Лондонский стартап использует гибридную архитектуру на базе языковых моделей для создания ИИ-агентов, способных решать сложные финансовые задачи с высокой точностью и низкой задержкой.
3 мин
Банковское обслуживание традиционно страдает от бюрократии и медлительности, особенно когда речь заходит о сложных проблемах, таких как мошенничество или блокировка платежей. Британская компания Gradient Labs предлагает решение: платформу для создания ИИ-агентов, которые выполняют роль персонального менеджера для каждого клиента. Используя новые языковые модели (LLM), стартап добился высокой скорости ответа и точного следования банковским инструкциям.
В финансовом секторе каждое действие регулируется стандартными операционными процедурами (SOP). Если клиент сообщает о краже карты, система должна верифицировать личность, заблокировать счет, инициировать перевыпуск и ответить на сопутствующие вопросы.
Soft flowing gradient background in warm orange and yellow blending into teal with a white geometric cube icon beside the text "Gradient Labs" centered across the image.
Исторически автоматизация таких процессов упиралась в жесткие скрипты. Шаг влево или вправо — и бот переводит диалог на оператора. Команда Gradient Labs, состоящая из бывших руководителей направлений данных и ИИ в банке Monzo, решила эту проблему, доверив управление диалогом искусственному интеллекту, способному удерживать контекст при прерываниях и смене темы.
Для обеспечения естественного голосового общения критически важна задержка ответа. Gradient Labs переводит значительную часть рабочей нагрузки на модели GPT-5.4 mini и nano, достигая задержки в 500 миллисекунд.
Однако скорость — это лишь часть уравнения. Стартап ввел метрику «точности траектории» (trajectory accuracy), которая оценивает, прошел ли ИИ правильный путь от начала до конца процедуры. В ходе тестирования модель GPT-4.1 показала точность 97%, тогда как ближайший конкурент достиг лишь 88%. В банковской сфере разница в 9% — это граница между успешно решенной проблемой и нарушением нормативных требований.
Чтобы минимизировать риски, Gradient Labs использует гибридную архитектуру:
Dashboard interface for a banking support tool showing a procedure titled Fraud impersonation callback with step by step instructions for verifying suspicious payments. A live call transcript appears on the right with messages between an AI agent and a customer confirming identity and sending a verification code to secure the account.
Успех Gradient Labs, выраженный в 10-кратном росте выручки и показателе удовлетворенности клиентов (CSAT) до 98%, демонстрирует важный сдвиг на рынке. Финансовые институты начинают доверять генеративному ИИ не только написание черновиков писем, но и прямое взаимодействие с клиентами по критически важным вопросам.
Это доверие строится на строгом тестировании: перед запуском системы прогоняются через записи реальных разговоров и синтетические сценарии, а внедрение начинается с процессов с низким уровнем риска.
В будущем Gradient Labs планирует развивать системы, способные сохранять контекст между разными взаимодействиями. Это означает, что ИИ будет помнить историю клиента, отслеживать текущие проблемы и продолжать разговор с того места, где он прервался в прошлый раз. По мере развития способности моделей к рассуждению, спектр банковских процедур, которые можно безопасно автоматизировать, будет только расширяться.
Descript > 1x1 Card
oai Praktika 1x1
Higgsfield > Card Image
Автоматизация клиентской поддержки в банках переходит от жестких скриптов к гибким ИИ-агентам, способным соблюдать строгие нормативные процедуры без потери контекста.
Успешное внедрение ИИ в жестко регулируемых сферах требует не одной мощной модели, а гибридной архитектуры, где генерация текста отделена от множества параллельных проверок безопасности.
