Marble Cognition kerää 3,75 miljoonaa dollaria pre-seed-rahoitusta rakentaakseen havainnoimalla oppivia tekoälytyökavereita

Toimistotyön automatisoinnin vaikein vaihe tapahtuu usein ennen kuin tekoälyagentti tekee ensimmäistäkään siirtoaan: on selvitettävä, mitä työntekijät todella tekevät. Työnkulku voi ulottua sähköpostilaatikosta taulukkolaskentaan ja useisiin liiketoimintasovelluksiin. Tiimi tuntee siihen liittyvät poikkeustilanteet, mutta niitä ei ole koskaan kirjattu viralliseen määrittelyyn. Marble Cognition on kerännyt 3,75 miljoonaa dollaria pre-seed-rahoitusta muuntaakseen tämän toiminnan tuntemuksen tekoälytyökavereiksi.

Heartcore ja Seedcamp johtivat rahoituskierrosta yhdessä. Tiedotteen mukaan enkelisijoittajiin kuuluu Datadogin hallituksen jäsen, Personion perustaja sekä johtajia McKinseyltä, Mistral AI:lta ja Lovablelta. Müncheniläisyritys käyttää rahoituksen päättelykapasiteetin skaalaamiseen, insinööritiiminsä laajentamiseen ja Yhdysvaltoihin laajentumiseen.

Marblen lähestymistapa alkaa työn havainnoinnista. Se tallentaa, miten prosessit etenevät, muuntaa havainnot jäsennellyiksi kartoiksi ja ottaa käyttöön Marble Coworkers -ratkaisut, jotka suorittavat näin määritellyt työnkulut työntekijöiden jo käyttämissä työkaluissa. Ihmiset pysyvät mukana tilanteissa, joissa tarvitaan harkintaa tai hyväksyntää.

Kirjaamattomista työnkuluista automaation toimintamalliksi

Ohjelmistoissa navigoivan agentin on silti tiedettävä, mitä tietoja sen pitää tarkastella, milloin tehtävä katsotaan suoritetuksi ja missä tilanteessa poikkeus on eskaloitava. Näitä ohjeita on vaikea antaa, jos yrityksen todelliset toimintatavat ovat muodostuneet käytännöiksi, epämuodollisiksi tehtävänsiirroiksi ja eri järjestelmiin hajautuneeksi tiedoksi.

Marble uskoo tämän toimintaympäristön tuntemuksen arvon kasvavan, kun ohjelmistokehitys ja agenttien rakentaminen helpottuvat. Yhtiön tavoittelema kilpailuetu on automatisoitavan työn tarkka ymmärtäminen: toimintojen järjestys, käytettävät tiedot ja päätökset, jotka yhdistävät työvaiheet toisiinsa.

Yhtiön mukaan sen työpöytäsovellus tallentaa näyttökuvaa, napsautuksia ja näppäinpainalluksia liiketoimintasovelluksissa. Näiden havaintojen perusteella se laatii jäsenneltyjä prosessikarttoja, joita tekoälyjärjestelmät voivat tulkita, ja luo sitten työkavereita, jotka suorittavat prosessin alusta loppuun. Näin työnkulun kartoittaminen yhdistyy sen käyttöönottoon, eikä asiakkaan tarvitse muuntaa prosessianalyysiä erilliseksi automaatiohankkeeksi.

”Jokainen yritys, jonka kanssa keskustelemme, haluaa tekoälyn hoitavan oikeita työtehtäviä. Kukaan ei kuitenkaan osaa kertoa tekoälylle, miten työ todella tehdään”, sanoi Marblen perustajiin kuuluva toimitusjohtaja Felix Rösner tiedotteessa. ”Siksi ratkaisemme ensin tämän ongelman.”

Tekoälytyökaverit toimivat yritysten nykyisissä työkaluissa

Marblen nykyinen tuotesivusto havainnollistaa konkreettisemmin, miten ratkaisu toimii. Sen mukaan työkaverit osaavat käyttää tietokonetta ja selainta suoraan, joten tiimit voivat delegoida työtä ympäristöissä, joita ne jo käyttävät. Hyvityspyyntöjen käsittelyä havainnollistava esimerkki yhdistää asiakkaan pyynnön, hyvityskäytännön ja yrityksen tiedot: työkaveri luokittelee pyynnön, tarkistaa käytännön, laatii vastauksen ja ohjaa poikkeustapaukset ihmiselle.

Esimerkki havainnollistaa, miksi toimintaympäristön tuntemus on tärkeää. Uskottavan vastauksen tuottaminen on vasta yksi vaihe. Hyödyllisen työkaverin on yhdistettävä pyyntö asiaankuuluviin sääntöihin ja asiakastietoihin sekä erotettava rutiinityö tapauksista, joita ei pidä käsitellä automaattisesti.

Käytännössä Marble pyrkii kuromaan umpeen työnkulun ymmärtämisen ja sen suorittamisen välistä kuilua. Prosessikartta määrittää työn, työkaveri toteuttaa sen liiketoimintasovelluksissa ja ihmisen tekemä tarkistus säilyttää päätöksentekokohdan siellä, missä tehtävä sitä edellyttää. Käyttöönoton onnistuminen riippuu siitä, miten hyvin määrittelyssä kuvataan tavanomaisen toimintatavan lisäksi poikkeukset.

