Marble Cognition získává 3,75 milionu dolarů v pre-seedovém kole na vývoj AI kolegů, kteří se učí pozorováním

Nejtěžší část automatizace kancelářské práce často přichází ještě předtím, než agent AI provede svůj první úkon: zjistit, co zaměstnanci skutečně dělají. Pracovní postup může procházet e-mailovou schránkou, tabulkou a několika firemními aplikacemi; tým přitom zná jeho výjimky, ty však nikdy nejsou zachyceny ve formální specifikaci. Marble Cognition získala 3,75 milionu dolarů v pre-seedovém kole, aby tyto provozní znalosti přetavila v AI kolegy.

Kolo společně vedly společnosti Heartcore a Seedcamp. Mezi andělskými investory jsou podle oznámení člen správní rady Datadogu, zakladatel Personia a vedoucí pracovníci společností McKinsey, Mistral AI a Lovable. Mnichovská společnost použije získané prostředky na rozšíření kapacity pro inferování, rozšíření svého technického týmu a vstup na trh ve Spojených státech.

Přístup společnosti Marble začíná pozorováním práce. Zachycuje průběh procesů, mění tato pozorování na strukturované mapy a nasazuje Marble Coworkers, kteří provádějí výsledné pracovní postupy v nástrojích, jež zaměstnanci už používají. Lidé zůstávají zapojeni tam, kde je třeba úsudek nebo schválení.

Převod nezdokumentovaných pracovních postupů do plánu automatizace

Agent, který se dokáže pohybovat v softwaru, stále potřebuje vědět, do kterých záznamů nahlédnout, co se považuje za dokončený úkol a kdy je nutné výjimku předat k řešení. Takové pokyny se obtížně poskytují, když skutečné provozní postupy společnosti existují jen jako zažité návyky, neformální předávání úkolů a znalosti rozptýlené napříč jejími systémy.

Marble sází na to, že tento kontext bude cennější, jakmile bude vývoj softwaru a vytváření agentů snazší. Její předpokládanou výhodou je přesné porozumění automatizované práci: posloupnosti úkonů, použitým informacím a rozhodnutím, která propojují jednotlivé kroky.

Společnost uvádí, že její desktopová aplikace zaznamenává obrazovky, kliknutí a stisky kláves v rámci firemních aplikací. Na základě těchto pozorování vytváří strukturované mapy procesů, kterým systémy AI dokážou porozumět, a poté vytváří kolegy, kteří celý proces vykonají od začátku do konce. Tím propojuje zjišťování pracovních postupů s jejich nasazením, takže zákazník nemusí převádět analýzu procesu do samostatného automatizačního projektu.

„Každá společnost, se kterou mluvíme, chce, aby AI převzala skutečnou práci. Nikdo ale nedokáže AI říct, jak se tato práce skutečně dělá,“ uvedl v oznámení Felix Rösner, spoluzakladatel a generální ředitel společnosti Marble. „Proto nejprve řešíme právě to.“

AI kolegové, kteří pracují napříč stávajícími firemními nástroji

Stávající webová stránka produktu společnosti Marble přibližuje způsob jeho fungování. Popisuje kolegy, kteří přímo ovládají počítač a prohlížeč, a umožňují tak týmům delegovat práci v prostředích, jež už používají. Ukázka třídění žádostí o vrácení peněz kombinuje požadavek zákazníka, pravidla pro vracení peněz a firemní záznamy: kolega požadavek zařadí, ověří pravidla, připraví návrh odpovědi a výjimky předá člověku.

Tento příklad ukazuje, proč je kontext důležitý. Vytvořit věrohodnou odpověď je jen jeden krok. Užitečný kolega musí propojit požadavek s příslušnými pravidly a informacemi o zákazníkovi a poté rozlišit běžnou práci od případu, který by neměl být zpracován automaticky.

Z provozního hlediska se Marble snaží překlenout rozdíl mezi porozuměním pracovnímu postupu a jeho prováděním. Mapa procesu slouží jako specifikace práce, kolega ji provádí ve firemních aplikacích a lidská kontrola zachovává rozhodovací bod tam, kde to úkol vyžaduje. Úspěšné nasazení závisí na tom, jak dobře tato specifikace zachycuje výjimky i obvyklý průběh.

