Gradient Labs Mengumpulkan $13M untuk Membawa Otomatisasi AI yang Aman ke Industri yang Diatur

Gradient Labs, sebuah startup AI yang berbasis di London yang membangun agen layanan pelanggan yang sangat spesialis untuk industri yang diatur, telah mengumpulkan $13 juta dalam pendanaan Seri A. Putaran ini dipimpin oleh Redpoint Ventures, dengan partisipasi dari Localglobe, Puzzle Ventures, Liquid 2 Ventures, dan Exceptional Capital. Pendanaan ini menandakan permintaan yang meningkat untuk sistem AI yang jauh melampaui otomatisasi superficial – dan malah mengintegrasikan kecerdasan regulasi, logika prosedural, dan kemampuan audit langsung ke dalam operasi pelanggan.

Modal ini akan mempercepat pengembangan produk Gradient dan perekrutan di seluruh tim teknik, penelitian, onboarding, dan go-to-market. Lebih signifikan, ini akan membiayai misi perusahaan yang lebih luas: menyelesaikan tekanan operasional yang dihadapi industri yang diatur melalui kelas baru agen AI yang spesifik domain.

Tantangan AI di Sektor yang Diatur

Layanan pelanggan di keuangan, asuransi, dan industri berisiko tinggi lainnya sangat sulit. Di satu sisi, harapan pelanggan telah melonjak – 66% orang sekarang mengharapkan respons yang hampir instan, dan hampir satu dari tiga akan meninggalkan perusahaan setelah satu pengalaman buruk. Di sisi lain, perusahaan di ruang yang diatur tidak dapat hanya memasang chatbot konsumen. Risikonya – dari pelanggaran kepatuhan hingga penanganan data yang tidak tepat – terlalu besar.

Alat AI tradisional hanya menawarkan solusi sebagian. Sebagian besar dilatih untuk pertanyaan umum, dan bahkan agen dukungan pelanggan paling canggih saat ini biasanya hanya menangani 20-25% pertanyaan paling sederhana. Alat ini berjuang dengan alur kerja bertingkat, langkah verifikasi, nuansa hukum, dan pohon keputusan yang meningkat. Di jasa keuangan, ini adalah tempat sebagian besar biaya dan risiko berada.

Gradient Labs menangani kesenjangan ini secara langsung.

Tim Pendiri dengan Kredibilitas Domain

Gradient didirikan pada 2023 oleh Dimitri Masin (CEO), Danai Antoniou (Chief Scientist), dan Neal Lathia (CTO) – semuanya telah memainkan peran kritis dalam membangun infrastruktur dan operasi di bank neobank Monzo UK. Pengalaman mereka memberi mereka pemahaman yang tidak biasa tentang keterbatasan dunia nyata yang dihadapi perusahaan yang diatur: bagaimana sistem deteksi penipuan dirancang, bagaimana departemen kepatuhan beroperasi, dan apa yang sebenarnya terlihat seperti peralatan internal di lingkungan berisiko tinggi.

Kesesuaian pendiri-pasar ini jarang terjadi, dan ini terlihat dalam traksi yang dilihat Gradient sejak peluncuran. Dalam tiga bulan, perusahaan ini memperoleh sembilan pelanggan – termasuk salah satu bank terbesar di Eropa. Klien sekarang melaporkan tingkat resolusi hingga 90% dan skor CSAT melebihi 98%, angka-angka yang hampir tidak pernah terdengar di lingkungan dukungan yang diatur.

