تجمع Marble Cognition تمويلًا تأسيسيًا أوليًا بقيمة 3.75 مليون دولار لبناء زملاء عمل من الذكاء الاصطناعي يتعلمون بالملاحظة

غالبًا ما تكمن أصعب جوانب أتمتة العمل المكتبي في مرحلة تسبق اتخاذ وكيل الذكاء الاصطناعي أول إجراء له: فهم ما يفعله الموظفون فعليًا. فقد يمتد سير العمل بين صندوق بريد وجدول بيانات وعدة تطبيقات أعمال، فيما يعرف الفريق استثناءاته من دون أن توثَّق يومًا في مواصفات رسمية. جمعت Marble Cognition تمويلًا تأسيسيًا أوليًا بقيمة 3.75 مليون دولار لتحويل هذه المعرفة التشغيلية إلى زملاء عمل من الذكاء الاصطناعي.

شاركت Heartcore وSeedcamp في قيادة الجولة. ووفقًا للإعلان، ضمّ المستثمرون الملائكيون عضوًا في مجلس إدارة Datadog، ومؤسسًا لشركة Personio، ومديرين تنفيذيين من McKinsey وMistral AI وLovable. وستستخدم الشركة، التي تتخذ من ميونخ مقرًا لها، التمويل لتوسيع نطاق الاستدلال، وتوسيع فريقها الهندسي، وإطلاق أعمالها في الولايات المتحدة.

يبدأ نهج Marble بمراقبة العمل. فهي ترصد كيفية سير العمليات، وتحول ملاحظاتها إلى خرائط منظمة، ثم تنشر «Marble Coworkers» لتنفيذ مسارات العمل الناتجة في الأدوات التي يستخدمها الموظفون بالفعل. ويظل الأشخاص مشاركين عندما يتطلب الأمر حكمًا أو موافقة.

تحويل مسارات العمل غير الموثقة إلى مخطط للأتمتة

حتى الوكيل القادر على التنقل بين البرمجيات يحتاج إلى معرفة السجلات التي ينبغي الرجوع إليها، وما الذي يُعد مهمة مكتملة، ومتى يستدعي الاستثناء تصعيد الأمر. ويصعب توفير هذه التعليمات عندما تكون إجراءات الشركة التشغيلية الفعلية متجذرة في العادات، والتسليمات غير الرسمية، والمعرفة المبعثرة في أنظمتها.

تعوّل Marble على أن تزداد قيمة هذا السياق مع تيسّر تطوير البرمجيات وبناء الوكلاء. وتتمثل ميزتها المقترحة في فهم دقيق للعمل المراد أتمتته: تسلسل الإجراءات، والمعلومات المستخدمة، والقرارات التي تصل بين خطوة وأخرى.

تقول الشركة إن تطبيقها المكتبي يسجل الشاشات والنقرات وضغطات المفاتيح داخل تطبيقات الأعمال. وتستخدم هذه الملاحظات لإنشاء خرائط منظمة للعمليات تستطيع أنظمة الذكاء الاصطناعي تفسيرها، ثم تنشئ زملاء عمل ينفذون العملية من بدايتها إلى نهايتها. وهذا يربط اكتشاف مسارات العمل بنشرها، بدلًا من ترك العميل يترجم تحليل العملية إلى مشروع أتمتة منفصل.

قال فيليكس روسنر، الشريك المؤسس والرئيس التنفيذي لشركة Marble، في الإعلان: «كل شركة نتحدث إليها تريد من الذكاء الاصطناعي تولي مهام عمل حقيقية. لكن لا أحد يستطيع أن يشرح للذكاء الاصطناعي كيف يُنجز هذا العمل فعليًا. لذا نعالج هذه المشكلة أولًا»

زملاء عمل من الذكاء الاصطناعي يعملون عبر أدوات الأعمال الحالية

يوضح موقع المنتج الحالي لدى Marble نموذج التنفيذ بصورة أكثر تحديدًا. ويصف زملاء عمل يستخدمون الحاسوب والمتصفح بطريقتهما الأصلية، ما يتيح للفرق تفويض المهام في البيئات التي تستخدمها بالفعل. ويجمع المثال التوضيحي لفرز طلبات استرداد الأموال بين طلب العميل وسياسة الاسترداد وسجلات الأعمال: إذ يصنّف زميل العمل الطلب، ويتحقق من السياسة، ويعدّ ردًا، ويحيل الحالات الاستثنائية إلى شخص.

يوضح هذا المثال أهمية السياق. فصياغة رد يبدو معقولًا ليست سوى خطوة واحدة. ولكي يكون زميل العمل مفيدًا، عليه ربط الطلب بالقواعد ذات الصلة ومعلومات العميل، ثم التمييز بين العمل الروتيني والحالة التي ينبغي ألا تمضي قدمًا تلقائيًا.

من الناحية التشغيلية، تسعى Marble إلى سد الفجوة بين فهم سير العمل وتشغيله. فتقدم خريطة العملية مواصفات العمل، وينفذها زميل العمل داخل تطبيقات الأعمال، بينما تحافظ المراجعة البشرية على نقطة لاتخاذ القرار متى تطلبت المهمة ذلك. ويتوقف نجاح النشر على مدى دقة تلك المواصفات في توثيق الاستثناءات، إلى جانب المسار المعتاد.

