Gradient Labs: qué es, cómo funciona Otto y para quién es

Qué es Gradient Labs

La mayoría de las herramientas de soporte con IA son horizontales. Se instalan sobre cualquier helpdesk, responden preguntas desde una base de conocimiento y buscan desviar lo fácil. Gradient Labs fue por el otro camino. Es vertical y profundo: operaciones de atención al cliente nativas de IA para servicios financieros, con un eslogan que resume toda la estrategia: "we handle what others hand off" (nosotros manejamos lo que otros derivan).

La empresa se fundó en 2023 en Londres, creada por tres exempleados de Monzo: Dimitri Masin, que lideraba datos y ML allí, junto con Neal Lathia y la científica jefa Danai Antoniou. Ese origen importa. Pasaron años intentando automatizar el soporte bancario desde dentro, y construyeron Gradient Labs para lograr lo que no habían podido alcanzar del todo en Monzo. Como dijo Masin en una entrevista con Unite.AI: "we weren't building co-pilots, we were building end-to-end automation of customer support" (no estábamos construyendo copilotos, estábamos construyendo automatización de extremo a extremo de la atención al cliente).

Los inversores han respaldado esa tesis. La empresa levantó una Serie A de 26 millones de dólares, que comenzó como 13 millones liderados por Redpoint a mediados de 2025 y luego se duplicó con otros 13 millones liderados por Octopus Ventures y CommerzVentures alrededor de junio de 2026. Gradient Labs afirma que sus agentes ya alcanzan a más de 32 millones de usuarios finales, con ingresos que crecieron aproximadamente 10 veces interanual.

Esa captura resume bien la personalidad del producto. A la izquierda hay un procedimiento escrito ("llamada de retorno por suplantación de identidad fraudulenta") con pasos numerados que el agente debe seguir; a la derecha hay una llamada en vivo donde el agente verifica la identidad y envía un código de verificación. Esto no es un chatbot respondiendo preguntas frecuentes. Es un agente ejecutando un proceso regulado.

Cómo funciona Otto realmente

Esta es la parte que encuentro genuinamente interesante, porque es donde la mayoría de los productos de "agente de IA" son superficiales, y Gradient Labs no lo es.

Por dentro, Otto está construido como una máquina de estados: un agente de razonamiento central orquesta un conjunto de habilidades especializadas, y un caso puede moverse entre flujos de trabajo sin perder contexto. Algunos estados son deterministas (haz exactamente esto) y otros son agénticos (razona sobre qué hacer a continuación). Es un sistema híbrido, multimodelo, que usa modelos más grandes para los pasos de razonamiento difíciles y modelos más pequeños y rápidos para los deterministas, apoyándose en lo último de OpenAI, Anthropic y Google en lugar de apostar por un solo proveedor.

Dos decisiones de diseño destacan.

Primero, se entrena con tus procedimientos operativos y tus mejores agentes, no solo con tu centro de ayuda. Gradient Labs plantea el argumento, correcto según mi experiencia, de que tu base de conocimiento no basta por sí sola; el verdadero know-how está en cómo tus mejores personas manejan las conversaciones difíciles. Escribes los procedimientos en lenguaje sencillo, lo cual es lo más cerca que alguien ha llegado a "automatización de soporte como escribir un documento".

Segundo, razona y actúa, no solo responde. Cuando un cliente se pone en contacto, Otto recuerda conversaciones anteriores y hace el trabajo real para resolver el problema: bloquear una tarjeta perdida, rastrear un pago que falta, presentar un contracargo ante la red de la tarjeta. Esa es la diferencia entre desviar y resolver, y es la línea que Gradient Labs no deja de trazar. Si quieres el contexto de por qué esta distinción importa, escribimos por separado sobre la diferencia entre un agente de IA y un chatbot basado en reglas.

