Gradient Labs vs Lorikeet: ¿qué agente de soporte con IA gana en 2026?

Gradient Labs vs Lorikeet de un vistazo

Aquí va la versión rápida antes de entrar en cada uno. La columna de la derecha es eesel, incluida como punto de referencia de "conectar a tu helpdesk existente" y no como una construcción enterprise equivalente.

Qué es Gradient Labs

Gradient Labs construye un agente de IA llamado Otto dirigido exactamente a un mercado: los servicios financieros regulados. No "soporte en general con un caso de estudio financiero", sino bancos, neobancos, prestamistas y aseguradoras como producto completo. Los fundadores vienen de Monzo: Dimitri Masin lideró el equipo de datos de más de 100 personas, y Neal Lathia construyó la infraestructura de ML de Monzo. Esa herencia se nota en todo el producto.

El planteamiento es "nos ocupamos de lo que otros derivan": resolución completa, no desvío. Cuando un cliente contacta, Otto recuerda conversaciones pasadas y ejecuta acciones reales para cerrar el problema, congelar una tarjeta perdida o rastrear un pago extraviado, en lugar de mostrar un artículo de ayuda. Tú redactas procedimientos en lenguaje sencillo, y el agente se entrena con tus SOP y con las conversaciones reales de tus mejores agentes humanos, no solo con la base de conocimiento.

Lo que distingue a Gradient Labs es la profundidad de la vertical. En lugar de un chatbot horizontal, incluye agentes especializados para atención al cliente, disputas, KYB, cobros, reclamaciones de seguros y préstamos. Un agente de disputas reúne y verifica pruebas, decide el resultado, escala a un humano para su aprobación y luego presenta el contracargo ante la red de tarjetas. Es un trabajo difícil y regulado, y es el tipo de cosa que un bot de helpdesk de propósito general nunca toca.

Las cifras que publica Gradient son sólidas, con la salvedad habitual de que las declara el propio proveedor. Cita una tasa de resolución máxima del 80 al 90 %, 98 % de CSAT en algunos despliegues y 32 M de usuarios finales alcanzados entre sus clientes. En el caso de estudio de OpenAI, se dice que la mayoría de los despliegues empiezan "con tasas de resolución superiores al 50 % desde el primer día, incluso en flujos complejos como las disputas". Entre los clientes citados están Pockit (70 % de resolución) y SteadyPay (33.000 llamadas de voz con IA al mes).

La empresa levantó una Serie A de 26 M$ (liderada por Octopus Ventures y CommerzVentures, con Redpoint a continuación) y reporta un crecimiento de ingresos de aproximadamente 10 veces interanual. Es una empresa joven y enfocada que lo apuesta todo a una sola vertical.

Qué es Lorikeet

Lorikeet se describe como un "AI Customer Concierge para empresas complejas", y su objetivo es algo más amplio: fintechs y healthtechs ambiciosas. Fue fundada en Sídney por Steve Hind (ex producto en Stripe y Watershed) y Jamie Hall, antiguo responsable de investigación en Google Brain y autor citado del artículo de LaMDA. Ha levantado unos 75 M$ en tres rondas en aproximadamente diez meses, con inversores como QED, Blackbird y Square Peg.

Como Gradient, el sentido de Lorikeet es que ejecuta acciones. Apunta explícitamente a "el 20 % más difícil de los tickets, que genera el 80 % de tu esfuerzo de soporte", los que implican consultar datos, hacer algo en tus sistemas y tomar una decisión real. Donde va más allá es en un concepto que llama Outcomes: en lugar de un genérico "cerrar" o "escalar", defines formas con nombre y significado en que puede terminar una conversación, y cada Outcome dispara su propio conjunto de acciones en un orden fijo y determinista cada vez.

Lo segundo en lo que se apoya Lorikeet es un agente de operaciones independiente llamado Coach. Coach es la contraparte interna del Concierge de cara al cliente: observa conversaciones, agrupa motivos de contacto, detecta una caída de CSAT ligada a un flujo concreto y luego propone e (con tu aprobación) implementa la solución. Se puede usar en Slack, Claude, ChatGPT o mediante MCP.

Las pruebas de clientes de Lorikeet son amplias. Carmoola pasó la resolución del 30 % al 60 % de las conversaciones de principio a fin, Linktree redujo el tiempo de primera respuesta a aproximadamente un minuto, y Eucalyptus, una healthtech, gestionó el triple de carga de tickets con diez puntos más de CSAT. Los logotipos de healthtech delatan que Lorikeet no es una apuesta solo financiera como Gradient.

Una nota honesta sobre la opinión pública: las reseñas independientes de cualquiera de los dos productos son escasas. La única queja pública verificable que encontré es una reseña de 1 estrella en Trustpilot de un usuario final que se topó con Lorikeet dentro del onboarding de Airwallex y no pudo ser derivado a un humano. Es un único dato, pero es exactamente el modo de fallo que ambas herramientas están diseñadas para evitar, algo que conviene recordar al leer las cifras de resolución.

Cómo está construido realmente cada uno

Esta es la parte que más me importa, porque es donde vive la verdadera diferencia entre "gran demo" y "seguro en producción". Ambas empresas son inusualmente reflexivas aquí y resuelven el mismo problema con formas distintas.

Gradient Labs ejecuta el agente como una máquina de estados: un agente central de razonamiento orquesta habilidades especializadas, y los casos se mueven entre flujos sin perder contexto. Es multimodelo por debajo, enrutando a OpenAI, Anthropic y Google según si un paso necesita razonamiento pesado o ejecución rápida y determinista. La capa de seguridad son más de 20 barreras específicas de finanzas que se ejecutan en cada turno, comprobando cosas como detección de asesoramiento financiero, señales de vulnerabilidad, quejas e intentos de eludir la verificación. La frase de la Chief Scientist Danai Antoniou en el caso de estudio de OpenAI resume la filosofía: "Hay que diseñar desde cero para cero alucinaciones".

