Gradient Labsとは何か、Ottoの仕組み、どんな企業に向いているか

Gradient Labsとは

多くのAIサポートツールは汎用型です。どんなヘルプデスクにも乗り、ナレッジベースから質問に答え、簡単な問い合わせを振り分けることを狙います。Gradient Labsはその逆を行きました。金融サービス向けのAIネイティブなカスタマーオペレーションに特化した、垂直で深いプロダクトです。「他社が手放す仕事を、私たちが引き受ける」というタグライン一つで、戦略の全体像が分かります。

同社は2023年、ロンドンでMonzo出身の3人によって設立されました。データとMLを率いていたDimitri Masin、Neal Lathia、そしてチーフサイエンティストのDanai Antoniouです。この出自は重要です。彼らはMonzo時代、銀行のサポートを内側から自動化しようと何年も取り組み、そこで届かなかったことを実現するためにGradient Labsを立ち上げました。MasinはUnite.AIのインタビューでこう語っています。"we weren't building co-pilots, we were building end-to-end automation of customer support."（「私たちが作っていたのはコパイロットではなく、カスタマーサポートのエンドツーエンドの自動化だった」）

投資家もこの考え方を後押ししています。同社は2,600万ドルのシリーズAを調達しました。2025年半ばにRedpoint主導で1,300万ドルからスタートし、2026年6月頃にOctopus VenturesとCommerzVenturesが主導するさらに1,300万ドルで倍増しています。Gradient Labsによれば、同社のエージェントは現在3,200万人以上のエンドユーザーに到達し、売上は前年比でおよそ10倍に伸びているとのことです。

このスクリーンショットは、このプロダクトの性格をよく表しています。左側には「なりすまし詐欺のコールバック」という手順書があり、エージェントが従うべき番号付きのステップが並んでいます。右側では、エージェントが本人確認を行い、確認コードを送信するライブ通話が進行しています。これはFAQに答えるチャットボットではありません。規制されたプロセスを実行するエージェントです。

Ottoは実際どう動いているのか

ここが個人的に一番面白いと感じた部分です。多くの「AIエージェント」製品が薄っぺらになりがちな領域で、Gradient Labsはそうなっていないからです。

内部的には、Ottoはステートマシンとして構築されています。中央の推論エージェントが専門スキル群をオーケストレーションし、案件はコンテキストを失うことなくワークフロー間を移動できます。一部のステート（状態）は決定論的（決められた通りに動く）で、一部はエージェント的（次に何をすべきか自分で判断する）です。難しい推論のステップには大きなモデルを、決定論的なステップには小さく高速なモデルを使うハイブリッドなマルチモデル構成で、単一のプロバイダーに賭けるのではなく、OpenAI、Anthropic、Googleそれぞれの最新モデルを使い分けています。

際立った設計上の判断が2つあります。

1つ目は、ヘルプセンターだけでなく、自社のSOPと最優秀なエージェントの対応から学習するという点です。Gradient Labsは「ナレッジベースだけでは不十分」だと主張していますが、私の経験上これは正しいです。本当のノウハウは、優秀な担当者が難しい会話をどう処理するかの中にあります。手順は平易な言葉で書けばよく、これは「文章を書くだけでサポートを自動化する」という発想にかなり近いところまで来ています。

2つ目は、ただ答えるだけでなく、推論してアクションを実行するという点です。顧客から連絡があると、Ottoは過去の会話を覚えていて、紛失したカードの利用停止、行方不明の支払いの追跡、カードスキームへのチャージバック申請など、問題を実際に解決するための作業を行います。これが「振り分け」と「解決」の違いであり、Gradient Labsが一貫して強調しているラインです。この違いがなぜ重要かの背景については、AIエージェントとルールベースのチャットボットの違いについて別記事で解説しています。