عملاء أوائل ونشر في قطاع الخدمات المالية

تقول Marble إنها تعمل مع شركات تقنية عملاقة ناشئة، وشركات مدعومة من شركات الأسهم الخاصة، وشركات قابضة تجمع شركات الذكاء الاصطناعي، وتذكر EGYM وMutares وEnam ضمن عملائها. وتمثل هذه المؤسسات بيئة اختبار مناسبة لمنتج يستهدف العمليات الإدارية المتكررة والمعتمدة بكثافة على الأدوات.

في أحد تطبيقات المنتج لدى شركة أمريكية للخدمات المالية مملوكة لشركة أسهم خاصة لم يُكشف عن اسمها، تقول Marble إن زميل العمل خفّض مدة معالجة كل حالة بنسبة 90%، وساعد الفريق على معالجة حالات أكثر بنسبة 50% خلال شهره الأول، من دون تعيين موظفين إضافيين. ويُعد زميل العمل عروض التسوية ليوافق عليها اختصاصي، بعد أن تعلّم سير العمل من خلال مراقبة الفريق.

هذه الأرقام نتائج أبلغت عنها الشركة في تطبيق محدد، وليست معيارًا عامًا للأداء. وهي تصف نتيجتين مختلفتين: الوقت المستغرق في معالجة حالة واحدة، وإجمالي حجم الحالات التي يعالجها الفريق. كما تظل موافقة الاختصاصي جزءًا من العملية.

ويشير المثال أيضًا إلى التركيز التجاري للشركة. فالعمل ذو البنية المتكررة والحدود الواضحة للموافقة قد يشكل نقطة بداية مناسبة لنشر وكيل، بينما تبقى القرارات الأكثر التباسًا بيد الفريق. ويتطلب توسيع هذا النهج أن يتعرف النظام على الحالات التي تبدو مألوفة لكنها تقع خارج سير العمل الذي تعلمه.

ضوابط الخصوصية أساسية لمراقبة العمل

يحتاج أي منتج يتعلم من أنشطة الموظفين إلى ضوابط واضحة تحدد ما يُجمع ومن يمكنه الوصول إليه. وتقول Marble إن تطبيقها لسطح المكتب يستثني التطبيقات الخاصة وعلامات التبويب الخاصة والأنشطة التي تجري خارج ساعات العمل. ويمكن للموظفين إيقاف التسجيل مؤقتًا، كما يُجرى التحليل على مستوى إجمالي بدلًا من استخدامه لتقييم الأفراد.

وتقول الشركة أيضًا إن المواد التي يجري جمعها تُزال منها المعلومات التي تكشف الهوية قبل أن يطّلع عليها شخص أو نموذج ذكاء اصطناعي، بما في ذلك عند نشر النظام داخل السحابة الخاصة بالعميل. وهذه ضمانات تذكرها الشركة، وهي عناصر جوهرية في طريقة عمل النظام المقصودة، وليست ميزات عرضية في المنتج.

في تطبيقات المؤسسات، تشمل الأسئلة العملية تحديد التطبيقات المشمولة، وكيفية إزالة المعلومات الحساسة، ومن يمكنه الوصول إلى معلومات العمليات الناتجة. ويشكّل تعلّم ما يكفي لإعادة تنفيذ سير عمل، مع الحد من جمع البيانات غير الضرورية، تحديًا أساسيًا على صعيدَي الهندسة والحوكمة لهذا النموذج.

تمويل ما قبل التأسيس للاستدلال والهندسة والتوسع في الولايات المتحدة

التقى رösner والشريك المؤسس Christophe Schmit، المدير التقني في Marble، في مركز ميونيخ للتكنولوجيا الرقمية والإدارة، وأسسا الشركة في أواخر عام 2025. وعمل Rösner سابقًا في شركة 11x، المتخصصة في وكلاء المبيعات المعتمدين على الذكاء الاصطناعي. أما Schmit، وهو باحث سابق في MIT، فعمل قبل ذلك في Enam، بحسب البيان.

سيدعم التمويل البنية التحتية والهندسة اللازمتين لتحويل مسارات العمل المرصودة إلى زملاء عمل جاهزين للنشر، إلى جانب إطلاق Marble المزمع في الولايات المتحدة. كما تتيح مشاركة Seedcamp للشركة التواصل مع مستثمر سبق أن دعم UiPath في مرحلة مبكرة من تطورها، ما يضع Marble ضمن مسار أوسع من الشركات الساعية إلى الحد من الأعمال المكتبية المتكررة باستخدام البرمجيات.

تتمثل أطروحة Marble في أن جودة المعرفة بالعمليات التي يتلقاها الوكيل أصبحت، على نحو متزايد، العامل الذي يحد من أتمتة المؤسسات. وسيُقيَّم زملاء العمل المدعومون بالذكاء الاصطناعي لديها بناءً على مدى موثوقية تحويلهم تلك المعرفة إلى عمل منجز، ومدى قدرتهم على الحفاظ على الحكم البشري حين يتطلب سير العمل ذلك.