Londyński startup Gradient Labs ogłosił, że każdy klient banku może mieć własnego asystenta AI, który zna jego historię, rozumie kontekst i potrafi rozwiązać nawet skomplikowane sprawy – od sporów po weryfikację tożsamości. To nie jest chatbot z drzewa decyzyjnego. To coś zupełnie innego.
Jeśli chcesz otrzymać raport przed oficjalną premierą oraz zobaczyć nazwę swojej firmy wśród uczestników badania – zostaw adres email na końcu ankiety.
AI dla bankowości – nareszcie coś poważnego
Gradient Labs powstał w 2023 roku. Założyciele – Dimitri Masin, Neal Lathia i Danai Antoniou – wcześniej budowali systemy AI i data w Monzo, jednym z najbardziej zaawansowanych technologicznie banków w Europie. Wiedzą zatem, jak wygląda obsługa klienta w finansach od podszewki: kolejki, przełączanie między działami, powtarzanie tej samej historii cztery razy do czterech różnych pracowników.
Ich platforma, Otto, jest zbudowana na modelach OpenAI – konkretnie na GPT-4.1 i najnowszych GPT-5.4 mini oraz nano. System nie działa jak klasyczny bot. Składa się ze specjalistycznych „umiejętności” orkiestrowanych przez centralnego agenta rozumującego, który utrzymuje kontekst przez cały proces – nawet jeśli sprawa przechodzi przez kilka działów.
Dokładność, która nie jest przypadkowa
Gradient Labs testuje modele na najtrudniejszych procedurach bankowych i mierzy coś, co nazywają „trajectory accuracy” – czy system podąża właściwą ścieżką od początku do końca, a nie tylko trafia w jakiś punkt gdzieś po drodze.
W pierwszych testach GPT-4.1 był jedynym modelem, który osiągnął 97% dokładności na tej mierze. Następny dostawca w rankingu zatrzymał się na 88%.
Jak mówi Danai Antoniou, współzałożycielka i Chief Scientist:
„In financial services, that’s the difference between resolving a call and creating a compliance incident.” / „W usługach finansowych to różnica między rozwiązaniem sprawy a stworzeniem incydentu compliance.”
9 punktów procentowych brzmi może skromnie. W bankowości oznacza realne ryzyko regulacyjne.
Jak wygląda wdrożenie w praktyce
Gradient Labs nie wrzuca systemu od razu na pełen ruch klientów. Podejście jest przemyślane:
- Analiza historycznych danych supportowych klienta – żeby zrozumieć, z jakimi sprawami klienci się zgłaszają i jak często
- Wybór kategorii spraw, które AI ma obsługiwać – bank decyduje, od czego zacząć
- Symulacje rozmów przed uruchomieniem produkcyjnym
- Start na małym procencie ruchu, z ciągłym monitoringiem i automatycznymi flagami
- Stopniowe rozszerzanie zasięgu w miarę jak system udowadnia swoją skuteczność
To podejście z głową. I właśnie tu warto się zatrzymać.
Gradient Labs robi to, co lubię widzieć w AI dla sektora finansowego: zaczyna od danych, testuje na trudnych przypadkach i wdraża etapami. Ale pytanie, które mnie nurtuje, brzmi: co z przypadkami brzegowymi, których historyczne dane nie obejmują? Każdy poważny kryzys finansowy – pandemia, nagłe blokady, masowe oszustwa – generuje scenariusze, których żaden system nigdy wcześniej nie widział. Klienci w takich momentach potrzebują nie tylko skuteczności, ale też empatii i elastyczności. Czy AI w pełni to zastąpi? Nie wiem. I myślę, że nikt uczciwy nie powinien twierdzić, że wie.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Wyniki, które trudno zignorować
Liczby prezentowane przez Gradient Labs są imponujące. Klienci firmy raportują oceny CSAT sięgające 98% – w niektórych przypadkach wyższe niż u najlepszych ludzkich agentów. Większość wdrożeń startuje z ponad 50% wskaźnikiem samodzielnej rezolucji już pierwszego dnia, nawet przy złożonych sprawach jak spory, weryfikacja konta czy przypadki oszustw.
Przychody firmy wzrosły ponad 10-krotnie w ciągu ostatniego roku.
Kierunek: pamięć i ciągłość
Gradient Labs patrzy dalej. Teraz skupia się na systemach, które potrafią utrzymywać kontekst między kolejnymi interakcjami – znają historię klienta, śledzą otwarte sprawy i potrafią podjąć wątek tam, gdzie poprzednia rozmowa się urwała.
To właśnie pokazuje, jak firma myśli o swojej długoterminowej współpracy z OpenAI. Antoniou ujęła to tak:
„We’re not just choosing a model for today. We’re building on a platform where we see the trajectory of reasoning models going in the same direction as our product.” / „Nie wybieramy po prostu modelu na dziś. Budujemy na platformie, gdzie widzimy, że trajektoria modeli rozumujących idzie w tym samym kierunku co nasz produkt.”
W miarę jak modele się poprawiają, rośnie zakres procedur, które można bezpiecznie zautomatyzować. Dla Gradient Labs to oznacza zbliżanie się do świata, gdzie każda interakcja z bankiem jest obsługiwana z taką samą konsekwencją i oceną sytuacji jak przez najlepszego pracownika.
Banki mają problem, który AI może rozwiązać
Klasyczna obsługa klienta w bankowości to jeden z najbardziej kosztownych i frustrujących elementów całej branży. Fraud, zablokowane płatności, weryfikacje – to przypadki, które wymagają ścisłego przestrzegania skomplikowanych procedur przez wiele zespołów jednocześnie. Gdy systemy zawodzą, klient jest odbijany od ściany do ściany.
Gradient Labs twierdzi, że rozwiązuje właśnie ten problem. I jak na razie liczby zdają się to potwierdzać.
