Nel settore bancario, risolvere un problema del cliente è raramente semplice. Casi come le frodi o i pagamenti bloccati richiedono il rispetto di procedure complesse che coinvolgono più team. Quando i sistemi non sono all'altezza, i clienti vengono rimbalzati da un team all'altro, aspettano in coda e subiscono ritardi in momenti critici. Questa complessità non solo genera frustrazione, ma può anche portare a incidenti di conformità e a un calo della fiducia dei clienti. La necessità di un approccio più efficiente e personalizzato è evidente, e proprio qui entra in gioco l'innovazione tecnologica.

È per gestire questa complessità che è stata concepita Gradient Labs. Con sede a Londra, questa azienda sta sviluppando agenti di IA che offrono a ogni cliente bancario un'esperienza simile a quella di avere un gestore personale dedicato. Fondata da un team che in precedenza ha guidato iniziative di IA e dati presso Monzo, la loro piattaforma si basa sui modelli di OpenAI e sta ora spostando il traffico di produzione su GPT-5.4 mini e nano, segnando un passo significativo nell'adozione dell'IA conversazionale nel settore finanziario.

L'impiego dei modelli OpenAI di nuova generazione

L'adozione dei più recenti modelli di OpenAI è un fattore chiave per il successo di Gradient Labs. «Stiamo riscontrando una latenza di 500 millisecondi con GPT-5.4 mini e nano, che è esattamente ciò di cui abbiamo bisogno per conversazioni vocali naturali», afferma Danai Antoniou, cofondatrice e direttrice scientifica di Gradient Labs. «Stiamo spostando una parte significativa del nostro carico di lavoro su questi modelli». Questa capacità di elaborare le richieste con una latenza così bassa è cruciale per replicare la fluidità di una conversazione umana e garantire che l'agente IA possa rispondere in tempo reale, senza interruzioni che potrebbero inficiare l'esperienza del cliente.

La scelta di OpenAI non è stata casuale, ma il risultato di un'attenta valutazione e di esigenze specifiche. Come sottolinea Antoniou: «Avevamo bisogno di tre cose contemporaneamente: precisione nel seguire le istruzioni, bassi tassi di allucinazione e affidabilità nella chiamata di funzioni, il tutto con restrizioni di latenza vocale. OpenAI è stato l'unico fornitore a soddisfare tutti e tre i requisiti». Questi criteri sono fondamentali nel settore finanziario, dove l'accuratezza e la conformità non sono negoziabili. Un errore di interpretazione o una "allucinazione" da parte di un sistema di IA potrebbe avere conseguenze gravi, rendendo l'affidabilità una priorità assoluta.

I processi bancari e le procedure operative standard

Nel settore bancario, le interazioni con i clienti sono regolate da procedure operative standard (SOP) che definiscono cosa deve accadere in ogni fase. Queste SOP sono complesse e dettagliate, pensate per garantire coerenza, sicurezza e conformità normativa. Un agente di IA deve essere in grado di navigare in queste procedure con la stessa, se non maggiore, precisione di un agente umano. Ciò include la capacità di comprendere il contesto, gestire le eccezioni e prendere decisioni informate in tempo reale.

Consideriamo un'interazione tipica con un cliente che Gradient Labs è in grado di gestire in modo efficiente:

  • Un cliente chiama per segnalare il furto della sua carta.
  • Il sistema verifica la sua identità, gestendo correzioni e interruzioni in tempo reale per garantire la massima sicurezza.
  • Una volta verificata, blocca la carta e avvia la procedura di sostituzione, automatizzando un processo che altrimenti richiederebbe diversi passaggi manuali.
  • Risponde a domande di follow-up, come i tempi di consegna della nuova carta, e suggerisce i passaggi successivi per il cliente.

Ogni passaggio segue una procedura definita, con decisioni prese in tempo reale in base alle informazioni dell'utente, al contesto della conversazione, alle barriere di protezione attive e alle risposte sia del cliente che dell'agente, il tutto per garantire la conformità e la sicurezza. Questa capacità di adattamento dinamico è ciò che distingue gli agenti di IA di Gradient Labs dai chatbot tradizionali.

«Il modello deve mantenere lo stato della procedura attraverso interruzioni, cambiamenti di turno nella conversazione e cambi di argomento, offrendo al contempo risposte rapide», afferma Antoniou. «La maggior parte dei fornitori non era nemmeno in grado di farlo». Questa è una sfida significativa, poiché le conversazioni umane raramente seguono un percorso lineare. La capacità dell'IA di mantenere il contesto e lo stato di una procedura anche di fronte a divagazioni o domande inaspettate è essenziale per un'esperienza utente senza interruzioni e per la risoluzione efficace dei problemi.

Valutazione e architettura del sistema

Gradient Labs adotta un approccio rigoroso per confrontare i fornitori e valutare i propri sistemi. Confrontano i fornitori nelle loro procedure più esigenti e li valutano in base a ciò che chiamano precisione di traiettoria: la capacità del sistema di seguire il processo dall'inizio alla fine senza deviazioni. In una delle loro valutazioni iniziali, GPT-4.1 è stato l'unico modello a raggiungere una precisione e una coerenza di traiettoria del 97%. Il fornitore più vicino si è fermato all'88%. Questa differenza può sembrare minima, ma nel settore dei servizi finanziari, le implicazioni sono enormi. «In servizi finanziari, questa è la differenza tra risolvere una chiamata e creare un incidente di conformità», spiega Antoniou. Un errore dell'8% può tradursi in migliaia di reclami o violazioni normative.

