Gradient Labs vs Lorikeet 比較一覧
それぞれの詳細に入る前に、手短な比較をご覧ください。右端の列はeeselで、「既存のヘルプデスクに接続する」場合の基準点として加えたものであり、エンタープライズ構築との同条件の比較ではありません。
| 項目 | Gradient Labs | Lorikeet | eesel |
|---|---|---|---|
| 最適な用途 | 規制対象の金融サービスのみ | 複雑なフィンテックとヘルステック | 既存のヘルプデスクにAIを重ねるチーム |
| 創業 | 2023年（ロンドン） | 2023年（シドニー） | - |
| 資金調達 | シリーズAで2,600万ドル | 約7,500万ドル以上を調達 | - |
| 料金モデル | 解決成功ごとの従量課金 | 解決済みチケットごとのクレジット | 対応チケットごと |
| 公開価格 | なし | Start 月額1,500ドル、Scale 月額4,000ドル | 月額299ドルから（500クレジット） |
| 無料トライアル / セルフサービス | なし（デモのみ） | なし（デモのみ） | あり（無料100クレジット） |
| チャネル | 音声、チャット、メール、SMS、ソーシャル | メール、チャット、音声、SMS、WhatsApp | チャット、メール、Slack、WhatsApp、ソーシャル |
| 実チケットでのテスト | ローンチ前にシナリオをシミュレーション | シナリオ + 失敗チケットの再生 | 実際の過去チケットを再生 |
| 対応ヘルプデスク連携 | Zendesk、Freshdeskの上で動作 | Zendesk、Front、Help Scout、Salesforce、HubSpot | Zendesk、Freshdesk、Gorgias、Front |
| コンプライアンス | SOC 2、FCA、PSD2、GDPR | SOC 2、ISO 27001、HIPAA | SOC 2 Type II 取得中、HIPAA（アドオン） |
Gradient Labsとは
Gradient Labsは、Ottoという名前のAIエージェントを開発しており、狙う市場はまさに1つ、規制の厳しい金融サービスです。「金融の事例がある汎用サポート」ではなく、銀行、ネオバンク、貸金業者、保険会社が製品のすべてです。創業者はMonzo出身で、Dimitri Masinは100人超のデータチームを率い、Neal LathiaはMonzoのMLインフラを構築しました。その経歴は製品のあらゆる部分に表れています。
売り文句は「他社が引き継ぐものを私たちが処理する」で、つまり回避ではなく完全な解決です。顧客から連絡があると、Ottoは過去の会話を覚えており、ヘルプ記事を表示するのではなく、紛失したカードの凍結や未着の支払いの追跡といった実際のアクションで問題を解決します。手順は平易な言葉で作成し、エージェントはナレッジベースだけでなく、SOPと優秀な人間のエージェントの実際の会話から学習します。
Gradient Labsの特徴は、垂直領域の深さです。1つの汎用チャットボットではなく、カスタマーサービス、紛争、KYB、督促、保険金請求、融資それぞれの専門エージェントを提供しています。紛争エージェントは証拠を集めて検証し、結果を判断し、人間に承認のためエスカレーションしたうえで、カードブランドにチャージバックを申請します。これは難しく規制された業務であり、汎用のヘルプデスクボットが決して手を出さない種類のものです。
Gradientが公表する数字は強力ですが、ベンダー自身の主張であるという通常の但し書きが付きます。ピーク時の解決率80〜90%、一部の導入でのCSAT 98%、顧客全体で3,200万人のエンドユーザーに到達と述べています。OpenAIの事例紹介では、ほとんどの導入が「紛争のような複雑なワークフローでも初日から50%を超える解決率で始まる」とされています。名前の挙がっている顧客には、Pockit（解決率70%）とSteadyPay（月3万3,000件のAI音声通話）があります。
同社はシリーズAで2,600万ドルを調達（Octopus VenturesとCommerzVenturesが主導、Redpointが続く）し、前年比およそ10倍の収益成長を報告しています。1つの垂直領域にすべてを賭ける、若く集中した企業です。
Lorikeetとは
Lorikeetは自らを「複雑な企業のためのAIカスタマーコンシェルジュ」と呼び、対象はやや広く、意欲的なフィンテックとヘルステックです。シドニーで、Steve Hind（元StripeおよびWatershedのプロダクト担当）と、元Google Brainの研究リードでLaMDA論文の著者に名を連ねるJamie Hallによって設立されました。約10か月で3ラウンド、約7,500万ドルを調達しており、出資者にはQED、Blackbird、Square Pegなどがいます。
