בנקאות חכמה עם 'מנהל חשבון מלאכותי'
לפי פרסום של OpenAI מאפריל 2026, הסטארט-אפ הלונדוני Gradient Labs מפעיל סוכני AI לבנקים שמדמים חוויית מנהל חשבון אישי. החברה משתמשת ב-GPT-4.1 וב-GPT-5.4 mini/nano לתהליכי שירות פיננסיים מורכבים, עם השהיה סביב 500 מאיות-השנייה, שביעות רצון לקוחות של עד 98% וצמיחה של פי 10 בהכנסות.
Gradient Labs, חברה לונדונית שהוקמה בידי צוות שהוביל בעבר מאמצי AI ודאטה בבנק הדיגיטלי Monzo, בונה סוכני שירות ללקוחות בנקים שמסוגלים לטפל בשיחות ותהליכים רגישים כמו הונאות, אימות זהות ותשלומים חסומים, תוך עמידה בהנחיות רגולטוריות ובנהלי עבודה פנימיים. חברת הסטארט-אפ האירופית מדווחת על קפיצה בביצועים ובאמון, על-פי פרסום של OpenAI מאפריל 2026.
מ-SOP למסלולי שירות בזמן אמת
בעולם הבנקאות, אינטראקציות עם לקוחות נשענות על SOPs, נהלי עבודה סטנדרטיים שמגדירים מה מותר ומה חייב לקרות בכל שלב. דוגמה שכיחה היא דיווח על כרטיס שנגנב: המערכת צריכה לאמת זהות גם כשהלקוח מתקן את עצמו או קוטע את השיחה, להקפיא את הכרטיס, לפתוח תהליך הנפקה מחדש, ולענות לשאלות המשך כמו זמני משלוח והמלצות לפעולות נוספות.
רוצה להישאר מעודכן ב-AI?
הירשם לדיוור השבועי שלנו וקבל עדכונים, המלצות על כלים, חדשות ודוחות מיוחדים
כאן נכנסת הבעיה הקלאסית של מערכות AI בשירות: לא רק לייצר תשובה נכונה, אלא לשמור "מצב פרוצדורלי" לאורך שיחה שמחליפה נושאים, כוללת הפרעות ומכניסה מידע חדש בזמן אמת. דנאי אנטונייו, מייסדת שותפה ומדענית ראשית ב-Gradient Labs, מתארת דרישה משולשת: דיוק בהיצמדות להוראות, שיעור הזיות נמוך, ואמינות גבוהה של קריאות לפונקציות, וכל זה תחת מגבלת השהיה שמתאימה לשיחה קולית טבעית. לפי החברה, GPT-5.4 mini ו-GPT-5.4 nano מאפשרים להם להגיע לכ-500 מאיות-השנייה השהיה, נתון שמסייע להחזיק דיאלוג שיחה זורם.
החברה מודדת ספקים לפי מדד שהיא מכנה "דיוק מסלול" (Trajectory Accuracy), כלומר האם המערכת הולכת מהתחלה עד הסוף לאורך המסלול הפרוצדורלי הנכון. באחת מההערכות הראשונות שלה, GPT-4.1 הגיע, לפי הדיווח, ל-97% עקביות ודיוק מסלול, בעוד שהספק הבא בתור עמד על 88%. בתחומי הפיננסים, הפער הזה הוא לא רק איכות שירות, אלא פער בין טיפול מוצלח לבין אירוע שעלול להסתיים בתלונה, קנס או חקירת רגולטור.
ארכיטקטורה היברידית: מודל גדול להיגיון, מודלים קטנים לדטרמיניזם
כדי לחבר בין מהירות, אמינות וציות, Gradient Labs בנתה ארכיטקטורה היברידית: מודלי OpenAI משמשים לשלבים עתירי היגיון והבנת הקשר, ובמקביל מודלים קטנים ומהירים יותר מבצעים משימות דטרמיניסטיות שמצטיינות ביציבות, כמו שליפת נתונים, בדיקות פורמליות והפעלת כללים. בפועל, מדובר בתזמור בין "מיומנויות" ייעודיות שמנוהלות על ידי סוכן היגיון מרכזי, כך שתיק מורכב יכול לעבור בין תהליכים בלי לאבד קונטקסט.
כיוון שמדובר בסביבה עתירת סיכון, החברה מפעילה יותר מ-15 מנגנוני Guardrails במקביל. אלה כוללים זיהוי ניסיונות לקבל ייעוץ פיננסי, איתותי פגיעות, תלונות, ניסיונות לעקוף אימות, או גישה למידע רגיש. בהקשר טכנולוגי רחב, Guardrails הם שכבות הגנה שמגיבות בזמן אמת: הן יכולות לחסום פעולה, להעביר לנציג אנושי, לבקש אימות נוסף, או לצמצם תשובה לתבנית מאושרת.
הוכחת אמינות לפני פריסה: שחזור שיחות ויצירת מקרי קצה
אנטונייו מדגישה שהטמעה בבנקים לא מבוססת על אמון בלבד. כדי להראות התנהגות נכונה "צעד-אחר-צעד", Gradient Labs מבצעת ריפליי לשיחות לקוח אמיתיות ומשווה את התנהגות הסוכן למסלול הפרוצדורלי המצופה. בנוסף, החברה מייצרת שיחות סינתטיות כדי לבחון מצבים נדירים וקיצוניים עוד לפני פריסה, שיטה מקובלת בבדיקות מערכות AI כאשר הדאטה מהעולם האמיתי לא מכסה את כל תרחישי האימות.
ההשקה עצמה מתבצעת בהדרגה: הצוותים בבנק בוחרים אילו קטגוריות תקלות ה-AI יטפל בהן, לרוב מתחילים בתהליכים בעלי סיכון נמוך יותר ומרחיבים כיסוי כשמדדי הביצועים יציבים. הפריסה מתחילה בדרך כלל באחוז קטן מהתעבורה, עם ניטור מתמשך ובדיקות אוטומטיות שמסמנות שיחות לחשד לחריגה או לצורך בביקורת אנושית.
תוצאות עסקיות: CSAT גבוה וצמיחה מהירה
לפי OpenAI, לקוחות של Gradient Labs מדווחים על שביעות רצון (CSAT) של עד 98% בחוויית הסוכן, ובמקרים מסוימים ביצועים שעולים על הנציגים האנושיים הטובים ביותר. ההטמעות מתחילות לעיתים עם שיעור פתרון של מעל 50% כבר ביום הראשון, גם בתהליכים מורכבים כמו מחלוקות על חיובים, אימותי חשבון והונאות. החברה מדווחת גם על צמיחה של פי 10 בהכנסות בשנה האחרונה והתרחבות מעבר לתמיכה נכנסת לתהליכים יזומים ול-Back Office.
מבט קדימה, Gradient Labs מכוונת ליכולת לשמר הקשר בין אינטראקציות שונות: להבין היסטוריית לקוח, לעקוב אחר תיקים פתוחים, ולהמשיך שיחה בדיוק מהמקום שבו נעצרה. זהו אחד האתגרים המרכזיים בבניית סוכנים ארגוניים, משום שהוא דורש שילוב של זיכרון בטוח ומבוקר, הרשאות גישה, ועמידה קפדנית במגבלות פרטיות. מבחינתה, הבחירה במודלי OpenAI היא לא רק של "כאן ועכשיו", אלא הימור על מסלול התקדמות של מודלי היגיון שיתאים לכיוון המוצר לאורך זמן.