย์เข้ามาทบทวน เมื่อเวลาผ่านไป ขอบเขตการใช้งานจะค่อยๆ ขยายขึ้นเมื่อระบบแสดงให้เห็นถึงประสิทธิภาพที่สม่ำเสมอ

ลูกค้าของ Gradient Labs ระบุว่าคะแนนความพึงพอใจของลูกค้า (CSAT) สูงถึง 98% และในบางกรณีมีผลการดำเนินงานเหนือกว่าพนักงานที่มีผลงานดีที่สุด โดยการนำระบบไปใช้งานส่วนใหญ่มักเริ่มต้นด้วยอัตราการแก้ไขปัญหามากกว่า 50% ตั้งแต่วันแรก แม้ในเวิร์กโฟลว์ที่ซับซ้อน เช่น การจัดการข้อพิพาท การยืนยันบัญชี และกรณีการทุจริต 

ผลกระทบนั้นสะท้อนให้เห็นการเติบโตของบริษัท Gradient Labs เพิ่มรายได้มากกว่า 10 เท่าในช่วงปีที่ผ่านมา โดยขยายจากงานสนับสนุนขาเข้าไปสู่งานขาออกและระบบออฟฟิศหลังบ้าน

ในระยะต่อไป Gradient Labs มุ่งเน้นการพัฒนาระบบที่สามารถคงบริบทข้ามการโต้ตอบได้ โดยสามารถเข้าใจประวัติของลูกค้า ติดตามปัญหาที่ยังดำเนินอยู่ และสานต่อจากจุดที่การสนทนาก่อนหน้าสิ้นสุดลง แนวทางนี้สอดคล้องอย่างยิ่งกับแนวคิดของ Gradient Labs ต่อความร่วมมือระยะยาวกับ OpenAI

เเมื่อโมเดลมีการพัฒนาอย่างต่อเนื่อง ขอบเขตของกระบวนการที่สามารถทำงานอัตโนมัติได้อย่างปลอดภัยก็ขยายเพิ่มขึ้น สำหรับ Gradient Labs นั่นหมายถึงการก้าวเข้าใกล้ระบบที่สามารถจัดการทุกการโต้ตอบกับลูกค้าได้ด้วยความสม่ำเสมอ การตัดสินใจที่เหมาะสม และความต่อเนื่องเทียบเท่ากับพนักงานที่มีประสิทธิภาพสูง