Gradient Labs samler inn 13 millioner dollar for å bringe trygg AI-automatisering til regulerte industrier

Gradient Labs, et London-basert AI-selskap som bygger dypt spesialiserte kundeserviceagenter for regulerte industrier, har samlet inn 13 millioner dollar i Series A-finansiering. Runden ble ledet av Redpoint Ventures, med deltakelse fra Localglobe, Puzzle Ventures, Liquid 2 Ventures og Exceptional Capital. Finansieringen signaliserer en økende etterspørsel etter AI-systemer som går langt utenfor overflatiske automatisering – og i stedet integrerer reguleringsspesifik intelligens, prosesslogikk og kontroll i kundeserviceoperasjoner.

Kapitalen vil akselerere Gradient’s produktutvikling og rekruttering over ingeniør-, forsknings-, onboarding- og markedsføringslag. Mer betydningsfullt, vil det drive selskapets bredere mål: å løse den operative belastningen i regulerte industrier gjennom en ny klasse domenespesifikke AI-agenter.

AI-utfordringen i regulerte sektorer

Kundeservice i finans, forsikring og andre høyrisikoindustrier er unikt vanskelig. På den ene side har kundeforventningene skutt i været – 66% av menneskene forventer nå en nesten øyeblikkelig respons, og nesten en av tre vil forlate et selskap etter bare én dårlig erfaring. På den andre siden kan selskaper i regulerte områder ikke bare plugge inn forbrukergraderte chatboter. Risikoen – fra overholdelsesbrudd til datafeil – er for stor.

Tradisjonelle AI-verktøy tilbyr bare delvis løsninger. De fleste er trent for generelle spørsmål, og selv de mest avanserte kundesupportagenter i dag håndterer vanligvis bare de enkleste 20-25% av spørsmålene. Disse verktøyene sliter med lagrede arbeidsflyter, verifiseringssteg, juridisk nuanser og eskalerende beslutningstre. I finansielle tjenester er dette der de fleste kostnadene og risikoen ligger.

Gradient Labs løser denne gapet direkte.

En grunnleggerlag med domene-godkjenning

Gradient ble grunnlagt i 2023 av Dimitri Masin (CEO), Danai Antoniou (Chief Scientist) og Neal Lathia (CTO) – alle som spilte kritiske roller i å bygge infrastruktur og operasjoner i det britiske neobanken Monzo. Deres erfaring gir dem en uvanlig dypt forståelse av de virkelige begrensningene som regulerte selskaper står overfor: hvordan svindelforsvarssystemer er designet, hvordan overholdelsesavdelinger opererer og hva intern verktøy egentlig ser ut i et høyrisikomiljø.

Dette grunnleggermarkedet er sjeldent, og det vises i den fremdrift Gradient har sett siden lanseringen. Innen tre måneder sikret selskapet ni kunder – inkludert en av Europas største banker. Kunder rapporterer nå oppløsningsrater på opptil 90% og CSAT-poeng over 98%, tall som er nesten uhørt i regulerte støtteomgivelser.

Hva Gradient Labs faktisk bygger

I hjertet av Gradient’s tilbud ligger Otto, en prosedyrebasert AI-agent som er trent ikke bare på språk, men på logikk, arbeidsflyter og reguleringsspesifikke prosesser. Otto er designet for å gjøre mer enn å avvise billetter – den utfører komplekse, flertrinnsoperasjoner med kontekstuell bevissthet og institusjonell hukommelse. Dette inkluderer:

• Autentisering av kunder basert på reguleringsspesifik KYC-logikk
• Frysing og erstattning av tapte eller kompromitterte kort
• Initiering av svindelundersøkelser med dokumentasjon av audit-spor
• Oppdatering av følsomme finansielle poster basert på kundens intensjoner
• Navigasjon av politikker med presisjon over jurisdiksjoner og brukstilfeller

I motsetning til store språkmodeller brukt i generelle verktøy, er Otto finjustert for å fungere som en agent innenfor et system, ikke bare som et grensesnitt. Den leser og skriver data inn i eksisterende verktøy som Intercom, Zendesk og Freshdesk, og opererer innenfor strenge retningslinjer. Hver handling Otto tar er forklarlig, logget og reproduserbar – nøkkelkrav for selskaper under finansiell regulering.

Dyp automatisering uten å ofre kontroll

En av de mest betydningsfulle tekniske differensiererne er Gradient’s bruk av prosedyreabstraksjon i stedet for ren generativ resonnering. Der mange chatboter gjetter intensjon og hallucinerer løsninger, komponerer Gradient’s arkitektur svar og handlinger fra forhåndsdefinerte, verifiserbare steg – lignende en beslutningsmotor lagt over en LLM-kjerne.

Dette betyr at selskaper kan kartlegge sin interne logikk (for eksempel hvordan de håndterer disputter på en kreditkorttransaksjon) og la Otto utføre det nøyaktig, uten menneskelig inngripen – men likevel med tilsyn. Overholdelseslag kan auditere beslutninger, teste randtilfeller og pålegge begrensninger, sikre at AI forblir innenfor godkjente operative grenser.

Og fordi Gradient’s onboarding-prosess ikke bare baserer seg på statiske datasæt, men også inkluderer dynamisk prosesslæring, starter oppløsningsrater høyt – ofte 40-60% fra dag én – og øker raskt ettersom systemet tilpasser seg selskapets nøyaktige arbeidsflyt.

Hva dette betyr for fremtiden til kundeserviceoperasjoner

Konsekvensene av Gradient Labs’ arbeid går langt utenfor supportbilletter. På mange måter bygger selskapet en ny AI-lag for bedriftsprosessutførelse, en som er rotfestet i reguleringsspesifik arkitektur. I stedet for å anvende AI retroaktivt på isolerte støttefunksjoner, integrerer Gradient intelligens direkte i operasjonell stoff.

Dette er spesielt betydningsfullt for industrier som historisk sett har vært sene med å adoptere AI – ikke på grunn av mangel på interesse, men på grunn av risiko. Finansielle institusjoner, for eksempel, er ivrige etter å modernisere, men begrenset av interne kontroller, ansvarsfrykt og behov for absolut sporing.

Gradient tilbyr en livskraftig modell for hva AI ser ut som i denne konteksten. En modell som balanserer:

• Hastighet og responsivitet med presisjon og ansvarlighet
• Brukeropplevelsegevinster med reguleringsspesifik forsvarlighet
• Dyp automatisering med menneskelig tilsyn og klarhet

Ved å gjøre dette, hjelper Gradient Labs med å forme ikke bare hvordan tjenester leveres – men hvordan systemer blir tillitlige. Hvis Otto og agenter som den fortsetter å lykkes, kan vi se tilbake på Gradient Labs som ett av de første eksemplene på AI som ikke bare handler smart, men også handler ansvarlig innenfor noen av de mest sensitive institusjonene i verden.

Og det kan være gjennombruddet som endelig bringer sant AI-transformasjon til hjertet av økonomien.