Gradient Labs Haalt $13M Op Om Veilige AI-Automatisering Te Brengen in Gereguleerde Sectoren

Gradient Labs, een in Londen gevestigde AI-startup die diep gespecialiseerde klantenserviceagenten bouwt voor gereguleerde sectoren, heeft $13 miljoen aan serie A-financiering opgehaald. De ronde werd geleid door Redpoint Ventures, met deelname van Localglobe, Puzzle Ventures, Liquid 2 Ventures en Exceptional Capital. De financiering markeert een groeiende vraag naar AI-systemen die verder gaan dan oppervlakkige automatisering – en in plaats daarvan regelgevingsintelligentie, procedurele logica en controleerbaarheid rechtstreeks in klantoperaties integreren.

Het kapitaal zal de productontwikkeling en het werven van personeel bij Gradient versnellen, met name in de engineering-, onderzoeks-, onboarding- en go-to-marketteams. Nog belangrijker is dat het de bredere missie van het bedrijf zal ondersteunen: het oplossen van de operationele spanning waarmee gereguleerde sectoren te maken hebben, door een nieuwe klasse domeinspecifieke AI-agenten.

De AI-Uitdaging in Gereguleerde Sectoren

Klantenservice in de financiële sector, verzekeringen en andere hoge-risicosectoren is uniek moeilijk. Enerzijds zijn de verwachtingen van klanten enorm gestegen – 66% van de mensen verwacht nu een bijna-onmiddellijke reactie, en bijna een op de drie zal een bedrijf verlaten na één slechte ervaring. Anderzijds kunnen bedrijven in gereguleerde sectoren geen consumentenklasse-chatbots gebruiken. De risico’s – van nalevingsinbreuken tot gegevensmisbruik – zijn te groot.

Traditionele AI-hulpmiddelen bieden slechts gedeeltelijke oplossingen. De meeste zijn getraind voor algemene vragen, en zelfs de meest geavanceerde klantenserviceagenten van vandaag behandelen meestal slechts de eenvoudigste 20-25% van de vragen. Deze hulpmiddelen worstelen met gestapelde workflows, verificatiestappen, juridische nuances en escalerende beslissingsbomen. In de financiële dienstverlening ligt hier de bulk van de kosten en risico’s.

Gradient Labs richt zich rechtstreeks op deze kloof.

Een Oprichtend Team Met Domeincredibiliteit

Gradient werd in 2023 opgericht door Dimitri Masin (CEO), Danai Antoniou (Chief Scientist) en Neal Lathia (CTO) – allemaal speelden ze cruciale rollen bij het opbouwen van de infrastructuur en operaties bij de Britse neobank Monzo. Hun ervaring geeft hen een ongebruikelijk diepe kennis van de echte wereldbeperkingen waarmee gereguleerde bedrijven te maken hebben: hoe fraudebestrijdingssystemen worden ontworpen, hoe compliance-afdelingen opereren en hoe interne tooling eruitziet in een hoge-risicomilieu.

Deze oprichter-marktfit is zeldzaam, en het is zichtbaar in de tractie die Gradient heeft gezien sinds de lancering. Binnen drie maanden zekerde het bedrijf negen klanten, waaronder een van de grootste banken in Europa. Klanten melden nu oplossingspercentages van tot 90% en CSAT-scores boven de 98%, cijfers die in gereguleerde ondersteuningsomgevingen vrijwel ongehoord zijn.

Wat Gradient Labs Echt Bouwt

Het hart van Gradient’s aanbod is Otto, een procedurele AI-agent getraind niet alleen op taal, maar ook op logica, workflows en regelgevingspecifieke processen. Otto is ontworpen om meer te doen dan tickets af te wijzen – het voert complexe, meerdere stappen uit met contextuele bewustzijn en institutioneel geheugen. Dit omvat:

• Klantauthenticatie op basis van regelgevingsKYC-logica
• Bevriezen en vervangen van verloren of gecompromitteerde kaarten
• Initiëren van fraudeonderzoeken met audit-traildocumentatie
• Bijwerken van gevoelige financiële records op basis van klantintentie
• Navigeren door beleid met precisie over jurisdicties en gebruiksgevallen

In tegenstelling tot grote taalmodellen die in algemene hulpmiddelen worden gebruikt, is Otto fijn afgestemd om te functioneren als een agent binnen een systeem, niet alleen als een interface. Het leest en schrijft gegevens in bestaande tools zoals Intercom, Zendesk en Freshdesk, en opereert binnen strikte grenzen. Elke actie die Otto uitvoert is verifieerbaar, gelogd en reproduceerbaar – belangrijke vereisten voor bedrijven onder financiële regulering.

Diepe Automatisering Zonder Opoffering van Controle

Een van de meest significante technische differentiatoren is Gradient’s gebruik van procedurele abstractie in plaats van puur generatieve redenering. Waar veel chatbots intentie raden en oplossingen hallucineren, componeert Gradient’s architectuur antwoorden en acties uit vooraf gedefinieerde, verifieerbare stappen – vergelijkbaar met een beslissingsengine bovenop een LLM-kern.

Dit betekent dat bedrijven hun interne logica kunnen uittekenen (bijvoorbeeld hoe ze geschillen over een creditcardtransactie afhandelen) en Otto deze precies laten uitvoeren, zonder menselijke interventie – maar nog steeds met toezicht. Compliance-teams kunnen beslissingen auditen, randgevallen testen en beperkingen opleggen, waardoor de AI binnen de goedgekeurde operationele grenzen blijft.

En omdat Gradient’s onboardingproces niet alleen afhankelijk is van statische datasets, maar ook van dynamisch procesleren, beginnen oplossingspercentages hoog – vaak 40-60% vanaf de eerste dag – en nemen snel toe naarmate het systeem zich aanpast aan de exacte workflows van het bedrijf.

Wat Dit Betekent voor de Toekomst van Klantoperaties

De implicaties van Gradient Labs’ werk gaan verder dan ondersteuningsTickets. Op veel manieren bouwt het bedrijf een nieuwe AI-laag voor ondernemingsproces-uitvoering, een die geworteld is in regelgevingsarchitectuur. In plaats van AI retroactief toe te passen op geïsoleerde ondersteuningsfuncties, embedt Gradient intelligentie rechtstreeks in operationele stof.

Dit is bijzonder belangrijk voor sectoren die historisch gezien achtergebleven zijn in AI-adoptie – niet vanwege een gebrek aan interesse, maar vanwege risico. Financiële instellingen, bijvoorbeeld, zijn enthousiast om te moderniseren, maar worden beperkt door interne controles, aansprakelijkheidszorgen en de behoefte aan absolute traceerbaarheid.

Gradient biedt een haalbaar model voor wat AI eruitziet in die context. Een model dat:

• Snelheid en responsiviteit combineert met precisie en verantwoordelijkheid
• Gebruikerservaringwinsten combineert met regelgevingsdefensibiliteit
• Diepe automatisering combineert met menselijk toezicht en duidelijkheid

Door dit te doen, helpt Gradient Labs niet alleen de manier te herschappen waarop service wordt geleverd, maar ook de manier waarop systemen worden vertrouwd. Als Otto en agenten zoals deze blijven slagen, kunnen we mogelijk terugkijken op Gradient Labs als een van de eerste echte voorbeelden van AI die niet alleen slim handelt, maar ook verantwoordelijk handelt binnen enkele van de meest gevoelige instellingen ter wereld.

En dat kan de doorbraak zijn die uiteindelijk echte AI-transformatie naar het hart van de economie brengt.