Análisis de Gradient Labs (2026): ¿vale la pena el agente de IA centrado en finanzas?

Qué es realmente Gradient Labs

Llevo varios años construyendo IA para el helpdesk, así que leo muchas páginas de lanzamiento de "agentes de soporte autónomos". La mayoría se difuminan entre sí. Gradient Labs es una de las pocas que eligió un carril estrecho y específico y fue en profundidad en lugar de en amplitud.

La empresa fue fundada en 2023 en Londres por tres exempleados de Monzo: Dimitri Masin (CEO, que lideró el equipo de datos y ML de Monzo), Neal Lathia (construyó la infraestructura de ML de Monzo) y Danai Antoniou (Chief Scientist). Ese origen importa, porque todo el producto se lee como si lo hubieran hecho personas que pasaron años viendo cómo se rompe el soporte dentro de un banco real. Como dijo Masin en una entrevista con The Register, en Monzo pasaron años "apuntando típicamente a modestas ganancias de eficiencia del 10%", y el salto a los modelos modernos hizo posible de repente "automatizar completamente y de forma autónoma el 70-80% del trabajo manual repetitivo".

El mercado ha recompensado ese enfoque. Gradient Labs ha recaudado 26 millones de dólares en total en una ronda Serie A, un inicial de 13 millones liderado por Redpoint en julio de 2025, y luego una segunda extensión de 13 millones liderada por Octopus Ventures y CommerzVentures alrededor de junio de 2026. Los ingresos crecieron aproximadamente 10 veces interanual, y sus agentes ahora llegan a más de 32 millones de usuarios finales en clientes como Wise, Zego, Plum, Current, Stash y Pockit.

Cómo funciona Otto realmente

Aquí es donde Gradient Labs se distingue de un chatbot basado en reglas. El agente está construido como una máquina de estados que orquesta habilidades especializadas: un agente de razonamiento central decide qué necesita el cliente, y luego enruta el caso a través de pasos deterministas y agénticos sin perder el contexto. No busca un artículo y espera que funcione, ejecuta un procedimiento.

Dos decisiones de diseño me llamaron la atención. Primero, es verdaderamente multi-modelo: Gradient Labs enruta entre OpenAI, Anthropic y Google, usando modelos más grandes para pasos que requieren razonamiento intenso y otros más pequeños para tareas deterministas rápidas, con failover entre proveedores para que una sola caída no tumbe al agente. Antoniou le dijo al equipo del caso de estudio de OpenAI que estaban viendo "una latencia de 500 milisegundos con GPT-5.4 mini y nano", que es lo que hace posibles las conversaciones de voz naturales.

Segundo, se le enseña de la misma forma en que enseñarías a un nuevo empleado. Los procedimientos se redactan en lenguaje llano, y el agente aprende de tus conversaciones reales pasadas y de tus SOP, no solo del centro de ayuda. Su tesis es "automatización de soporte tan simple como escribir un documento".

Una concesión honesta que los fundadores reconocen abiertamente: no es el agente más rápido en un chat de texto. Masin señala que su tiempo de respuesta mediano "podría ser de 15-20 segundos" porque el agente se toma más tiempo para pensar, y lo enmarca como un trato justo para instituciones financieras donde una respuesta equivocada es peor que una lenta. Que esto encaje depende de la paciencia de tus clientes.

Los agentes especialistas

En lugar de un único bot generalista, Gradient Labs ofrece un elenco de agentes específicos por rol, cada uno medido por su propio resultado. Esta es la parte que lo hace sentir construido para la banca en lugar de adaptado a posteriori.

• Agente de atención al cliente resuelve casos a través de chat, correo y voz (el panel de demostración muestra 87,4% de resolución en texto y 75,9% en voz).
• Agente de disputas recopila y verifica evidencia, decide el resultado, escala a un humano para su aprobación y presenta el contracargo ante la red de tarjetas.
• Agente de cobranzas contacta a los prestatarios en mora en el momento adecuado y consigue una promesa de pago, incluso mediante voz con IA.
• Agente KYB/KYC verifica documentos frente a la política y valida un negocio o cliente antes del onboarding.
• Agente de préstamos, lanzado en abril de 2026, automatiza todo el recorrido del prestatario, desde la solicitud hasta la cobranza.

