Gradient Labs привлекает $13M для безопасной автоматизации ИИ в регулируемых отраслях

Gradient Labs, лондонский стартап ИИ, строящий глубоко специализированных агентов обслуживания клиентов для регулируемых отраслей, привлек $13 миллионов в рамках финансирования серии А. Раунд был возглавлен Redpoint Ventures, с участием Localglobe, Puzzle Ventures, Liquid 2 Ventures и Exceptional Capital. Финансирование сигнализирует о растущем спросе на системы ИИ, которые далеко выходят за рамки поверхностной автоматизации – и вместо этого встраивают регуляторную интеллект, логические процедуры и аудитability直接 в операции с клиентами.

Капитал будет ускорять разработку продукта и набор персонала в области инженерии, исследований, интеграции и выхода на рынок. Более того, он будет стимулировать более широкую миссию компании: решение операционных проблем, с которыми сталкиваются регулируемые отрасли, посредством нового класса агентов ИИ, специфичных для области.

Проблема ИИ в регулируемых секторах

Обслуживание клиентов в финансовой, страховой и других высокорисковых отраслях уникально сложно. С одной стороны, ожидания клиентов взлетели – 66% людей теперь ожидают практически мгновенного ответа, и почти каждый третий клиент бросит компанию после одного плохого опыта. С другой стороны, компании в регулируемых пространствах не могут просто подключить потребительские чат-боты. Риски – от нарушений соблюдения до неправильного обращения с данными – слишком велики.

Традиционные инструменты ИИ предлагают только частичные решения. Большинство из них обучены для общих запросов, и даже самые продвинутые агенты поддержки клиентов сегодня обычно обрабатывают только самые простые 20-25% запросов. Эти инструменты испытывают трудности с многослойными рабочими процессами, шагами верификации, юридическими нюансами и деревьями решений. В финансовых услугах это то место, где лежит основная масса затрат и рисков.

Gradient Labs решает эту проблему напрямую.

Основательная команда с достоверностью в области

Gradient был основан в 2023 году Dimitri Masin (CEO), Danai Antoniou (Chief Scientist) и Neal Lathia (CTO) – все они сыграли критические роли в построении инфраструктуры и операций в британском neobank Monzo. Их опыт дает им необычно глубокое понимание реальных ограничений, с которыми сталкиваются регулируемые компании: как проектируются системы обнаружения мошенничества, как работают отделы соблюдения, и как выглядит внутреннее инструментирование в высокорисковой среде.

Эта связь основателей с рынком редка, и это видно в том, что Gradient добился с момента запуска. В течение трех месяцев компания обеспечила девять клиентов – включая один из крупнейших банков Европы. Клиенты теперь сообщают о разрешении до 90% и показателях удовлетворенности клиентов (CSAT) выше 98%, цифры, которые практически неслыханны в поддержке регулируемых сред.

Что на самом деле строит Gradient Labs

В основе предложения Gradient находится Otto, процедурный агент ИИ, обученный не только на языке, но и на логике, рабочих процессах и регуляторно-специфических процессах. Otto предназначен для выполнения более чем просто отклонения тикетов – он выполняет сложные, многоступенчатые операции с контекстным осознанием и институциональной памятью. Это включает:

• Аутентификацию клиентов на основе регуляторной логики KYC
• Замораживание и замену утерянных или скомпрометированных карт
• Инициирование расследований мошенничества с документацией аудиторской трассировки
• Обновление чувствительных финансовых записей на основе намерения клиента
• Навигация по политикам с точностью во всех юрисдикциях и случаях использования

В отличие от больших языковых моделей, используемых в общих целях инструментов, Otto настроен на работу как агент внутри системы, а не только как интерфейс. Он читает и записывает данные в существующие инструменты, такие как Intercom, Zendesk и Freshdesk, и работает в строгих ограничениях. Каждое действие, которое выполняет Otto, объяснимо, зарегистрировано и воспроизводимо – ключевые требования для компаний, находящихся под финансовым регулированием.

Глубокая автоматизация без жертвования контролем

Одним из наиболее значительных технических различий является использование Gradient процедурной абстракции вместо чисто генеративного рассуждения. В то время как многие чат-боты угадывают намерение и фантазируют решения, архитектура Gradient составляется из заранее определенных, проверяемых шагов – подобно двигателю решений, слоистому над ядром LLM.

Это означает, что компании могут составить свою внутреннюю логику (например, как обрабатывать споры по транзакции кредитной карты) и позволить Otto выполнить ее точно, без вмешательства человека – но все же с надзором. Команды соблюдения могут проверять решения, тестировать граничные случаи и вводить ограничения, обеспечивая, что ИИ остается в пределах утвержденных операционных границ.

И поскольку процесс интеграции Gradient не полагается исключительно на статические наборы данных, но включает динамическое обучение процессов, показатели разрешения начинаются высоко – часто 40-60% с первого дня – и быстро увеличиваются, поскольку система адаптируется к точным рабочим процессам компании.

Что это значит для будущего операций с клиентами

Последствия работы Gradient Labs выходят за рамки поддержки тикетов. Во многих отношениях компания строит новый слой ИИ для выполнения бизнес-процессов, который основан на архитектуре, осведомленной о регулировании. Вместо применения ИИ ретроспективно к изолированным функциям поддержки Gradient встраивает интеллект直接 в операционную ткань.

Это особенно значимо для отраслей, которые исторически отставали в принятии ИИ – не из-за отсутствия интереса, но из-за риска. Финансовые учреждения, например, стремятся модернизировать, но ограничены внутренними контролями, страхами ответственности и необходимостью абсолютной прослеживаемости.

Gradient предлагает жизнеспособную модель того, как выглядит ИИ в этом контексте. Модель, которая балансирует:

• Скорость и отзывчивость с точностью и подотчетностью
• Выгоды от пользовательского опыта с регуляторной оборонимостью
• Глубокую автоматизацию с человеческим надзором и ясностью

Таким образом, Gradient Labs помогает переформулировать не только то, как обслуживается сервис, но и то, как системы получают доверие. Если Otto и агенты, подобные ему, продолжат добиться успеха, мы можем оглянуться назад на Gradient Labs как на один из первых реальных примеров ИИ, который не только действует умно, но и действует ответственно внутри некоторых из наиболее чувствительных учреждений в мире.

И это может быть прорыв, который наконец приведет к真正й трансформации ИИ в сердце экономики.