Apa yang Sebenarnya Dibangun oleh Gradient Labs

Di jantung penawaran Gradient adalah Otto, agen AI prosedural yang dilatih tidak hanya pada bahasa, tetapi juga pada logika, alur kerja, dan proses khusus regulasi. Otto dirancang untuk melakukan lebih dari sekadar mengalihkan tiket – itu mengeksekusi operasi kompleks, multi-langkah dengan kesadaran kontekstual dan memori lembaga. Ini termasuk:

• Mengotentikasi pelanggan berdasarkan logika KYC regulasi
• Membekukan dan menggantikan kartu yang hilang atau dikompromikan
• Memulai penyelidikan penipuan dengan dokumentasi jejak audit
• Mengupdate catatan keuangan sensitif berdasarkan niat pelanggan
• Menavigasi kebijakan dengan presisi di seluruh yurisdiksi dan kasus penggunaan

Tidak seperti model bahasa besar yang digunakan dalam alat umum, Otto disempurnakan untuk berfungsi sebagai agen dalam sistem, bukan hanya sebagai antarmuka. Ini membaca dan menulis data ke dalam alat yang ada seperti Intercom, Zendesk, dan Freshdesk, dan beroperasi dalam pagar yang ketat. Setiap tindakan yang diambil oleh Otto dapat dijelaskan, dicatat, dan dapat direproduksi – persyaratan kunci untuk perusahaan yang tunduk pada peraturan keuangan.

Otomatisasi Dalam Tanpa Mengorbankan Kontrol

Salah satu pembeda teknis yang paling signifikan adalah penggunaan abstraksi prosedural oleh Gradient daripada alasan generatif murni. Di mana banyak chatbot menebak niat dan menghalusinasi solusi, arsitektur Gradient menyusun respons dan tindakan dari langkah-langkah yang telah ditentukan sebelumnya dan dapat diverifikasi – mirip dengan mesin keputusan yang dilapis di atas inti LLM.

Ini berarti perusahaan dapat memetakan logika internal mereka (misalnya, bagaimana menangani sengketa pada transaksi kartu kredit) dan membiarkan Otto mengeksekusinya dengan tepat, tanpa intervensi manusia – tetapi masih dengan pengawasan. Tim kepatuhan dapat mengaudit keputusan, menguji kasus ujung, dan mengenakan pembatasan, memastikan bahwa AI tetap dalam batas operasional yang disetujui.

Dan karena proses onboarding Gradient tidak hanya bergantung pada dataset statis, tetapi juga termasuk pembelajaran proses dinamis, tingkat resolusi dimulai tinggi – sering 40-60% dari hari pertama – dan meningkat dengan cepat karena sistem beradaptasi dengan alur kerja perusahaan yang tepat.

Apa yang Dimaksud dengan Masa Depan Operasi Pelanggan

Implikasi dari pekerjaan Gradient Labs melampaui tiket dukungan. Dalam banyak cara, perusahaan ini membangun lapisan AI baru untuk eksekusi proses perusahaan, yang berakar pada arsitektur yang sadar regulasi. Daripada menerapkan AI secara retroaktif ke fungsi dukungan yang terisolasi, Gradient menyematkan kecerdasan langsung ke dalam kain operasional.

Ini sangat berarti untuk industri yang secara historis tertinggal dalam adopsi AI – bukan karena kurangnya minat, tetapi karena risiko. Lembaga keuangan, misalnya, sangat ingin memodernisasi tetapi dibatasi oleh kontrol internal, ketakutan tanggung jawab, dan kebutuhan akan jejak yang absolut.

Gradient menawarkan model yang layak untuk apa yang terlihat seperti AI dalam konteks tersebut. Model yang menyeimbangkan:

• Kecepatan dan responsivitas dengan presisi dan akuntabilitas
• Pengalaman pengguna dengan pertahanan regulasi
• Otomatisasi dalam dengan pengawasan manusia dan kejelasan

Dengan melakukan hal ini, Gradient Labs membantu membentuk kembali tidak hanya bagaimana layanan disampaikan – tetapi bagaimana sistem dipercaya. Jika Otto dan agen seperti itu terus berhasil, kita mungkin melihat kembali Gradient Labs sebagai salah satu contoh nyata pertama AI yang tidak hanya berperilaku cerdas, tetapi juga berperilaku secara bertanggung jawab di dalam beberapa lembaga paling sensitif di dunia.

Dan itu mungkin menjadi terobosan yang akhirnya membawa transformasi AI yang sebenarnya ke jantung perekonomian.