La amplitud aquí es la ventaja competitiva. Un bot de soporte genérico puede responder "¿dónde está mi reembolso?", pero no presenta un contracargo ante Visa ni ejecuta un chequeo de vulnerabilidad, y esos son exactamente los flujos de trabajo que un banco necesita cubiertos.

¿Realmente resuelve tickets?

Las cifras destacadas son la razón por la que cualquiera lee un análisis de Gradient Labs, así que déjame ser preciso al respecto, y señalar que son reportadas por el proveedor (aún no existe una auditoría de terceros).

El patrón que importa es la progresión. La mayoría de las implementaciones comienzan con más del 50% de resolución el primer día, incluso en flujos complejos como disputas y verificación de cuentas. Sin personalización, de fábrica, estás viendo un 40-60%. El pico de 80-90% llega después de 3-5 meses de optimización. Así que la lectura honesta es que esto no es una herramienta de 80% instantáneo, es una escalada en la que inviertes.

Los resultados de clientes nombrados respaldan esa trayectoria:

Mi señal favorita no es una cifra, son las reacciones de los usuarios finales que cita Gradient Labs, del tipo difícil de fingir. Una clienta de Plum escribió: "¿eres virtual? ¡pensé que eras un humano!" y un cliente de Morse dijo: "de verdad pensé que eras una persona durante toda la conversación". Cuando los clientes no pueden notar la diferencia, has superado la barrera en la que fallan la mayoría de los bots de soporte.

Guardrails y cumplimiento

Para un comprador regulado, esta sección es todo el juego, y es donde Gradient Labs es más fuerte. Cada turno de cada conversación pasa por más de 20 guardrails de servicios financieros en paralelo: detección de asesoramiento financiero, señales de vulnerabilidad del cliente, detección de quejas, moderación de texto e inyección de prompts, y comprobaciones para detectar a quien intente evitar la verificación.

Cuenta con certificación SOC 2 Type 2 con SSO, permisos basados en roles y registros de auditoría, y está preconfigurado en torno a FCA Consumer Duty, CONC, Reg E, Reg Z, PSD2, RGPD y la Ley de IA de la UE. El planteamiento de Antoniou en el artículo de OpenAI es el correcto: "Tienes que diseñar desde cero para no tener alucinaciones. Ese debe ser el principio rector al construir." En finanzas, como ella lo expresa, la diferencia es "entre resolver una llamada y crear un incidente de cumplimiento." Incluso el mejor agente necesita que la prevención de alucinaciones se trate como un asunto de primer orden, y esta es una de las pocas herramientas que claramente lo hace.

Voz, canales y mantener a un humano en el bucle

Otto es omnicanal por diseño, y maneja chat, voz, correo y SMS como un solo agente en lugar de bots separados pegados entre sí. La voz en producción a esta escala es poco común, y es una diferenciación real.

La función que destacaría a cualquier responsable de operaciones es Ask a Human. En lugar de una transferencia brusca en la que el cliente espera en una cola y tiene que repetirse, la IA sigue conversando mientras un humano se ocupa del paso sensible entre bambalinas (por ejemplo, aprobar una disputa de 2.000 libras). El agente luego recoge el resultado y termina la conversación. Es un planteamiento más inteligente de la escalación de soporte que una transferencia dura. Los resultados de Zego muestran por qué importa:

"La función ask-a-human redujo el tiempo de gestión humana de 12 minutos a poco más de 3, a la vez que elevó las puntuaciones de CSAT."

Andy Murray, Head of Strategy & Enablement, Zego

Precios: basados en resultados, pero tienes que llamar

Esto es lo más contundente que ha hecho Gradient Labs, y la parte de este análisis que más quiero que te lleves. No hay ningún precio publicado en ningún lugar. La página de precios es un formulario de contacto. El modelo, en sus propias palabras, es "precios basados en resultados sin cargos por plataforma, donde pagas solo por resoluciones de consultas exitosas".

Masin ha sido refrescantemente directo sobre por qué. En The Register atacó directamente el precio por conversación: un competidor que cobra por conversación cobra "sin importar a qué lleve eso", lo cual "no crea ningún incentivo" para realmente mejorar al agente. Su frase sobre el modelo es el argumento más claro a favor del precio por resultado que he visto: "Si no resolvemos el problema y aun así necesitas involucrar a tu equipo humano, entonces no necesitas pagarnos." Ha mencionado la posibilidad de cobrar aproximadamente el 30% del costo humano equivalente, lo que implicaría un ahorro de costos significativo si la tasa de resolución se mantiene (el cálculo de IA vs. agente humano en costos es el lente para evaluarlo).