Masinが清々しいほど正直に認めているトレードオフがあります。エージェントがよく考える分、応答が遅くなるという点です。彼はUnite.AIに対し、"Our median response time might be 15-20 seconds, but for financial institutions, that's a fair trade."（「私たちの応答時間の中央値はおそらく15〜20秒ですが、金融機関にとってはそれが妥当なトレードオフです」）と語っています。銀行にとっては、20秒かかっても正しい答えの方が、2秒で間違った答えを出すよりも価値があります。せっかちなECの買い物客にとっては、そうとは限りませんが。

専門特化型のエージェント群

Gradient Labsは1つの汎用ボットではなく、金融業務ごとに調整された一連のエージェント群を提供しており、それぞれが独自のライブ統計を報告します。

このラインナップは、金融チームにとって実際にコストとリスクが発生する瞬間をカバーしています。

• カスタマーサービスはチャット、メール、音声を横断して問題を解決します。
• 異議申し立ては証拠を収集・検証し、結論を決定し、承認のために人間へエスカレーションし、チャージバックを申請します。
• KYCとKYBは書類をポリシーと照合し、不足分を求め、オンボーディング前に顧客や事業者を確認します。
• 督促は延滞中の借り手に適切なタイミングで連絡し、アカウント履歴からパーソナライズし、AI音声を含む手段で支払いの約束を取り付けます。
• 新しく登場した融資エージェントは、申し込みから督促までの借り手の全行程を自動化します。

いずれも単なる一次対応のチャットではなく、実際のバックオフィス業務を行っています。これは珍しいことで、このプロダクトの最も強い訴求点です。

ガードレールとコンプライアンス

金融業界のサポートを自動化するなら、この章が購入の決め手になります。そしてここは、Gradient Labsが明らかに力を入れている部分です。

Ottoは会話のすべてのターンで、20以上の金融サービス向けガードレールを実行します。金融アドバイスの検知、顧客の脆弱性シグナル、クレーム、プロンプトインジェクション、本人確認の回避試行などをチェックし、会話が定義された手順の範囲内に収まるようにします。

コンプライアンス面では、FCA Consumer Duty、CONC、Reg E、Reg Z、PSD2、GDPR、EU AI Actにあらかじめ対応しており、会話の自動QAも備えています。SOC 2 Type 2認証を取得しており、SSO、監査ログ、ロールベースの権限管理も備えています。

チーフサイエンティストのDanai Antoniouは、OpenAIの事例でこの重要性をうまく言い表しています。"you have to architect from the ground up for no hallucinations. That needs to be the guiding principle as you're building."（「ハルシネーションを起こさないように、ゼロから設計しなければなりません。それが構築時の指針となる原則であるべきです」）。金融業界では、通話を解決できたこととシグナルを見逃したことの差は、"is the difference between resolving a call and creating a compliance incident."（「通話を解決することと、コンプライアンス上のインシデントを生むことの違い」）だと彼女は付け加えています。AIが自信満々に間違った回答をすることへの不安は、規制業界のチームから聞く最大の懸念であり、サポートにおけるハルシネーションを抑えることこそが、ここでの本質的な勝負どころです。

Ask a Humanで人間を関与させ続ける

「AIが単独で判断すべきでないケースはどうするのか」という問いに対するGradient Labsの答えが、Ask a Humanという機能です。エージェントは顧客とのチャットを続けながら、裏側で人間のレビュアーがセンシティブな部分を処理します。そのため、待ち行列も、別スレッドも、顧客に同じ説明を繰り返させることもありません。

良い例を挙げると、一定額（例えば1,000ポンド）を超える取引の異議申し立てでは、ポリシー上人間によるレビューが必須です。エージェントはアカウントを確認し、請求内容を確認し、なぜ異議を申し立てているのかを尋ねたうえで、要約をSlack経由でレビュアーに送り、顧客には「同僚が確認しています」と伝え、人間が承認するまで会話を続けます。これは、よくある「AIがお手上げになって待ち行列に放り込む」というエスカレーションより賢い設計で、結果もそれを裏付けています。

