Gradient Labs fordobler Serie A til 26 millioner dollars, da finansielle institutioner omfavner AI-agenter til kundeoperationer

Kapløbet om at implementere AI i finansielle services skifter stadig mere væk fra chatbots og hen imod systemer, der kan håndtere regulerede, højrisikable operationelle arbejder. Denne trend hjælper med at fremme den hurtige vækst af Gradient Labs, som har annonceret, at de har fordoblet deres Serie A-finansiering til 26 millioner dollars.

Den seneste investering blev ledet af Octopus Ventures og CommerzVentures, med fortsat deltagelse fra Redpoint Ventures og Exceptional Capital. Finansieringen kommer mindre end et år efter, at virksomheden hævede en initial 13 millioner dollars Serie A-runde og reflekterer en stigende tillid hos investorerne til specialiserede AI-platforme bygget specifikt til regulerede industrier.

Gradient Labs er grundlagt af tidligere medlemmer af Monzos AI-hold og fokuserer på at automatisere kundeoperationer på tværs af bank, låne-, betalings-, forsikrings- og andre finansielle servicesektorer. Virksomheden siger, at deres platform nu når mere end 32 millioner potentielle slutbrugere gennem installationer med organisationer som Wise, Stash, Current, Monzo, Zego og Pockit.

Bevæger sig ud over traditionel kundesupport

Mange AI-kundeservice-systemer i dag fokuserer på simple frontlinjeforespørgsler som adgangskode-nulstilling, kontoadgangsspørgsmål eller grundlæggende FAQs. Gradient Labs har positioneret sig omkring en mere ambitiøs udfordring: at automatisere de komplekse operationelle arbejdsprocesser, som finansielle institutioner historisk har holdt i menneskehænder.

Ifølge virksomheden kan deres AI-agenter håndtere processer, herunder låneoperationer, disputater, svigagtigelse, Know Your Customer (KYC)-verificering, klagebehandling, indsamling og kundeservice. Platformen integrerer direkte i eksisterende banksystemer og fintech-systemer, mens den anvender overholdelseskontroller designet til tungt regulerede miljøer.

Dette fokus på lodret AI reflekterer en bredere skiftning, der finder sted på tværs af virksomhedssoftware. I stedet for at implementere generelle formål AI-assistenter søger mange virksomheder efter systemer, der er trænet omkring de specifikke regler, arbejdsprocesser og risikokrav i deres industrier.

For finansielle institutioner er denne forskel afgørende. En fejl i kundesupport kan være frustrerende; en fejl, der involverer lånebeslutninger, overholdelsesforpligtelser, procedurer mod hvidvaskning eller disputerede transaktioner, kan have betydelige regulerings- og retslige konsekvenser.

Gradient Labs mener, at specialiseret finansielle tjenester AI kræver indbyggede sikkerhedsforanstaltninger, som generelle formål systemer ofte mangler, herunder kontroller omkring finansielle råd, sårbare kundedetektering, overholdelsesprocedurer og eskalationsveje for følsomme sager.

Tale-AI bliver et større slagfelt

En af de mere bemærkelsesværdige aspekter af Gradient Labs’ vækst er deres udvidelse til talebaserede kundeinteraktioner.

mens mange virksomheder har eksperimenteret med AI-drevne talesystemer, har det vist sig at være langt sværere at implementere dem i regulerede finansielle miljøer i stor målestok. Finansielle samtaler indebærer ofte identitetsverificering, konto sikkerhed, disputater, svigagtigelse og højst følsomme personlige oplysninger.

Gradient Labs siger, at de nu behandler hundredtusinder af kundesamtaler hver måned gennem deres låneinstallationer, hvilket gør dem til en af de få finansielle services-fokuserede AI-virksomheder, der opererer tale-agenter i betydelig størrelse. Virksomheden har nylig introduceret en dedikeret taleplatform designet specifikt til finansielle institutioner, med fokus på lav forsinkelse, overholdelsesvagter og konversationsforskningsfunktioner.

Virksomhedens tilgang afhænger af multiple store sprogmodeller, hvilket giver dem mulighed for at optimere for ydeevne, forsinkelse og omkostninger afhængigt af den opgave, der udføres.

Et hurtigt voksende marked for finansielle AI

Finansieringen kommer under en periode med accelererende AI-adopteringsrate på tværs af bank og fintech.

Finansielle institutioner er under pres for at reducere operationelle omkostninger, samtidig med at de forbedrer kundeoplevelser og opfylder stadig mere komplekse overholdelseskrav. AI er blevet en af de mest lovende værktøjer til at løse disse udfordringer, men mange installationer er stadig begrænset til pilotprojekter eller snævre anvendelsesområder.

Gradient Labs synes at være i overtal på grund af efterspørgslen på systemer, der kan gå ud over eksperimenter og operere direkte i produktionsmiljøer. Virksomheden rapporterede en omsætningsvækst på 900% over det sidste år og siger, at deres AI-agenter har opnået kundetilfredshedsbedømmelser på op til 98%, i nogle tilfælde overgående menneskebåret supportteams.

Virksomhedens vækst reflekterer også en bredere tendens i venturekapital. Investorer støtter stadig mere vertikale AI-virksomheder, der fokuserer på specifikke industrier i stedet for at bygge en-size-fits-all AI-platforme. I sektorer som finans, sundhed, juridiske services og forsikring bliver domæneekspertise og reguleringskendskab vigtige konkurrencefordele.

De bredere implikationer af AI-naturlige finansielle operationer

Opkomsten af platforme som Gradient Labs peger på en større skiftning undervejs på tværs af finansielle services: den gradvise transformation af kundeoperationer fra menneskestyret arbejdsprocesser til AI-overvågede systemer, der kan håndtere stadig mere komplekse finansielle processer.

I årtier har mange operationelle funktioner inden for banker og fintech-virksomheder været tungt afhængige af store supportteams, der håndterer disputater, overholdelsesgennemgang, onboardingskontrol, lånearbejdsprocesser og kundeservice. Da AI-systemer bliver mere pålidelige i regulerede miljøer, kan disse processer muligvis flytte mod hybridmodeller, hvor mennesker overvåger undtagelser, mens AI håndterer rutineudførelse i stor målestok.

Denne udvikling kan have implikationer langt ud over kundesupport. Finansielle institutioner kan muligvis genopbygge produkter, overholdelsesrammer og operationelle strukturer omkring AI-naturlig infrastruktur, potentiellet reducerer friktion på områder som onboardings-, svigagtigelse, lånegodkendelse og konto-service. Samtidig vil regulatorer sandsynligvis stå over for stigende pres for at etablere nye standarder for, hvordan AI-systemer træffer beslutninger, dokumenterer handlinger og interagerer med forbrugere.

Næste fase af finansielle AI kan derfor være mindre om at erstatte callcenter og mere om at omforme den operationelle arkitektur, der understøtter moderne bankvirksomhed. Virksomheder, der udvikler specialiserede AI-systemer til regulerede industrier, hjælper med at teste, hvordan den fremtid kan se ud, da finansielle institutioner udforsker, hvor langt automation kan udvides til funktioner, der historisk har krævet betydelig menneskelig overvågning.