Questo risultato ha plasmato il modo in cui Gradient Labs ha progettato il suo sistema. Il team ha creato un'architettura ibrida che utilizza i modelli di OpenAI per i passaggi che richiedono un ragionamento intensivo e modelli più piccoli per attività più rapide e deterministiche. Un sistema di routing si adatta in base alla complessità e alle restrizioni di latenza, garantendo che il compito giusto venga indirizzato al modello più appropriato per ottimizzare l'efficienza e la precisione. Internamente, il sistema è composto da capacità specializzate orchestrate da un agente centrale di ragionamento, consentendo ai casi complessi di progredire tra i flussi di lavoro senza perdere il contesto. Questa modularità permette al sistema di scalare e adattarsi a diverse esigenze bancarie.

Salvaguardie e conformità rigorosa

Nel settore bancario, la sicurezza e la conformità sono priorità assolute. In ogni interazione, più di 15 sistemi di salvaguardia vengono eseguiti in parallelo per garantire che le conversazioni rimangano all'interno delle procedure definite e dei requisiti di conformità. Queste salvaguardie includono il rilevamento di consigli finanziari non autorizzati, segnali di vulnerabilità del cliente, reclami e tentativi di aggirare la verifica o accedere a dati sensibili. Le istituzioni finanziarie non implementano sistemi come questo basandosi sulla sola fiducia; hanno bisogno di vedere, passo dopo passo, che il sistema si comporta correttamente in condizioni reali.

«Bisogna progettare da zero per non avere allucinazioni», afferma Antoniou. «Questo deve essere il principio guida durante lo sviluppo». Questa filosofia è al centro dell'approccio di Gradient Labs, che riconosce che nel contesto bancario, anche una minima imprecisione può avere conseguenze gravi. Per valutare sia i modelli nuovi che quelli esistenti, il team riproduce conversazioni reali con i clienti e confronta il comportamento del sistema con la procedura attesa. Generano anche conversazioni sintetiche per testare casi limite e scenari rari prima di implementare qualsiasi cosa. Questo approccio basato sui dati e sui test rigorosi è essenziale per costruire la fiducia e garantire l'affidabilità del sistema.

Gradient Labs offre anche ai team bancari un controllo significativo sull'implementazione del sistema. Per fare ciò, i team analizzano i dati storici di supporto per identificare i tipi di problemi dei clienti che una banca gestisce e la loro frequenza. Successivamente, possono decidere quali categorie l'IA dovrebbe assumere, iniziando con i flussi di lavoro a minor rischio e ampliando progressivamente la sua portata. Questo permette alle banche di adottare l'IA in modo misurato e controllato, costruendo fiducia man mano che vedono i benefici.

Prima di passare alla produzione, i clienti possono simulare conversazioni per valutare come il sistema risponde in diversi scenari e acquisire fiducia nel fatto che si comporti come previsto. L'implementazione inizia solitamente con una piccola percentuale del traffico, con monitoraggio continuo e controlli automatizzati che rilevano le conversazioni che potrebbero richiedere una revisione umana. Nel tempo, la copertura si espande man mano che il sistema mantiene una performance costante e affidabile. Questo processo graduale e basato sui dati minimizza i rischi e massimizza le probabilità di successo dell'adozione dell'IA.

Risultati tangibili e visione futura

I risultati ottenuti dai clienti di Gradient Labs sono impressionanti. Le banche che utilizzano la loro piattaforma riportano punteggi CSAT (Customer Satisfaction) fino al 98%, in alcuni casi superando quelli dei loro migliori agenti umani. La maggior parte delle implementazioni inizia con tassi di risoluzione superiori al 50% dal primo giorno, anche in flussi complessi come controversie, verifica degli account e frodi. Questo impatto positivo si riflette nella crescita dell'azienda stessa. Nell'ultimo anno, Gradient Labs ha moltiplicato i suoi ricavi per più di dieci e ha ampliato la sua attività dal supporto in entrata ai processi in uscita e di back office, dimostrando la versatilità e l'efficacia della loro soluzione.

Guardando al futuro, Gradient Labs si concentrerà su sistemi in grado di mantenere il contesto tra le interazioni: comprendere la cronologia di un cliente, dare seguito a problemi in corso e riprendere le conversazioni da dove erano state interrotte. Questa direzione è strettamente allineata con il modo in cui Gradient Labs concepisce la sua collaborazione a lungo termine con OpenAI. «Non si tratta solo di scegliere un modello per oggi», afferma Danai Antoniou. «Stiamo costruendo su una piattaforma in cui l'evoluzione dei modelli di ragionamento avanza nella stessa direzione del nostro prodotto». Questa visione condivisa sottolinea un impegno per l'innovazione continua e l'adattamento alle esigenze future del settore bancario.

Man mano che i modelli migliorano, si amplierà la gamma di procedure che possono essere automatizzate in modo sicuro. Per Gradient Labs, questo significa avanzare verso un sistema in cui ogni interazione con il cliente viene gestita con la stessa coerenza, giudizio e continuità di un agente umano di primo livello. L'obiettivo finale è trasformare l'esperienza bancaria, rendendola più efficiente, personalizzata e centrata sul cliente, liberando al contempo gli agenti umani per concentrarsi su casi più complessi e a valore aggiunto.