約15万人のアクティブ顧客を抱える英国の保険会社Zegoは、Ask a Humanによって人間の対応時間が12分から3分強へ、70%以上短縮されたと報告しており、同時にCSATも向上したとのことです。

音声とチャネル

Gradient Labsを本当に際立たせている点の一つが、テキストだけでなくAI音声を本番環境で大規模に稼働させていることです。Ottoは1つのエージェントとして、すべてのチャネルでチャット、メール、音声を処理します。

その証拠となるのがSteadyPayの事例で、督促のアウトバウンドとして月間およそ3万3,000件のAI音声通話をこなし、応答した顧客のうちおよそ60%で成功しているといいます。規制されたワークフローでこの規模の音声対応を行うのは難しく、多くの「AIエージェント」ベンダーはそこまで手を出しません。

料金：成果報酬型だが、問い合わせは必須

正直に言うと、Gradient Labsは料金を一切公開していません。料金ページはリード獲得用のフォームです。公開されているのは料金モデルであり、そのモデル自体は興味深いものです。

同社自身のFAQによれば、"a simple outcomes based pricing model without platform fees, where you pay only for successful query resolutions."（「プラットフォーム料金のないシンプルな成果報酬型の料金モデルで、問い合わせの解決に成功した分だけ支払う」）とのことです。座席課金も、会話ごとの課金も、基本料金もありません。Ottoが実際に何かを解決したときにだけ支払います。

Masinはその理由をはっきりと述べています。The Registerに対し、"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."（「もし私たちが問題を解決できず、結局あなたの人間のチームが対応することになるなら、私たちに料金を払う必要はありません」）と語っています。また会話単位の料金体系についても直接的に批判しており、チャット1件ごとの定額課金は、ベンダーがエージェントを改善する"doesn't create any incentive"（「インセンティブを何も生まない」）と主張しています。このインセンティブの指摘は正しいと思いますし、価値の単位が明確な場合、成果報酬型の料金体系は買い手にとって本当にありがたいものです。

公開されている情報とされていない情報は次の通りです。

ここで検討すべきなのは、総所有コストと導入スピードのトレードオフです。成果報酬型の料金は魅力的ですが、「営業と話し、プロジェクトの範囲を決め、データを連携する」というプロセスは、その日のうちに終わるものではなく、数カ月単位の話になります。営業に連絡する前に、より広い視点でのAIエージェントと人間のエージェントのコスト比較を理解しておく価値はあります。

Gradient Labsはあなたに合っているか

この適合性の判断は珍しいほど白黒はっきりしているので、自分がどちらに当てはまるかをすぐ確認できるツールを作りました。自分に近い項目を選んでください。

実際の顧客の声

この点については正直に言っておきます。Gradient Labsにはまだ、まともな第三者レビューの場がありません。G2やCapterraのスコアも、Redditでの盛り上がりもありません。Capterraの掲載ページ自体は存在しますが、レビューは一件もありません。そのため、以下の数字はベンダー自身の発表かパートナー企業の事例に基づくものであり、その前提で受け止めるべきです。説得力はあるものの、第三者による監査を受けたものではありません。

とはいえ、自社発表の証拠は具体的で、切りの良いマーケティング数字よりも私は評価しています。

• Pockitは70%の解決率と80%のCSATを報告しており、100%の自動化を目標に掲げています。
• PlumはQAスコア98.6%を達成し、エンジニアリング作業なしで約30分でセットアップを完了しました。
• Morse（Sling Money）は成長が急増した時期に、導入初日から50%の解決率を記録しました。

"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."（Gradient LabsのAIエージェントであるOttoは、私たちにとって大きな転換点になりました。98%のCSATを誇り、素晴らしい顧客体験を提供してくれます。特に、Ottoが私たちのトーン・オブ・ボイスにこれほど忠実に合わせてくれる点を高く評価しています。）

