Gradient Labs indsamler 13 millioner dollars for at bringe sikker AI-automatisering til regulerede industrier

Gradient Labs, et london-baseret AI-startup, der bygger dybt specialiserede kundeserviceagenter til regulerede industrier, har indsamlet $13 millioner i Series A-finansiering. Runden blev ledet af Redpoint Ventures, med deltagelse fra Localglobe, Puzzle Ventures, Liquid 2 Ventures og Exceptional Capital. Finansieringen signalerer en voksende efterspørgsel efter AI-systemer, der går langt ud over overfladisk automatisering – og i stedet integrerer regulativ intelligens, procedurlogik og revisionssikkerhed direkte i kundeoperationer.

Kapitalen vil accelerere Gradients produktudvikling og rekruttering på tværs af ingeniør-, forsknings-, onboarding- og go-to-market-hold. Endnu mere betydningsfuldt vil det drive virksomhedens bredere mission: at løse den operationelle belastning, der står overfor regulerede industrier gennem en ny klasse af domænespecifikke AI-agenter.

AI-udfordringen i regulerede sektorer

Kundeservice i finans, forsikring og andre højrisikoindustrier er unikt svært. På den ene side er kundeforventningerne eksploderet – 66% af mennesker forventer nu en næsten øjeblikkelig respons, og næsten en ud af tre vil forlade et selskab efter en enkelt dårlig oplevelse. På den anden side kan selskaber i regulerede områder ikke bare plugge ind forbrugergrads chatbots. Risikoen – fra overtrædelse af compliance til datafejl – er for stor.

Traditionelle AI-værktøjer tilbyder kun delvise løsninger. De fleste er trænet til generelle forespørgsler, og selv de mest avancerede kundesupportagenter i dag håndterer typisk kun de simpleste 20-25% af forespørgslerne. Disse værktøjer kæmper med lagdelte arbejdsgange, verifikationstrin, juridisk nuance og eskalerende beslutningstræer. I finansservicesektoren ligger dette, hvor den største del af omkostningerne og risikoen ligger.

Gradient Labs dækker denne lukning direkte.

En grundlæggende hold med domæne troværdighed

Gradient blev grundlagt i 2023 af Dimitri Masin (CEO), Danai Antoniou (Chief Scientist) og Neal Lathia (CTO) – alle har spillet kritiske roller i opbygningen af infrastruktur og operationer i UK-neobanken Monzo. Deres erfaring giver dem en usædvanligt dyb forståelse for de reelle begrænsninger, som regulerede selskaber står overfor: hvordan svigsystemer er designet, hvordan compliance-afdelinger fungerer, og hvordan intern værktøjsudstyr faktisk ser ud i en højrisiko-miljø.

Denne grundlægger-markedsfit er sjælden, og det viser sig i den traction, Gradient har set siden lanceringen. Inden for tre måneder sikrede virksomheden ni kunder – herunder en af Europas største banker. Kunder rapporterer nu om opløsningsrater på op til 90% og CSAT-score på over 98%, tal, der er næsten uhørt i regulerede supportmiljøer.

Hvad Gradient Labs faktisk bygger

I hjertet af Gradients tilbud er Otto, en procedur-baseret AI-agent, der er trænet ikke kun på sprog, men på logik, arbejdsgange og reguleringsspecifikke processer. Otto er designet til at gøre mere end at aflede billetter – det udfører komplekse, multi-trins operationer med kontekstuel bevidsthed og institutionel hukommelse. Dette inkluderer:

• Autentificering af kunder baseret på regulativ KYC-logik
• Frysning og erstatning af tabte eller kompromitterede kort
• Initiering af svig-undersøgelser med revisions-dokumentation
• Opdatering af følsomme finansielle optegnelser baseret på kundens intention
• Navigation af politikker med præcision på tværs af jurisdiktioner og brugsområder

I modsætning til store sprogmodeller, der bruges i generelle værktøjer, er Otto finjusteret til at fungere som en agent inden for et system, ikke kun som en interface. Det læser og skriver data ind i eksisterende værktøjer som Intercom, Zendesk og Freshdesk, og fungerer inden for strenge guardrails. Hver handling, Otto tager, er forklarlig, logget og reproducerbar – nøglekrav til selskaber under finansielle reguleringer.

Dybe automatisering uden at ofre kontrol

En af de mest betydningsfulde tekniske differentieringer er Gradients brug af procedurabstraktion i stedet for ren generativ resonans. Hvor mange chatbots gætter intention og hallucinerer løsninger, komponerer Gradients arkitektur svar og handlinger fra foruddefinerede, verificerbare trin – lignende en beslutningsmotor lagt over en LLM-kernel.

Dette betyder, at virksomheder kan kortlægge deres interne logik (for eksempel, hvordan man håndterer disputter på en kreditkortstransaktion) og lade Otto udføre det præcist, uden menneskelig intervention – men stadig med oversigt. Compliance-hold kan auditere beslutninger, teste edge-cases og pålægge begrænsninger, hvilket sikrer, at AI forbliver inden for godkendte operationelle grænser.

Og fordi Gradients onboarding-proces ikke kun afhænger af statiske datasæt, men også inkluderer dynamisk proceslæring, starter opløsningsrater højt – ofte 40-60% fra dag én – og øges hurtigt, efterhånden som systemet tilpasser sig virksomhedens præcise arbejdsgange.

Hvad dette betyder for fremtidens kundeoperationer

Konsekvenserne af Gradients arbejde går ud over support-billetter. På mange måder bygger virksomheden en ny AI-lag for virksomhedsprocess-execution, der er rod i reguleringsspecifik arkitektur. I stedet for at anvende AI retroaktivt til isolerede supportfunktioner, integrerer Gradient intelligens direkte i operationel stof.

Dette er særligt betydningsfuldt for industrier, der historisk set har lagt efter i AI-adopteringsgrad – ikke på grund af mangel på interesse, men på grund af risiko. Finansielle institutioner, for eksempel, er ivrige efter at modernisere, men er begrænset af interne kontroller, ansvarsfrygt og behov for absolut sporbarehed.

Gradient tilbyder en livskraftig model for, hvordan AI ser ud i den kontekst. En model, der balancerer:

• Hastighed og responsivitet med præcision og ansvarlighed
• Brugeroplevelsesgevinster med regulativ forsvarlighed
• Dybe automatisering med menneskelig oversigt og klarhed

Ved at gøre dette, hjælper Gradient Labs med at omforme ikke kun, hvordan service leveres – men hvordan systemer bliver betroet. Hvis Otto og agenter som den fortsætter med at lykkes, kan vi se tilbage på Gradient Labs som et af de første rigtige eksempler på AI, der ikke kun handler om at være intelligent, men også om at handle ansvarligt inde i nogle af de mest følsomme institutioner i verden.

Og det kan være gennembruddet, der endelig bringer sand AI-transformation til hjertet af økonomien.