Hay una contrapartida real sobre la que Masin es refrescantemente honesto: el agente es más lento porque piensa más. "Our median response time might be 15-20 seconds" (nuestro tiempo de respuesta mediano puede ser de 15 a 20 segundos), le dijo a Unite.AI, "but for financial institutions, that's a fair trade" (pero para instituciones financieras, es un intercambio justo). Para un banco, una respuesta correcta en 20 segundos gana a una incorrecta en dos. Para un comprador impaciente de ecommerce, quizás no.

Los agentes especializados

En lugar de un solo bot generalista, Gradient Labs ofrece un conjunto de agentes, cada uno ajustado a un flujo de trabajo financiero y con sus propias estadísticas en vivo.

El conjunto cubre los momentos que realmente le cuestan dinero y riesgo a un equipo financiero:

• Atención al cliente resuelve problemas en chat, email y voz.
• Disputas reúne y verifica evidencia, decide un resultado, escala a un humano para su aprobación y presenta el contracargo.
• KYC y KYB verifica documentos contra la política, solicita lo que falte y valida a un cliente o negocio antes de darlo de alta.
• Cobranzas contacta a los prestatarios en mora en el momento adecuado, personaliza según el historial de la cuenta y consigue una promesa de pago, incluso mediante voz con IA.
• El más reciente agente de préstamos automatiza todo el recorrido del prestatario, desde la solicitud hasta la cobranza.

Cada uno hace trabajo real de back-office, no solo chat de primera línea. Eso es poco común, y es el argumento más fuerte a favor del producto.

Barreras de seguridad y cumplimiento normativo

Si estás automatizando soporte en finanzas, esta sección es la que decide la compra, y es donde Gradient Labs claramente ha puesto su esfuerzo.

Otto ejecuta más de 20 barreras de seguridad específicas para servicios financieros en cada turno de una conversación. Verifican cosas como detección de asesoramiento financiero, señales de vulnerabilidad del cliente, quejas, inyección de prompts e intentos de saltarse la verificación de identidad, y mantienen la conversación dentro del procedimiento definido.

En el lado del cumplimiento normativo, viene preconfigurado para FCA Consumer Duty, CONC, Reg E, Reg Z, PSD2, GDPR y la Ley de IA de la UE, con control de calidad automatizado sobre las conversaciones. Cuenta con la certificación SOC 2 Type 2, con SSO, registros de auditoría y permisos basados en roles.

La científica jefa Danai Antoniou planteó bien lo que está en juego en el caso de estudio de OpenAI: "you have to architect from the ground up for no hallucinations. That needs to be the guiding principle as you're building" (tienes que diseñar la arquitectura desde cero para que no haya alucinaciones; ese debe ser el principio rector mientras construyes). En finanzas, añadió, la diferencia entre una llamada resuelta y una señal pasada por alto "is the difference between resolving a call and creating a compliance incident" (es la diferencia entre resolver una llamada y crear un incidente de cumplimiento). El miedo a que una IA dé con seguridad una respuesta incorrecta es la objeción más grande que escucho de los equipos regulados, y controlar las alucinaciones en soporte es realmente todo el juego aquí.

Ask a Human mantiene a una persona en el circuito

La respuesta de Gradient Labs a "¿qué pasa con los casos que la IA no debería decidir sola?" es una función llamada Ask a Human. El agente sigue chateando con el cliente mientras un revisor humano trabaja la parte sensible entre bastidores, así que no hay cola, no hay un segundo hilo, y no hace falta pedirle al cliente que repita lo mismo.

Un buen ejemplo: para una transacción en disputa por encima de un umbral fijado (digamos 1.000 libras), la política exige revisión humana. El agente verifica la cuenta, confirma el cargo, pregunta por qué se disputa, luego envía un resumen a un revisor por Slack, le dice al cliente que un colega lo está revisando, y mantiene la conversación en marcha hasta que el humano aprueba. Este es un diseño más inteligente que la habitual escalada de "la IA se rinde y te tira en una cola", y los resultados lo respaldan.