Me gusta la filosofía. La desventaja práctica es que no puedes estimar tu factura sin una llamada de ventas, no hay prueba gratuita, y la tarifa por resolución en sí es privada, así que compararla con una herramienta de precio por resolución publicado (Zendesk indica 1,50 $ por resolución automatizada como referencia de categoría) es imposible desde fuera. Si el presupuesto predecible y de autoservicio te importa, esa es una fricción real. Nuestro desglose completo de precios de Gradient Labs profundiza en las cuentas.

Qué dice realmente la gente sobre esto

Este es el vacío honesto en cualquier análisis de Gradient Labs: casi no hay voz de usuario independiente. No hay puntuaciones sustanciales en G2, Capterra o Trustpilot, ni discusiones masivas en Reddit, ni benchmarks de terceros. La narrativa pública son entrevistas a los fundadores, las publicaciones propias de la empresa y casos de estudio de sus socios de modelos. Trata las cifras como creíbles pero reportadas por el proveedor, no auditadas.

Lo más citable en el registro público es en realidad Masin siendo franco sobre los límites de la categoría. Sobre dónde los agentes de IA prometen de más, le dijo a The Register que los agentes de ventas y marketing "son realmente inútiles en la mayoría de los casos". Un fundador que dice eso públicamente me resulta más confiable en las afirmaciones que sí hace sobre soporte.

"Lo que estamos construyendo es la capa de agentes que los servicios financieros necesitan para operar sus operaciones de atención al cliente de forma autónoma."

Dimitri Masin, cofundador y CEO, Gradient Labs

El veredicto: quién debería comprar Gradient Labs

Después de revisar el producto, esta es mi opinión directa.

Cómpralo si eres un banco, prestamista, neobanco o aseguradora con exposición regulatoria genuina y el volumen suficiente para justificar una implementación acotada. Los agentes especialistas, los más de 20 guardrails de cumplimiento, la postura SOC 2 y la voz en producción son difíciles de reunir en cualquier otro lugar, y el precio basado en resultados significa que no pagas por conversaciones fallidas. Para ese comprador, esta es una de las empresas de IA para atención al cliente más creíbles del mercado.

Sáltalo si estás fuera de las finanzas reguladas, quieres ver el precio antes de hablar con ventas, o necesitas estar en producción esta semana. El enfoque financiero que lo hace fuerte para un banco lo vuelve excesivo (e inaccesible) para una tienda de ecommerce, un equipo de soporte SaaS o una mesa de ayuda de TI interna. Para esos equipos, nuestra guía del mejor software de helpdesk con IA es un mejor punto de partida. Y el hecho de que solo se pueda contratar contactando a ventas significa que no hay forma de simplemente probarlo con tus propios tickets primero, que es exactamente la tranquilidad de construir vs. comprar que la mayoría de los equipos quiere.

Prueba eesel si estás fuera de finanzas

Si leíste ese veredicto y llegaste a "no soy un banco", esta parte es para ti. eesel AI es la versión horizontal de la idea que Gradient Labs demostró en la banca: un agente de IA que resuelve tickets reales, diseñado para integrarse en el helpdesk que ya usas.

Las diferencias son las que importan cuando no manejas un banco. eesel se conecta a Zendesk o Freshdesk en unos minutos, se entrena con tus tickets anteriores y tu centro de ayuda para que suene como tu equipo desde el primer día, y te permite simularlo contra miles de tickets históricos antes de que salga una sola respuesta. El precio es público y basado en uso, así que puedes hacer la cuenta de costos tú mismo antes de agendar siquiera una llamada, y controlas exactamente qué tickets maneja y derivas el resto a una persona. La prueba se materializa rápido porque no hay ningún proyecto acotado que esperar. Como dijo Kim Simpson de Gridwise: "en el primer mes, eesel está resolviendo el 73% de nuestras solicitudes de nivel 1", después de una prueba de 7 días. Puedes probar eesel gratis y correr esa misma simulación con tus propios tickets hoy mismo.