Gradient Labs samler 13 millioner dollars til at bringe sikkert AI-automatisering til regulerede brancher

Gradient Labs, et london-baseret AI-startup, der bygger dybt specialiserede kundeserviceagenter til regulerede brancher, har samlet 13 millioner dollars i serie A-finansiering. Runden blev ledt af Redpoint Ventures med deltagelse fra Localglobe, Puzzle Ventures, Liquid 2 Ventures og Exceptional Capital. Finansieringen signalerer en stigende efterspørgsel efter AI-systemer, der går langt ud over overfladisk automatisering – og i stedet integrerer regulatorisk intelligens, procedurlogik og gennemsigtighed direkte i kundeserviceoperationer.

Kapitalen vil accelerere Gradients produktudvikling og rekruttering på tværs af ingeniør-, forsknings-, onboarding- og markedsføringshold. Endnu mere betydningsfuldt vil det drive virksomhedens bredere mission: at løse den operationelle belastning, der rammer regulerede brancher, gennem en ny klasse af domænespecifikke AI-agenter.

AI-udfordringen i regulerede sektorer

Kundeservice i finans, forsikring og andre højrisikobrancher 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 en virksomhed efter en enkelt dårlig oplevelse. På den anden side kan virksomheder i regulerede områder ikke bare indsætte forbrugergrads chatbots. Risikerne – fra overtrædelser af regler til misbrug af data – er for store.

Traditionelle AI-værktøjer tilbyder kun delvise løsninger. De fleste er trænet til generelle spørgsmål, og selv de mest avancerede kundesupportagenter i dag håndterer typisk kun de enkleste 20-25% af forespørgslerne. Disse værktøjer kæmper med lagdelte arbejdsgange, verifikationstrin, juridisk nuance og eskalerende beslutningstræer. I finansielle services er det her, hvor størstedelen af omkostningerne og risikerne ligger.

Gradient Labs løser denne åbning direkte.

En grundlæggende hold med domæne-godkendelse

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 hos UK-neobanken Monzo. Deres erfaring giver dem en usædvanligt dyb forståelse for de virkelige verdensbegrænsninger, som regulerede virksomheder står overfor: hvordan svindelforsvarssystemer er designet, hvordan compliance-afdelinger fungerer, og hvordan intern værktøjsudstyr faktisk ser ud i en højrisiko-miljø.

Dette grundlæggende marked er sjældent, og det viser sig i den traction, som 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 support-miljøer.

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 reguleringsbestemte processer. Otto er designet til at gøre mere end at afværge billetter – det udfører komplekse, multi-trins operationer med kontekstuel bevidsthed og institutionel hukommelse. Dette inkluderer:

• Autentificering af kunder baseret på regulatorisk KYC-logik
• Frysning og erstatning af tabte eller kompromitterede kort
• Initiering af svindel-undersøgelser med audit-spor-dokumentation
• Opdatering af følsomme finansielle optegnelser baseret på kundens intention
• Navigering 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 rammer. Hver handling, som Otto udfører, er forklarlig, logget og reproducerbar – nøglekrav til virksomheder under finansielle regler.

Dybt automatisering uden at ofre kontrol

En af de mest betydningsfulde tekniske differentieringsfaktorer er Gradients brug af procedur-abstraktion i stedet for ren genererende resonnering. Hvor mange chatbots gætter sig til intention og hallucinerer løsninger, komponerer Gradients arkitektur svar og handlinger fra foruddefinerede, verificerbare trin – ligesom en beslutningsmotor lagt over en LLM-kernel.

Dette betyder, at virksomheder kan kortlægge deres interne logik (f.eks. hvordan man håndterer uenigheder om en kreditkortstransaktion) og lade Otto udføre det præcist, uden menneskelig intervention – men stadig med oversigt. Compliance-hold kan auditere beslutninger, teste kanttilfælde 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 stiger hurtigt, efterhånden som systemet tilpasser sig virksomhedens præcise arbejdsgange.

Hvad dette betyder for fremtidens kundeservice

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

Dette er særligt betydningsfuldt for brancher, der historisk 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 begrænses af interne kontroller, ansvarsfrygt og behov for absolut gennemsigtighed.

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

• Hastighed og responsivitet med præcision og ansvarlighed
• Brugeroplevelsesgevinster med regulatorisk forsvarlighed
• Dybt automatisering med menneskelig oversigt og klarhed

Ved at gøre dette hjælper Gradient Labs med at omforme ikke kun, hvordan service leveres – men hvordan systemer får tillid. Hvis Otto og agenter som den fortsætter med at lykkes, kan vi måske 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 inden for nogle af verdens mest følsomme institutioner.

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