La aseguradora británica Zego, con alrededor de 150.000 clientes activos, reporta que Ask a Human redujo el tiempo de gestión humana de 12 minutos a poco más de 3, una caída de más del 70 por ciento, mientras el CSAT subía.

Voz y canales

Algo que realmente distingue a Gradient Labs es que ejecuta voz con IA en producción a escala, no solo texto. Otto maneja chat, email y voz como un solo agente en todos los canales.

La prueba aquí es SteadyPay, que realiza aproximadamente 33.000 llamadas de voz con IA al mes para cobranzas salientes, con cerca de un 60 por ciento de tasa de éxito entre los clientes que responden. La voz a ese volumen en un flujo de trabajo regulado es difícil, y la mayoría de los proveedores de "agentes de IA" ni lo intentan.

Precios: basados en resultados, pero tienes que llamar

Esta es la versión honesta: Gradient Labs no publica ningún precio. La página de precios es un formulario para captar leads. Lo que sí publica es el modelo, y el modelo es interesante.

Según las propias preguntas frecuentes de la empresa: tienen "a simple outcomes based pricing model without platform fees, where you pay only for successful query resolutions" (un modelo de precios simple basado en resultados, sin tarifas de plataforma, donde pagas solo por resoluciones de consultas exitosas). Sin cargo por asiento, sin cargo por conversación, sin suscripción base. Pagas cuando Otto realmente resuelve algo.

Masin ha sido directo sobre el motivo, diciéndole a The Register: "if we don't resolve the issue and you still need to get your human team involved, then you don't need to pay us" (si no resolvemos el problema y aun así necesitas involucrar a tu equipo humano, entonces no necesitas pagarnos). También ha lanzado una crítica directa al precio por conversación, argumentando que cobrar una tarifa fija por chat "doesn't create any incentive" (no crea ningún incentivo) para que el proveedor mejore el agente. Creo que tiene razón sobre el incentivo, y el precio basado en resultados es genuinamente favorable para el comprador cuando la unidad de valor es clara.

Esto es lo que es público y lo que no:

Lo que hay que sopesar es el costo total de propiedad frente a la velocidad para empezar. El precio basado en resultados es atractivo, pero "hablar con ventas, definir el alcance de un proyecto, integrar datos" es un proceso de meses, no de una tarde. Si quieres entender la matemática más amplia de costo de un agente de IA frente a un agente humano antes de cualquier llamada de ventas, vale la pena leerlo primero.

¿Gradient Labs es adecuado para ti?

La pregunta de ajuste aquí es inusualmente binaria, así que construí una forma rápida de ver dónde encajas. Elige la opción que más se parezca a ti.

Lo que dicen los clientes reales

Quiero ser directo con la evidencia aquí. Todavía no existe una superficie real de reseñas de terceros para Gradient Labs: sin puntuaciones en G2 o Capterra, sin avalanchas de comentarios en Reddit. El listado en Capterra existe pero no tiene reseñas. Así que las cifras de abajo son declaradas por el proveedor o provienen de casos de estudio de socios, y deberías tratarlas como tal: sólidas, pero no auditadas de forma independiente.

Dicho esto, la evidencia de primera mano es específica, algo que respeto más que las cifras redondas de marketing:

• Pockit reporta una tasa de resolución del 70% y un CSAT del 80%, con el objetivo declarado de llegar al 100% de automatización.
• Plum alcanzó una puntuación de calidad del 98.6% y se configuró en unos 30 minutos sin esfuerzo de ingeniería.
• Morse (Sling Money) vio un 50% de resolución desde el primer día durante un pico de crecimiento.

"Otto, Gradient Labs' AI agent, has been a game-changer for us. With a 98% CSAT, it delivers superb customer experiences. We especially value how closely Otto matches our tone of voice." (Otto, el agente de IA de Gradient Labs, ha sido un cambio radical para nosotros. Con un CSAT del 98%, ofrece experiencias de cliente excelentes. Valoramos especialmente lo bien que Otto se ajusta a nuestro tono de voz.)