La respuesta de Lorikeet es lo que llama "defensa en profundidad", cuatro capas que asumen cada una que las demás fallarán de vez en cuando:

1. Un agente base creado a medida para soporte cuyo valor por defecto es "no inventes cosas".
2. Simulación bot a bot, donde un LLM hace de cliente frente al agente real y el flujo real, y los escenarios pueden generarse a partir de tickets de producción reales que fallaron.
3. Barreras en tiempo de ejecución que corren en un hilo aparte, vigilando cada respuesta saliente antes de que llegue al cliente, sin engordar el prompt principal.
4. Control de calidad posterior al ticket que puntúa el 100 % de los tickets (humanos, de IA o híbridos) en un cuadro de mando de semáforo.

El CTO Jamie Hall describe la capa de ejecución como "básicamente vigilar cada frase a medida que sale". La diferencia práctica: Gradient integra sus comprobaciones de cumplimiento en un denso conjunto de barreras por turno afinado para la banca, mientras que Lorikeet reparte sus comprobaciones en un ciclo de pruebas y control de calidad que puedes inspeccionar. Ambos son serios. Ninguno elimina tu propia responsabilidad regulatoria, y Lorikeet es refrescantemente explícito al respecto.

Precios: uno publica, el otro no

Esta es la división práctica más clara entre los dos, y decide mucho.

Gradient Labs no publica ninguna cifra. Su página de precios es un formulario de captación. El modelo se describe con palabras, "precios basados en resultados sin cuotas de plataforma, pagas solo por las consultas resueltas con éxito", y el CEO Dimitri Masin ha defendido públicamente este enfoque: "Si no resolvemos el problema y aun así tienes que implicar a tu equipo humano, entonces no tienes que pagarnos". Es un modelo justo. Solo significa que no puedes saber qué pagarás sin una conversación comercial, y la tarifa se escalona según el nivel de resolución que alcances.

Lorikeet sí publica sus planes, algo poco habitual en esta categoría y que merece reconocimiento.

Los créditos se descuentan por ticket resuelto, y la tarifa baja a medida que creces:

Eso equivale a aproximadamente 1,00 $ por resolución de chat en Start y unos 0,80 $ en Scale, sin cuotas por usuario ni de implementación en ningún nivel. Como Gradient, Lorikeet solo cobra los tickets que realmente resuelve, y reembolsa la parte de IA de cualquier ticket que su propio QA puntúe como malo.

Ninguno ofrece prueba gratuita ni registro de autoservicio. Toda vía de entrada es una demo. Ese es el coste práctico que la mayoría de los equipos subestima: te comprometes con un ciclo de ventas y una construcción de varias semanas antes de ver al agente tocar un solo ticket real. Como comparación, eesel empieza en 299 $/mes por 500 créditos (1 crédito por ticket o chat), sin cuotas por usuario ni de plataforma, y puedes empezar con 100 créditos gratis sin hablar con nadie.

Entonces, ¿cuál y para quién?

Una vez alineados, la elección es en realidad clara.

Elige Gradient Labs si eres un banco, prestamista o aseguradora y el trabajo que quieres automatizar son disputas, KYB, cobros o reclamaciones. Nadie más en esta lista corta profundiza tanto en las operaciones financieras reguladas, y las más de 20 barreras por turno están hechas exactamente para ese perfil de riesgo. Sacrificarás transparencia de precios por esa profundidad.

Elige Lorikeet si abarcas fintech y healthtech, quieres una pila pesada de pruebas y QA que puedas inspeccionar y te gustaría ver una cifra real antes de reservar una llamada. Su modelo de Outcomes y el agente de operaciones Coach son diferenciadores reales, y publicar sus precios genera confianza de verdad.

Mira más allá de ambos si la descripción honesta de tu situación es "tenemos un helpdesk normal y queremos pronto un agente de IA que gestione el 40 al 60 % repetitivo de los tickets". Tanto Gradient como Lorikeet son construcciones enterprise de venta asistida y de varias semanas. Es la decisión correcta cuando un error es un incidente regulatorio. Es excesivo cuando es una pregunta de "¿dónde está mi pedido?". Aquí encaja un compañero más ligero, y conviene ser honestos: las dos herramientas anteriores simplemente no apuntan a ti.

Prueba eesel para un camino más rápido

Si leíste la sección anterior y pensaste "ese soy yo", este es el planteamiento, y lo mantendré concreto. eesel AI es un compañero de soporte que añades sobre el helpdesk que ya usas, Zendesk, Freshdesk, Gorgias o Front, en minutos en lugar de un trimestre. Aprende por sí solo de tus tickets pasados y de tu centro de ayuda, así que empieza conociendo tu producto en lugar de esperar a un equipo de construcción.

El diferenciador que señalaría, dado todo lo dicho arriba sobre demos que mienten, es la simulación: antes de que eesel responda a un solo cliente en vivo, reproduce tus tickets pasados reales y puntúa cada borrador frente a lo que tu equipo realmente envió. Despliegas a partir de evidencias, no de una promesa. Cuesta un precio mensual fijo desde 299 $ por 500 créditos, es de autoservicio y trae 100 créditos gratis para probar primero con tus propios datos. Para una operación financiera regulada, Gradient o Lorikeet pueden seguir siendo el encaje más profundo, y no pasa nada. Para la mayoría de los equipos de soporte, eesel te da el mismo valor de "resolver, no desviar" en marcha esta semana.