Gradient Labs samlar in 13 miljoner dollar för att ta med säker AI-automatisering till reglerade branscher

Gradient Labs, ett London-baserat AI-startup som bygger djupt specialiserade kundtjänstagent för reglerade branscher, har samlat in 13 miljoner dollar i serie A-finansiering. Rundan leddes av Redpoint Ventures, med deltagande från Localglobe, Puzzle Ventures, Liquid 2 Ventures och Exceptional Capital. Finansieringen signalerar en växande efterfrågan på AI-system som går långt utöver ytlig automatisering – och istället integrerar regleringsintelligens, procedurlogik och granskningsbarhet direkt i kundoperationer.

Kapitalet kommer att accelerera Gradients produktutveckling och anställning över ingenjörs-, forsknings-, onboardings- och marknadsföringsteam. Mer betydelsefullt kommer det att bränsle företagets bredare uppdrag: att lösa den operativa belastningen som reglerade branscher står inför genom en ny klass av domänspecifika AI-agenter.

AI-utmaningen i reglerade sektorer

Kundtjänst i finans, försäkring och andra högriskbranscher är unikt svår. Å ena sidan har kundförväntningarna skjutit i höjden – 66% av människor förväntar sig en nästan omedelbar respons, och nästan en av tre kommer att överge ett företag efter en enda dålig upplevelse. Å andra sidan kan företag i reglerade områden inte enkelt ansluta konsumentgradiga chatbotar. Riskerna – från överträdelser av regelefterlevnad till datahantering – är för stora.

Traditionella AI-verktyg erbjuder endast partiella lösningar. De flesta är utbildade för allmänna frågor, och även de mest avancerade kundsupportagenterna idag hanterar vanligtvis endast de enklaste 20-25% av förfrågningarna. Dessa verktyg kämpar med skiktade arbetsflöden, verifieringssteg, juridisk nyans och eskalerande beslutsstrukturer. Inom finansiella tjänster är detta där den största delen av kostnaderna och riskerna ligger.

Gradient Labs adresserar denna lucka direkt.

En grundande team med domäncredibilitet

Gradient grundades 2023 av Dimitri Masin (VD), Danai Antoniou (Chief Scientist) och Neal Lathia (CTO) – alla som spelade kritiska roller i att bygga infrastruktur och drift vid UK-neobanken Monzo. Deras erfarenhet ger dem en ovanligt djup förståelse för de verkliga begränsningarna som reglerade företag står inför: hur bedrägeridetektionssystem är utformade, hur regelefterlevnadsavdelningar fungerar och vad interna verktyg faktiskt ser ut i en högriskmiljö.

Denna grundar-marknads-passning är sällsynt, och det visas i den dragkraft Gradient har sett sedan lanseringen. Inom tre månader säkrade företaget nio kunder – inklusive en av Europas största banker. Kunder rapporterar nu upplösningssatser på upp till 90% och CSAT-poäng som överstiger 98%, siffror som är nästan ohörda i reglerade supportmiljöer.

Vad Gradient Labs faktiskt bygger

I hjärtat av Gradients erbjudande ligger Otto, en procedurell AI-agent som är utbildad inte bara på språk, utan på logik, arbetsflöden och regelverksspecifika processer. Otto är utformad för att göra mer än att avleda biljetter – den utför komplexa, flerstegsoperationer med kontextuell medvetenhet och institutionell minnesförmåga. Detta inkluderar:

• Autentisering av kunder baserat på regelverks-KYC-logik
• Frysning och ersättning av förlorade eller komprometterade kort
• Initiering av bedrägeriutredningar med granskningsbar dokumentation
• Uppdatering av känsliga finansiella register baserat på kundens avsikt
• Navigering av policys med precision över jurisdiktioner och användningsfall

Till skillnad från stora språkmodeller som används i allmänna verktyg är Otto finjusterad för att fungera som en agent inom ett system, inte bara som ett gränssnitt. Den läser och skriver data till befintliga verktyg som Intercom, Zendesk och Freshdesk, och fungerar inom strikta ramar. Varje åtgärd Otto vidtar är förklarlig, loggas och reproducerbar – nyckelkrav för företag under finansiell reglering.

Djup automatisering utan att offra kontroll

En av de mest betydelsefulla tekniska differentierarna är Gradients användning av procedurabstraktion snarare än rent genererande resonemang. Där många chatbotar gissar avsikt och hallucinerar lösningar, komponerar Gradients arkitektur svar och åtgärder från fördefinierade, verifierbara steg – liknande ett beslutsengine lagrat över en LLM-kärna.

Detta innebär att företag kan kartlägga sin interna logik (t.ex. hur man hanterar tvister på en kreditkortstransaktion) och låta Otto utföra det exakt, utan mänsklig inblandning – men fortfarande med tillsyn. Regelefterlevnadsgrupper kan granska beslut, testa kanter och införa begränsningar, vilket säkerställer att AI förblir inom godkända operativa gränser.

Och eftersom Gradients onboardingsprocess inte enbart förlitar sig på statiska datamängder, utan inkluderar dynamisk processinlärning, startar upplösningssatser högt – ofta 40-60% från dag ett – och ökar snabbt när systemet anpassar sig till företagets exakta arbetsflöden.

Vad detta innebär för framtiden för kundoperationer

Implikationerna av Gradients arbete går utöver supportbiljetter. På många sätt bygger företaget en ny AI-lager för företagsprocessutförande, ett som är rotat i regelverksmedveten arkitektur. Snarare än att tillämpa AI i efterhand på isolerade supportfunktioner, integrerar Gradient intelligens direkt i operativt tyg.

Detta är särskilt betydelsefullt för branscher som historiskt sett har legat efter i AI-antagande – inte på grund av brist på intresse, utan på grund av risk. Finansiella institutioner, till exempel, är angelägna om att modernisera men är begränsade av interna kontroller, skadeståndsrädsla och behovet av absolut spårbarhet.

Gradient erbjuder en livskraftig modell för vad AI ser ut som i det sammanhanget. En modell som balanserar:

• Hastighet och responsivitet med precision och ansvarighet
• Användarupplevelsevinster med regelverksförsvarbarhet
• Djup automatisering med mänsklig tillsyn och tydlighet

Genom att göra detta, Gradient Labs hjälper till att omforma inte bara hur service levereras – utan hur system får förtroende. Om Otto och agenter som den fortsätter att lyckas, kan vi se tillbaka på Gradient Labs som ett av de första riktiga exemplen på AI som inte bara agerar smart, utan agerar ansvarsfullt inom några av de mest känsliga institutionerna i världen.

Och det kan vara genombrottet som till slut för med sig sann AI-transformation till ekonomin.