Gradient Labs podwaja finansowanie serii A do 26 milionów dolarów, ponieważ instytucje finansowe przyjmują agentów AI do operacji klienta

Wyścig z wykorzystaniem sztucznej inteligencji w usługach finansowych coraz częściej przenosi się z chatbotów na systemy zdolne do obsługi regulowanych, wysokostakowych prac operacyjnych. Tendencja ta przyczynia się do szybkiego wzrostu Gradient Labs, które ogłosiło, że podwoiło finansowanie serii A do 26 milionów dolarów.

Najnowsza inwestycja została poprowadzona przez Octopus Ventures i CommerzVentures, z kontynuowanym udziałem Redpoint Ventures i Exceptional Capital. Finansowanie następuje mniej niż rok po tym, jak spółka pozyskała początkowe 13 milionów dolarów serii A i odzwierciedla rosnące zaufanie inwestorów do specjalistycznych platform AI budowanych specjalnie dla regulowanych branż.

Założone przez byłych członków zespołu AI Monzo, Gradient Labs koncentruje się na automatyzacji operacji klienta w sektorach bankowości, kredytów, płatności, ubezpieczeń i innych usług finansowych. Spółka twierdzi, że jej platforma obecnie dociera do ponad 32 milionów potencjalnych użytkowników końcowych za pośrednictwem wdrożeń z organizacjami takimi jak Wise, Stash, Current, Monzo, Zego i Pockit.

Przekraczając tradycyjny serwis klienta

Wiele systemów obsługi klienta AI dzisiaj koncentruje się na prostych wnioskach z pierwszej linii, takich jak resetowanie hasła, pytania dotyczące dostępu do konta lub podstawowe FAQ. Gradient Labs ustawił się wokół bardziej ambitnego wyzwania: automatyzacji złożonych przepływów pracy operacyjnych, które instytucje finansowe historycznie utrzymywały w rękach ludzkich.

Zgodnie z oświadczeniem spółki, jej agenci AI mogą zarządzać procesami, w tym operacjami kredytowymi, sporami, dochodzeniami w sprawie oszustw, weryfikacją klienta (KYC), obsługą reklamacji, windykacją i obsługą klienta. Platforma integruje się bezpośrednio z istniejącymi systemami bankowymi i fintech, stosując kontrolę zgodności zaprojektowaną dla środowisk podlegających ścisłej regulacji.

Ten focus na pionierską AI odzwierciedla szerszą transformację zachodzącą w oprogramowaniu przedsiębiorstw. Zamiast wdrażania ogólnego asystenta AI, wiele organizacji coraz częściej szuka systemów wyszkolonych wokół konkretnych regulacji, przepływów pracy i wymagań dotyczących ryzyka w ich branży.

Dla instytucji finansowych ta różnica ma znaczenie. Błąd w obsłudze klienta może być frustrujący; błąd dotyczący decyzji kredytowych, zobowiązań zgodności, procedur przeciwdziałania praniu brudnych pieniędzy lub sporów transakcyjnych może mieć znaczne konsekwencje regulacyjne i prawne.

Gradient Labs twierdzi, że specjalistyczna AI dla usług finansowych wymaga wbudowanych zabezpieczeń, których często brakuje systemom ogólnym, w tym kontrolom dotyczącym porady finansowej, wykrywania wrażliwych klientów, procedur zgodności i ścieżek eskalacji wrażliwych przypadków.

Głosowa AI staje się głównym polem bitwy

Jednym z bardziej godnych uwagi aspektów wzrostu Gradient Labs jest jej rozszerzenie na interakcje z klientami oparte na głosie.

Chociaż wiele firm eksperymentowało z systemami AI opartymi na głosie, wdrożenie ich w regulowanych środowiskach finansowych w dużym stopniu okazało się o wiele trudniejsze. Rozmowy finansowe często obejmują weryfikację tożsamości, bezpieczeństwo konta, spory, dochodzenia w sprawie oszustw i bardzo wrażliwe informacje osobiste.