Varhaiset asiakkaat ja käyttöönotto finanssipalvelualalla

Marble kertoo työskentelevänsä teknologia-alan yksisarvisyritysten, pääomasijoittajien omistamien yritysten ja tekoälyalan yritysryhmien kanssa. Asiakkaisiin kuuluvat yhtiön mukaan EGYM, Mutares ja Enam. Tällaiset yritykset tarjoavat luontevan testialustan tuotteelle, joka on suunnattu toistuviin ja monien työkalujen käyttöä vaativiin hallinnollisiin tehtäviin.

Marble kertoo, että eräässä käyttöönotossa nimettömässä, pääomasijoittajan omistamassa yhdysvaltalaisessa finanssipalveluyrityksessä työkaveri lyhensi tapauksen käsittelyaikaa 90 prosenttia ja auttoi tiimiä käsittelemään ensimmäisen kuukauden aikana 50 prosenttia enemmän tapauksia ilman lisärekrytointeja. Työkaveri valmistelee sovintotarjouksia asiantuntijan hyväksyttäviksi opittuaan työnkulun tiimiä tarkkailemalla.

Nämä luvut ovat yhtiön raportoimia tuloksia yhdestä tietystä käyttöönotosta, eivät yleinen suorituskyvyn vertailuarvo. Ne kuvaavat kahta eri tulosta: yksittäisen tapauksen käsittelyyn käytettyä aikaa ja tiimin kokonaisläpimenoa. Asiantuntijan hyväksyntä on edelleen osa prosessia.

Esimerkki kertoo myös yhtiön kaupallisesta painopisteestä. Toistuvasti samanlaisena etenevä työ, jossa hyväksynnän rajat ovat selkeät, voi tarjota ensimmäisen kohteen agentin käyttöönotolle, kun taas monitulkintaisemmat päätökset jäävät tiimin tehtäviksi. Tämän toimintamallin laajentaminen edellyttää, että järjestelmä tunnistaa tilanteet, joissa näennäisesti tuttu tapaus poikkeaa opitusta työnkulusta.

Yksityisyyden suojan hallinta on työn havainnoinnissa keskeistä

Tuote, joka oppii työntekijöiden toiminnasta, tarvitsee selkeät rajat tiedon keräämiselle ja siihen pääsylle. Marble kertoo, että sen työpöytäsovellus jättää keruun ulkopuolelle yksityiset sovellukset, yksityiset välilehdet ja työajan ulkopuolisen toiminnan. Työntekijät voivat keskeyttää tallennuksen, ja analyysi tehdään koontitasolla eikä sitä käytetä yksittäisten henkilöiden arviointiin.

Yhtiö kertoo myös, että kerätty aineisto anonymisoidaan ennen kuin ihminen tai tekoälymalli näkee sen, myös silloin, kun järjestelmä otetaan käyttöön asiakkaan omassa pilvipalvelussa. Nämä ovat yhtiön ilmoittamia suojatoimia. Ne ovat olennaisia järjestelmän suunnitellun toimintatavan kannalta, eivät tuotteen sivuseikkoja.

Yrityskäyttöönotossa on käytännössä selvitettävä, mitkä sovellukset kuuluvat järjestelmän piiriin, miten arkaluonteiset tiedot poistetaan ja kuka pääsee käsiksi syntyviin prosessitietoihin. Tämän toimintamallin keskeinen tekninen ja hallinnollinen haaste on oppia riittävästi työnkulun toistamiseksi ja samalla rajoittaa tarpeetonta tiedonkeruuta.

Ennakkosiemenrahoitusta päättelyyn, tekniikan kehittämiseen ja laajentumiseen Yhdysvalloissa

Rösner ja perustajajäsen Christophe Schmit, Marblen teknologiajohtaja, tapasivat Münchenin digitaalisen teknologian ja johtamisen keskuksessa ja perustivat yrityksen vuoden 2025 lopulla. Rösner työskenteli aiemmin tekoälyyn perustuvassa myyntiedustaja- yrityksessä 11x. Schmit, entinen MIT-tutkija, työskenteli aiemmin Enamilla lehdistötiedotteen mukaan.

Rahoituksella tuetaan infrastruktuurin ja tekniikan kehittämistä, joita tarvitaan havaittujen työnkulkujen muuttamiseksi käyttöönotettaviksi työtovereiksi, sekä Marblen suunniteltua Yhdysvaltain-lanseerausta. Seedcampin osallistuminen yhdistää yhtiön myös sijoittajaan, joka tuki UiPathia sen kehityksen alkuvaiheessa. Näin Marble liittyy laajempaan yritysten joukkoon, joka pyrkii vähentämään toimistotyön toistuvia tehtäviä ohjelmistojen avulla.

Marblen lähtökohtana on, että yritysten automaation seuraava pullonkaula on yhä useammin agentin saaman prosessitiedon laatu. Sen tekoälytyötovereita arvioidaan sen perusteella, kuinka luotettavasti ne muuttavat tiedon valmiiksi työksi ja kuinka hyvin ne säilyttävät ihmisen harkintakyvyn silloin, kun työnkulku sitä edellyttää.