Gradientと同様に、Lorikeetの要点はアクションを実行することです。明示的に狙っているのは、「サポート工数の80%を占める、最も難しい20%のチケット」、つまりデータの照会、システム内での操作、実際の判断を伴うものです。さらに踏み込んでいるのがOutcomesという概念で、汎用的な「クローズ」や「エスカレーション」の代わりに、会話の終わり方を名前付きの意味ある形で定義し、各Outcomeが毎回固定された決定的な順序で独自のアクション群を実行します。
Lorikeetがもう1つ力を入れているのが、Coachという別のオペレーションエージェントです。Coachは顧客向けConciergeの社内版で、会話を観察し、問い合わせの要因をクラスタリングし、特定のワークフローに結びついたCSATの低下を見つけ、修正を提案して（承認を得たうえで）実装します。Slack、Claude、ChatGPT、またはMCP経由で利用できます。
Lorikeetの顧客実績は幅広いです。Carmoolaは解決率を会話のエンドツーエンド30%から60%へ引き上げ、Linktreeは初回応答時間を約1分に短縮し、ヘルステックのEucalyptusはチケット量が3倍になってもCSATを10ポイント向上させました。ヘルステックのロゴは、LorikeetがGradientのような金融専業ではないことを示しています。
評判に関する正直な補足です。どちらの製品も、独立したレビューは少なめです。私が見つけた唯一の検証可能な公開上の不満は、AirwallexのオンボーディングでLorikeetに遭遇し、人間にエスカレーションできなかったエンドユーザーによるTrustpilotの1つ星レビューです。単一のデータポイントですが、まさにこの2つのツールが避けるために作られた失敗パターンであり、解決率の数字を読むときに覚えておく価値があります。
それぞれの実際の作り
ここが私が最も重視する部分です。「素晴らしいデモ」と「本番で安全」の本当の違いはここにあるからです。両社ともここでは並外れて周到で、同じ問題を異なる形で解いています。
Gradient Labsは、エージェントをステートマシンとして動かします。中心となる推論エージェントが専門スキルを統括し、ケースは文脈を失わずにワークフロー間を移動します。内部はマルチモデルで、ステップが重い推論を必要とするか、高速な決定的実行を必要とするかに応じて、OpenAI、Anthropic、Googleに振り分けます。安全層は、すべてのターンで動作する20以上の金融特化ガードレールで、金融アドバイスの検知、脆弱性のシグナル、苦情、本人確認を回避しようとする試みなどをチェックします。Chief ScientistのDanai AntoniouがOpenAIの事例紹介で語った言葉が、その考え方を表しています。「ハルシネーションゼロを前提に、ゼロから設計しなければなりません。」
Lorikeetの答えは、同社が「多層防御」と呼ぶ4つの層で、それぞれが他の層も時々失敗することを前提としています。
- サポート用に作られたベースエージェント。デフォルトは「でっち上げない」です。
- ボット対ボットのシミュレーション。LLMが顧客役を演じて実際のエージェントと実際のワークフローに挑み、失敗した実際の本番チケットからシナリオを生成できます。
- 別スレッドで動くランタイムのガードレール。メインのプロンプトを肥大化させることなく、顧客に届く前にすべての送信応答を監視します。
- チケット後のQA。すべてのチケット（人間、AI、ハイブリッド）の100%を信号機型のスコアカードで採点します。
CTOのJamie Hallは、ランタイム層を「基本的に、出ていくすべての発言を見張っている」と表現しています。実際上の違いは、Gradientが銀行向けに調整された、ターンごとの高密度なガードレール群にコンプライアンスチェックを組み込むのに対し、Lorikeetは確認できるテストとQAのフライホイール全体にチェックを分散させる点です。どちらも本格的です。どちらも、自社の規制上の責任をなくすものではなく、Lorikeetはその点を清々しいほど明確にしています。
料金：一方は公開、一方は非公開
これは両者の最も明快な実務上の違いで、多くを左右します。
Gradient Labsは金額をまったく公開していません。 料金ページはリード獲得フォームです。モデルは言葉で説明されており、「プラットフォーム料金なしの成果ベース料金、解決に成功した問い合わせにのみ支払う」とあり、CEOのDimitri Masinも公の場でこの考え方を主張しています。「私たちが問題を解決できず、それでも人間のチームを巻き込む必要があるなら、私たちに支払う必要はありません。」公平なモデルです。ただ、営業との会話なしにはいくら払うかわからず、料金は到達した解決レベルによって段階が分かれます。