MC Glover, VP of Strategy & Operations, via Gradient Labs

Gradient Labsが引用しているエンドユーザーの反応こそ、本当の判断材料です。Plumのある顧客は"are you virtual? I thought you were a human,"（「あなたはバーチャルなの？人間だと思っていた」）と書き、Morseのある顧客は"I did actually think you were a person for the whole conversation."（「会話の間ずっと、本当に人間だと思っていた」）と語っています。顧客が見分けられないこと、それが基準です。

Gradient Labsが向いている場面、向いていない場面

はっきり言っておきます。Gradient Labsは本当に良いプロダクトだと思いますが、それでもほとんどのチームは購入すべきではありません。

銀行、貸金業者、ネオバンク、保険会社でカスタマーオペレーションを運営しているなら、これは市場でも屈指の本格的なツールです。異議申し立て、KYC、督促、融資における深さ、ターンごとのガードレール、SOC 2とFCAへの対応、そして実運用レベルの音声機能を組み合わせると、汎用エージェントには真似できない領域に達しています。成果報酬型の料金は買い手に優しく、チーム自身がこの課題を実際に経験してきたことは明らかで、よくある自社構築か購入かという問いも、彼らに有利な形で簡単に答えが出ます。

それ以外の業界であれば、同じ特化がむしろ不利に働きます。コンプライアンス機能は使われないオーバーヘッドになり、公開料金もなく、無料トライアルもなく、良い解決率にたどり着くにはベンダーとの範囲を決めたプロジェクトが必要です。これはエンタープライズの金融系バイヤーには適したプロセスですが、今四半期中に一次対応の振り分けを片付けたいだけの、社員12人のSaaSやECチームにとっては遅すぎます。

より本質的なポイントは、今のサポート向けAIの買い方には2通りあるということです。1つは垂直特化型・エンタープライズ型で、自分の業界にぴったり合うツールを選び、営業と話し、プロジェクトとして進めます。もう1つは水平汎用型・セルフサーブ型で、既に使っているヘルプデスクにエージェントを乗せ、自社のチケットで学習させ、そのままオンにします。Gradient Labsは前者の最も代表的な例です。そして、ほとんどのチームが実際にいるのは後者の世界です。

金融業界以外のすべての人へ：eeselを試す

上の適合性チェッカーで「金融業界ではない」という結果になった方は、ここが本題です。eeselは、Gradient Labsが銀行業界で証明したアイデアを水平展開したものです。実際のチケットを解決するAIエージェントですが、あなたが既に使っているヘルプデスクにそのまま乗せられるように作られています。

銀行ではない企業にとって重要なのは、まさにこの違いです。eeselは新入社員のように、数分でZendeskやFreshdeskに組み込まれ、過去のチケットとヘルプセンターを学習するため、初日からあなたのチームのように振る舞います。そして、実際に顧客へ返信が届く前に、何千件もの過去のチケットに対してシミュレーションを行うことができます。料金は公開されており、従量課金制です。AIとのやり取り1件ごとの定額料金で、解決件数による追加課金も座席課金もないため、営業に連絡する前に自分でコスト計算ができます。そして、最大の不安は常に「AIが答えるべきでない場面で答えてしまうこと」なので、どのチケットをAIに任せるかを正確にコントロールでき、残りは人間に振り分けられます。これは、多くのチームがまず求める「信頼とコントロール」のレバーです。

待つべき範囲限定プロジェクトが存在しないからこそ、成果はすぐに現れます。Gridwise社のKim Simpsonはこう述べています。"in the first month, eesel is resolving 73% of our tier 1 requests,"（「導入から最初の1カ月で、eeselは私たちの一次対応リクエストの73%を解決しています」）これは7日間のトライアルで結果を確認した後の話です。今日からeeselを無料で試し、自社のチケットで同じシミュレーションを実行できます。