První zákazníci a nasazení ve finančních službách

Marble uvádí, že spolupracuje s technologickými jednorožci, společnostmi podporovanými fondy private equity a skupinami konsolidujícími firmy v oblasti AI; mezi její zákazníky řadí EGYM, Mutares a Enam. Tyto organizace představují přirozené prostředí pro testování produktu určeného k opakujícím se administrativním činnostem, které vyžadují práci s mnoha nástroji.

Při jednom nasazení v nejmenované americké společnosti z oblasti finančních služeb, kterou vlastní fond private equity, podle Marble kolega zkrátil dobu zpracování jednoho případu o 90 % a pomohl týmu vyřídit během prvního měsíce o 50 % více případů, aniž by bylo nutné přijmout další zaměstnance. Kolega připravuje návrhy dohod o narovnání, které schvaluje specialista; pracovní postup se naučil pozorováním týmu.

Tyto údaje jsou výsledky konkrétního nasazení, které uvádí sama společnost, nikoli obecný ukazatel výkonnosti. Popisují dva různé výsledky — čas strávený zpracováním jednotlivého případu a celkový objem práce, který tým zvládne — a schválení specialistou zůstává součástí procesu.

Tento příklad zároveň naznačuje obchodní zaměření společnosti. Práce s opakovatelnou strukturou a jasně vymezeným schvalováním může představovat vhodný počáteční úkol pro nasazení agenta, zatímco rozhodování s větší mírou nejednoznačnosti zůstává na týmu. Rozšíření tohoto přístupu vyžaduje, aby systém rozpoznal, kdy zdánlivě známý případ vybočuje z naučeného pracovního postupu.

Ochrana soukromí je při pozorování práce zásadní

Produkt, který se učí z činnosti zaměstnanců, potřebuje jasně stanovené hranice pro sběr dat a přístup k nim. Marble uvádí, že její desktopová aplikace nezaznamenává soukromé aplikace, soukromé karty ani činnost mimo pracovní dobu. Zaměstnanci mohou nahrávání pozastavit a analýza probíhá souhrnně, nikoli za účelem hodnocení jednotlivců.

Společnost také uvádí, že zaznamenané materiály jsou anonymizovány dříve, než je uvidí člověk nebo model umělé inteligence, a to i při nasazení v cloudu zákazníka. Jde o ochranná opatření, která společnost sama uvádí; mají zásadní význam pro zamýšlené fungování systému, nejde o pouhé doplňkové funkce produktu.

Při nasazení ve firmě patří mezi praktické otázky, které aplikace budou zahrnuty, jak se odstraní citlivé informace a kdo bude mít přístup k výsledným informacím o procesech. Naučit systém dost na to, aby dokázal napodobit pracovní postup, a současně omezit zbytečný sběr dat představuje pro tento model zásadní výzvu z hlediska technického řešení i správy.

Financování v rámci pre-seed kola na inferenci, vývoj a expanzi do USA

Rösner a spoluzakladatel Christophe Schmit, technický ředitel společnosti Marble, se setkali v mnichovském Centru pro digitální technologie a management a společnost založili koncem roku 2025. Rösner dříve pracoval ve společnosti 11x, která se zabývá prodejními AI agenty. Schmit, bývalý výzkumník MIT, dříve pracoval ve společnosti Enam, jak uvádí tisková zpráva.

Financování podpoří infrastrukturu a technický vývoj potřebné k tomu, aby se pozorované pracovní postupy proměnily v nasaditelné digitální kolegy, a také plánované uvedení Marble na americký trh. Účast Seedcampu společnost zároveň propojuje s investorem, který podpořil UiPath v počátcích jeho rozvoje, a řadí Marble k širšímu okruhu firem, jež se snaží pomocí softwaru omezit opakující se kancelářskou práci.

Marble tvrdí, že stále důležitější překážkou automatizace ve firmách je kvalita znalostí o procesech, které agent získává. Její kolegové s umělou inteligencí budou posuzováni podle toho, jak spolehlivě tyto znalosti promění v dokončenou práci — a jak dobře zachovají lidský úsudek, když si to pracovní postup vyžaduje.