Gradient Labs предоставляет каждому клиенту банка персонального менеджера с искусственным интеллектом

Gradient Labs использует модели GPT‑4.1, а также GPT‑5.4 mini и nano для выполнения сложных финансовых задач поддержки с высокой точностью и низкими задержками.

Начать разработку
Soft flowing gradient background in warm orange and yellow blending into teal with a white geometric cube icon beside the text
Размер компании: Стартап
Регион: Европа и Великобритания
Отрасль: Технологии, Финансы
Продукты: API

Результаты

10x

Рост выручки

Результаты

98%

Удовлетворенность клиентов опытом взаимодействия с ИИ-агентом

Результаты

+11%

Выше точность у GPT-4.1 по сравнению со следующим лучшим провайдером

В банковской сфере решение проблем клиентов редко бывает простым. Такие случаи, как мошенничество или заблокированные платежи, требуют строгого соблюдения сложных процедур при участии нескольких команд. Когда системы не справляются, клиентов перенаправляют между отделами, заставляют ждать в очередях и сталкивают с задержками в самые ответственные моменты.

Gradient Labs создана для того, чтобы справляться с этой сложностью. Базирующаяся в Лондоне компания разрабатывает ИИ-агентов, которые дают каждому клиенту банка ощущение работы с персональным менеджером. Основанная командой, которая ранее руководила разработкой ИИ и управлением данными в Monzo, платформа компании построена на базе моделей OpenAI и в настоящее время переводит рабочий трафик в продакшене на GPT‑5.4 mini и nano.

«Мы наблюдаем задержку в 500 миллисекунд у GPT‑5.4 mini и nano, что идеально подходит для естественных голосовых разговоров, — говорит Данаи Антониоу, сооснователь и главный научный сотрудник Gradient Labs. — Мы переводим значительную часть нашей рабочей нагрузки».

«Нам требовалось три условия одновременно: точность следования инструкциям, низкий уровень галлюцинаций и надежность вызова функций — и всё это в условиях ограничений голосовой задержки. OpenAI была единственным провайдером, который справился со всеми тремя».
Данаи Антониоу, сооснователь и главный научный сотрудник Gradient Labs

Переход от стандартных операционных процедур (SOP) к системам реального времени

В банковской сфере взаимодействия с клиентами регулируются стандартными операционными процедурами (SOP), которые определяют порядок действий на каждом этапе.

Типичное взаимодействие с клиентом может выглядеть следующим образом:

  1. Клиент звонит, чтобы сообщить о краже карты.
  2. Система подтверждает его личность, обрабатывая исправления и прерывания в реальном времени.
  3. После верификации она блокирует карту и инициирует выпуск замены.
  4. Она отвечает на последующие вопросы, например, о сроках доставки, и предлагает дальнейшие шаги.

Каждый шаг следует определенной процедуре, а решения принимаются в режиме реального времени на основе пользовательского ввода, контекста, действующих защитных механизмов, а также ответов клиента и агента для обеспечения соответствия нормативным требованиям.

«Модель должна сохранять состояние процедуры во время прерываний, фоновых реплик и переключений тем, обеспечивая при этом высокую скорость генерации ответов, — говорит Антониоу. — Большинство провайдеров даже не смогли бы попытаться сделать это».

Gradient Labs оценивает провайдеров по их наиболее сложным процедурам и тестирует их на основе параметра, который они называют точностью траектории: следует ли система правильному пути от начала и до конца.

В одной из своих первоначальных оценок GPT‑4.1 оказалась единственной моделью, достигшей 97% точности траектории и согласованности. Ближайший конкурент показал результат в 88%.

«В финансовых услугах это разница между успешным решением звонка и инцидентом с нарушением правил комплаенса», — отмечает Антониоу.

