Gradient Labs entwickelt KI Agenten, die Bankkunden in Supportfällen so begleiten sollen, als hätten sie einen persönlichen Kundenberater. Das System ist auf regulierte Abläufe ausgelegt, arbeitet mit OpenAI Modellen und zielt auf schnelle, verlässliche Problemlösung in Situationen wie Betrug, Verifizierung oder gesperrten Zahlungen.
Übersicht:
Vom SOP Dokument zum Echtzeit Gespräch
Im Bankservice reicht eine freundliche Antwort nicht, entscheidend ist der korrekte Ablauf. Gradient Labs baut dafür Agenten, die Schritte wie Identitätsprüfung, Sperrlogik und Folgeaktionen in einem Gespräch durchziehen, auch wenn Kunden unterbrechen, korrigieren oder das Thema wechseln.
Praxisbeispiel aus dem Alltag
Ein Kunde meldet eine gestohlene Karte: Erst muss die Identität sauber verifiziert werden, inklusive Rückfragen und Abbrüchen. Danach folgen Sperre, Ersatzkarte, Auskunft zur Zustellung und Hinweise zu den nächsten sicheren Schritten, alles strikt entlang der internen Prozedur. Genau an diesen Übergängen scheitern viele Systeme, weil sie entweder zu langsam werden oder den Verfahrenszustand verlieren.
Mini Modell für die Markteinordnung
Banken sind ein Stresstest für Agenten, weil drei Kräfte gleichzeitig wirken:
- Verfahrenstiefe: viele Schritte, Abhängigkeiten, Ausnahmen.
- Echtzeitdruck: Telefon und Voice verlangen niedrige Latenz, sonst wirkt das Gespräch abgehackt.
- Regulierungsrisiko: ein falscher Pfad kann zum Compliance Vorfall werden, nicht nur zu einem schlechten Supportmoment.
Messen statt hoffen mit Trajectory Accuracy
Gradient Labs bewertet Modelle nicht nur nach einzelnen Antworten, sondern nach dem kompletten Weg durch eine Prozedur. Der interne Begriff dafür ist Trajectory Accuracy, also ob das System vom Start bis zum korrekten Abschluss konsequent den richtigen Entscheidungspfad hält.
| Kennzahl | Wert | Warum das im Bankbetrieb zählt |
|---|---|---|
| Trajectory Accuracy in frühen Tests | 97% (GPT 4.1), 88% nächstbester Anbieter | Unterschied zwischen sauberem Abschluss und Prozessabweichung |
| Accuracy Vergleich | +11% höhere Genauigkeit mit GPT 4.1 | Mehr Fälle landen korrekt im richtigen SOP Ast |
| Kundenzufriedenheit (CSAT) | bis 98% | Agent Erlebnis kann menschliche Spitzenagenten übertreffen |
| Wachstum | >10x Umsatzwachstum in einem Jahr | Indiz für Produkt Market Fit im regulierten Segment |
Für Finanzinstitute ist diese Art Messung wichtiger als Demo Dialoge, weil sie zeigt, ob ein Agent das Verfahren stabil durchhält, statt nur einzelne Antworten gut klingen zu lassen.
Wie getestet wird
Das Team spielt reale, anonymisierte Supportverläufe erneut ab und vergleicht den Agentenpfad mit dem erwarteten SOP Pfad. Zusätzlich werden synthetische Gespräche erzeugt, um seltene Kantenfälle vorab zu treffen, bevor etwas produktiv läuft.
Hybrid Architektur mit Router und Guardrails
Statt alles mit einem einzigen großen Modell zu lösen, setzt Gradient Labs laut OpenAI auf eine Mischarchitektur. Anspruchsvolle Reasoning Schritte laufen über leistungsfähige Modelle, klar definierte Aufgaben werden von kleineren, schnelleren Modellen übernommen, ein Router entscheidet je nach Komplexität und Latenzbudget.
Warum GPT 5.4 mini und nano für Voice attraktiv sind
Für natürliche Sprachgespräche zählt Millisekunden Tempo, nicht nur Qualität. Gradient Labs berichtet von rund 500 Millisekunden Latenz mit GPT 5.4 mini und nano und verlagert deshalb Produktionslast auf diese Modelle. Ein technischer Hintergrund dazu findet sich in der OpenAI Veröffentlichung zu GPT 5.4 mini und nano sowie in der Modellübersicht für Entwickler. Einordnung zu GPT 5.4 mini und nano und Modellreferenz gpt 5.4 nano.
Guardrails als Parallelbetrieb, nicht als nachträgliches Pflaster
Entscheidend ist nicht nur, was der Agent sagt, sondern was er unterlässt. Gradient Labs lässt pro Interaktion laut OpenAI mehr als 15 Schutzsysteme parallel laufen, darunter Erkennung von Finanzberatung, Beschwerden, Vulnerabilitätssignalen sowie Versuche, Verifizierung zu umgehen oder an sensible Daten zu kommen.
Rollout Playbook und sichtbarer Effekt ab Tag eins
Banken schalten so ein System nicht als Big Bang frei. Gradient Labs startet typischerweise klein, überwacht engmaschig und erweitert erst dann, wenn die Messwerte stabil bleiben, inklusive automatischer Checks und Markierung von Gesprächen für menschliche Prüfung. openai.com
Klare Entscheidungsregel für die Einführung
Regel: Zuerst Workflows auswählen, bei denen der SOP Pfad klar ist und das Risiko begrenzt bleibt, dann stufenweise in striktere, seltenere und komplexere Kategorien erweitern. Die Auswahl stützt sich auf historische Supportdaten, also Häufigkeit und Risikoprofil der Falltypen.
Was Kunden laut OpenAI berichten
In manchen Deployments erreicht die Agent Experience laut OpenAI bis zu 98% CSAT und liegt damit teilweise über den besten menschlichen Agenten. Viele Einführungen beginnen mit über 50% Lösungsquote am ersten Tag, selbst in komplexen Bereichen wie Disputes, Account Verifizierung und Fraud.
Wohin sich das Produkt bewegt
Als nächster Schritt zählt Kontinuität über einzelne Gespräche hinaus, also Verlauf verstehen, offene Vorgänge verfolgen und beim nächsten Kontakt genau dort fortsetzen. Das zielt auf eine Art dauerhaften Kontext, der den Bankkunden nicht wie ein Ticket, sondern wie eine laufende Beziehung behandelt.
Mehr zum Unternehmen: Gradient Labs. Wer selbst Agenten baut, findet den Einstieg über die OpenAI API Plattform und die Developer Dokumentation.