Gradient Labs twierdzi, że obecnie przetwarza setki tysięcy połączeń telefonicznych z klientami każdego miesiąca za pośrednictwem swoich wdrożeń kredytowych, co czyni ją jedną z nielicznych firm AI skupionych na usługach finansowych, które działają na znaczącą skalę. Spółka niedawno wprowadziła dedykowaną platformę głosową zaprojektowaną specjalnie dla instytucji finansowych, podkreślając niską latencję, barierki zgodności i możliwości rozumowania konwersacyjnego.

Podejście spółki opiera się na wielu dużych modelach językowych, co pozwala jej optymalizować wydajność, opóźnienia i koszty w zależności od wykonywanego zadania.

Błyskawicznie rosnący rynek AI finansowego

Finansowanie następuje w okresie przyspieszonej adopcji AI w bankowości i fintech.

Instytucje finansowe są pod presją, aby zmniejszyć koszty operacyjne, jednocześnie poprawiając doświadczenia klientów i spełniając coraz bardziej złożone wymagania zgodności. AI wyłoniło się jako jeden z najbardziej obiecujących narzędzi do rozwiązania tych wyzwań, ale wiele wdrożeń nadal ogranicza się do projektów pilotażowych lub wąskich przypadków użycia.

Gradient Labs wydaje się korzystać z popytu na systemy, które mogą wyjść poza eksperymenty i działać bezpośrednio w środowiskach produkcyjnych. Spółka zgłosiła wzrost przychodu o 900% w ciągu ostatniego roku i twierdzi, że jej agenci AI osiągnęli wskaźniki satysfakcji klienta aż do 98%, w niektórych przypadkach przewyższając zespoły wsparcia obsługiwanego przez ludzi.

Wzrost spółki odzwierciedla również szerszy trend w kapitale venture. Inwestorzy coraz częściej wspierają firmy AI pionierskie, które koncentrują się na konkretnych branżach, zamiast próbować budować platformy AI pasujące do wszystkiego. W sektorach takich jak finanse, opieka zdrowotna, usługi prawne i ubezpieczenia, wiedza branżowa i regulacyjna stają się kluczowymi zaletami konkurencyjnymi.

Szersze implikacje AI rdzennie finansowych operacji

Wzrost platform takich jak Gradient Labs wskazuje na większą transformację zachodzącą w usługach finansowych: stopniową transformację operacji klienta z workflow zarządzanych przez ludzi w systemy nadzorowane przez AI, które mogą obsługiwać coraz bardziej złożone procesy finansowe.

Przez dziesięciolecia wiele funkcji operacyjnych wewnątrz banków i firm fintech pozostawało silnie uzależnionych od dużych zespołów wsparcia zarządzających sporami, przeglądami zgodności, kontrolami onboarding, przepływami kredytowymi i obsługą klienta. W miarę jak systemy AI stają się bardziej niezawodne w środowiskach regulowanych, te procesy mogą stopniowo przechodzić do modeli hybrydowych, w których ludzie nadzorują wyjątki, a AI obsługuje rutynowe wykonanie na dużą skalę.

Ta ewolucja może mieć implikacje daleko wykraczające poza obsługę klienta. Instytucje finansowe mogą ostatecznie przebudować produkty, ramy zgodności i struktury operacyjne wokół infrastruktury AI, potencjalnie redukując tarcie w obszarach takich jak onboarding, dochodzenia w sprawie oszustw, zatwierdzenia kredytów i obsługa kont. Jednocześnie regulatorzy prawdopodobnie będą mieć coraz większą presję, aby ustanowić nowe standardy dotyczące sposobu, w jaki systemy AI podejmują decyzje, dokumentują działania i wchodzą w interakcje z konsumentami.

Następna faza AI finansowej może być więc mniej dotyczyć zastępowania centrów kontaktowych i bardziej dotyczyć przekształcenia architektury operacyjnej, która leży u podstaw nowoczesnego bankowości. Firmy rozwijające specjalistyczne systemy AI dla regulowanych branż pomagają testować, jak może wyglądać ta przyszłość, gdy instytucje finansowe badają, jak daleko automatyzacja może sięgać w funkcjach, które historycznie wymagały znacznego nadzoru ludzkiego.