MC Glover, VP de Estrategia y Operaciones, vía Gradient Labs

Las reacciones de los usuarios finales que cita Gradient Labs son la verdadera señal. Un cliente de Plum escribió: "are you virtual? I thought you were a human" (¿eres virtual? pensé que eras un humano), y un cliente de Morse dijo: "I did actually think you were a person for the whole conversation" (de verdad pensé que eras una persona durante toda la conversación). Cuando los clientes no pueden notar la diferencia, ese es el estándar.

Dónde encaja Gradient Labs, y dónde no

Seamos claros, porque creo que Gradient Labs es un producto genuinamente bueno que, aun así, la mayoría de los equipos no debería comprar.

Si diriges operaciones de atención al cliente en un banco, una entidad de préstamos, un neobanco o una aseguradora, esta es una de las herramientas más serias del mercado. La profundidad en disputas, KYC, cobranzas y préstamos, las barreras de seguridad por turno, la cobertura de SOC 2 y FCA, y la voz real a escala, suman algo que un agente de propósito general no puede igualar. El precio basado en resultados es favorable para el comprador, y el equipo claramente ha vivido este problema, lo que hace fácil responder a su favor la típica pregunta de construir versus comprar.

Si eres cualquier otra persona, ese mismo enfoque juega en tu contra. La maquinaria de cumplimiento es una carga que no vas a usar, no hay precio público, no hay prueba gratuita, y llegar a las buenas tasas de resolución significa un proyecto acotado con el proveedor. Eso está bien para un comprador financiero empresarial, pero es lento para un equipo de SaaS o ecommerce de 12 personas que solo quiere resolver la desviación de nivel 1 este trimestre.

El punto más profundo es que hoy existen dos formas de comprar IA para soporte. Una es vertical y empresarial: eliges una herramienta construida para tu industria exacta, hablas con ventas y ejecutas un proyecto. La otra es horizontal y autoservicio: instalas un agente sobre el helpdesk que ya usas, lo entrenas con tus propios tickets y lo activas. Gradient Labs es el ejemplo más conocido de la primera. La segunda es donde realmente vive la mayoría de los equipos.

Prueba eesel si estás fuera del sector financiero

Si leíste el verificador de ajuste de arriba y llegaste a "no financiero," esta parte es para ti. eesel es la versión horizontal de la idea que Gradient Labs demostró en la banca: un agente de IA que resuelve tickets reales, pero construido para instalarse sobre el helpdesk que ya usas.

Las diferencias son las que importan cuando no eres un banco. eesel funciona como un nuevo empleado que se conecta a Zendesk o Freshdesk en unos minutos, se entrena con tus tickets anteriores y tu centro de ayuda para sonar como tu equipo desde el primer día, y te permite simularlo contra miles de tickets históricos antes de que una sola respuesta llegue a un cliente. El precio es público y basado en uso, una tarifa fija por interacción de IA sin recargo por resolución y sin tarifa por asiento, así que puedes hacer tú mismo la matemática de costos antes de siquiera agendar una llamada. Y como la mayor preocupación siempre es que una IA responda cuando no debería, controlas exactamente qué tickets maneja y derivas el resto a una persona, que es la palanca de confianza y control que la mayoría de los equipos pide primero.

La prueba aparece rápido, precisamente porque no hay que esperar un proyecto acotado. Como dijo Kim Simpson de Gridwise: "in the first month, eesel is resolving 73% of our tier 1 requests" (en el primer mes, eesel está resolviendo el 73% de nuestras solicitudes de nivel 1), tras ver resultados durante una prueba de 7 días. Puedes probar eesel gratis y ejecutar hoy mismo esa misma simulación con tus propios tickets.