Этот результат определил подход Gradient Labs к проектированию своей системы. Команда создала гибридную архитектуру, которая использует модели OpenAI для задач, требующих интенсивного рассуждения, и меньшие модели для более быстрых, детерминированных задач, с маршрутизацией, адаптирующейся в зависимости от сложности и ограничений задержки.

Внутри системы задействованы специализированные навыки, которыми управляет центральный агент рассуждений, что позволяет сложным кейсам переходить между рабочими процессами без потери контекста.

Для каждого взаимодействия параллельно запускается более 15 систем защитных механизмов (guardrails), чтобы гарантировать соблюдение процедур и границ комплаенса, включая обнаружение финансовых консультаций, сигналов уязвимости, жалоб и попыток обхода верификации или доступа к конфиденциальным данным.

Доказательство надежности в среде с высокими рисками

Финансовые институты не внедряют такие системы на веру. Им нужно наглядно, шаг за шагом, видеть, что система ведет себя корректно в реальных условиях.

«Нужно изначально проектировать систему с расчетом на отсутствие галлюцинаций, — говорит Антониоу. — Это должно быть главным руководящим принципом при разработке».

Для оценки как новых, так и существующих моделей команда воспроизводит реальные разговоры с клиентами и сопоставляет поведение системы с ожидаемой процедурой. Они также генерируют синтетические диалоги для тестирования крайних случаев и редких сценариев до того, как что-либо будет развернуто.

Gradient Labs также дает командам контроль над тем, как внедряется система. Они анализируют исторические данные службы поддержки, чтобы составить карту типов клиентских проблем, с которыми сталкивается банк, и частоты их возникновения. Затем команды могут выбрать, какие категории должен обрабатывать ИИ, начиная с рабочих процессов с более низким риском и постепенно расширяя их охват.

Dashboard interface for a banking support tool showing a procedure titled Fraud impersonation callback with step by step instructions for verifying suspicious payments. A live call transcript appears on the right with messages between an AI agent and a customer confirming identity and sending a verification code to secure the account.

Перед запуском клиенты могут симулировать разговоры, чтобы проверить, как система реагирует на различные сценарии, что укрепляет уверенность в ее ожидаемом поведении.

Развертывание обычно начинается с небольшой доли трафика, сопровождаясь непрерывным мониторингом и автоматическими проверками, которые отмечают разговоры, требующие проверки человеком. Со временем покрытие расширяется по мере того, как система демонстрирует стабильные результаты.

Эффект с первого дня и путь в будущее

Клиенты Gradient Labs сообщают о показателях CSAT (удовлетворенности клиентов) до 98%, в некоторых случаях превосходя лучших операторов-людей. Большинство внедрений обеспечивают более чем 50-процентный уровень решения проблем уже в первый день, даже для таких сложных процессов, как споры по транзакциям, верификация учетной записи и мошенничество.

Этот эффект отражается на росте компании. За последний год выручка Gradient Labs выросла более чем в 10 раз, расширившись от входящей поддержки до исходящих звонков и бэк-офисных процессов.

Заглядывая в будущее, Gradient Labs сосредоточена на системах, способных переносить контекст между взаимодействиями: понимать историю клиента, отслеживать текущие проблемы и продолжать работу с того места, где остановились предыдущие разговоры. Это направление тесно связано с тем, как Gradient Labs видит свое долгосрочное партнерство с OpenAI.

«Мы выбираем модель не только на сегодня. Мы строим на платформе, где вектор развития моделей рассуждений совпадает с направлением развития нашего продукта».
Данаи Антониоу, сооснователь и главный научный сотрудник Gradient Labs

По мере дальнейшего совершенствования моделей круг процедур, которые можно безопасно автоматизировать, расширяется. Для Gradient Labs это означает приближение к системе, в которой каждое взаимодействие с клиентом обрабатывается с той же последовательностью, рассудительностью и непрерывностью, что и у первоклассного агента-человека.

OpenAI <3 стартапам

Присоединиться к сообществуНачать разработку

Полный текст статьи читайте на OpenAI