Lorikeetはプランを実際に公開しています。 このカテゴリでは珍しく、評価に値します。
| プラン | 価格 | クレジット / 年 | 最適な用途 |
|---|---|---|---|
| Start | 月額1,500ドル（年払い） | 18,000 | スタートアップ、月間5,000チケット未満 |
| Scale | 月額4,000ドル（年払い） | 48,000 | 月間5,000〜20,000チケット |
| Enterprise | 個別見積もり | 個別 | 20,000チケット以上または複雑な構築 |
クレジットは解決済みチケットごとに消費され、規模が大きくなるほど単価が下がります。
| アクション | Start | Scale |
|---|---|---|
| チャット / メール / SMS の解決 | 0.95 | 0.80 |
| 音声の解決 | 1.50 | 1.20 |
| ルーティングまたは分析タグ | 0.30 | 0.25 |
| チケットごとの自動QA | 0.30 | 0.25 |
これは、チャット1件の解決あたりStartで約1.00ドル、Scaleで約0.80ドルに相当し、どのプランでもシートあたりの料金や導入費用はかかりません。Gradientと同様に、Lorikeetは実際に解決したチケットにのみ課金し、自社QAが不良と採点したチケットのAI分は返金します。
どちらも無料トライアルやセルフサービス登録はありません。入口はすべてデモです。これが多くのチームが過小評価する実際のコストです。エージェントが実際のチケットに1件触れるのを見る前に、営業サイクルと数週間の構築にコミットすることになります。比較として、eeselは500クレジットで月額299ドルから（チケットまたはチャット1件につき1クレジット）で、シート料金もプラットフォーム料金もなく、誰とも話さずに100の無料クレジットで始められます。
では、どれを誰が選ぶべきか
並べてみると、選択は実際にはっきりしています。
Gradient Labsを選ぶのは、銀行、貸金業者、保険会社で、自動化したい業務が紛争、KYB、督促、保険金請求である場合です。この候補の中で、規制対象の金融オペレーションにこれほど深く踏み込む会社は他にありません。ターンごとの20以上のガードレールは、まさにそのリスクプロファイルのために作られています。その深さと引き換えに、価格の透明性は手放すことになります。
Lorikeetを選ぶのは、フィンテックとヘルステックにまたがり、確認できる重厚なテストとQAの仕組みがほしく、通話を予約する前に実際の金額を見たい場合です。Outcomesモデルとオペレーションエージェントのコーチは本物の差別化要素であり、料金を公開していることは大きな信頼につながります。
どちらも見送るのは、自社の状況を正直に表すと「ごく普通のヘルプデスクを運用していて、繰り返しの多い40〜60%のチケットを処理するAIエージェントを早くほしい」という場合です。GradientもLorikeetも、営業主導で数週間かかるエンタープライズ向けの構築です。ミスが規制上のインシデントになるなら、それは正しい判断です。配送状況の問い合わせ程度なら、過剰です。ここで軽量なチームメイトが適しており、上の2つのツールは単にあなたを対象にしていない、と正直に言っておく価値があります。
より速い道としてeeselを試す
上のセクションを読んで「それは自分だ」と思ったなら、これが提案です。具体的にお伝えします。eesel AIは、すでに運用しているヘルプデスク、つまりZendesk、Freshdesk、Gorgias、Frontに重ねて使うサポートチームメイトで、四半期ではなく数分で導入できます。過去のチケットとヘルプセンターから自動的に学習するため、構築チームを待つことなく、最初から自社の製品を理解した状態で始まります。
デモが嘘をつくという上の話を踏まえて強調したい差別化要素が、シミュレーションです。eeselはライブの顧客に1通も回答する前に、実際の過去チケットを再生し、各下書きをチームが実際に送った内容と照らして採点します。約束ではなく証拠に基づいてデプロイできます。料金は500クレジットで月額299ドルからの固定で、セルフサービスで、まず自社のデータで試せる100の無料クレジットがあります。規制の厳しい金融オペレーションなら、GradientやLorikeetのほうが深く合う場合もあり、それで構いません。ほとんどのサポートチームには、eeselが同じ「回避ではなく解決」という価値を今週中に稼働させます。