मार्बल कॉग्निशन ने अवलोकन से सीखने वाले एआई सहकर्मी बनाने के लिए 3.75 मिलियन डॉलर की प्री-सीड फंडिंग जुटाई

दफ़्तर के काम को स्वचालित करने की सबसे कठिन चुनौती अक्सर एआई एजेंट की पहली कार्रवाई से पहले आती है: यह समझना कि कर्मचारी वास्तव में क्या करते हैं। कोई कार्यप्रवाह इनबॉक्स, स्प्रेडशीट और कई व्यावसायिक ऐप्लिकेशनों से होकर गुज़र सकता है। टीम को इसमें आने वाले अपवादों की जानकारी होती है, लेकिन वे कभी औपचारिक विनिर्देश में दर्ज नहीं किए जाते। Marble Cognition ने इस परिचालन ज्ञान को एआई सहकर्मियों में बदलने के लिए प्री-सीड फंडिंग में 3.75 मिलियन डॉलर जुटाए हैं।

Heartcore और Seedcamp ने इस निवेश दौर की सह-अगुवाई की। घोषणा के मुताबिक, एंजल निवेशकों में Datadog के बोर्ड का एक सदस्य, Personio के एक संस्थापक और McKinsey, Mistral AI तथा Lovable के अधिकारी शामिल हैं। म्यूनिख की यह कंपनी इस फंडिंग का इस्तेमाल अनुमान-चालन को बढ़ाने, अपनी इंजीनियरिंग टीम का विस्तार करने और संयुक्त राज्य अमेरिका में शुरुआत करने के लिए करेगी।

Marble की कार्यपद्धति काम का अवलोकन करने से शुरू होती है। यह प्रक्रियाओं के आगे बढ़ने के तरीके को दर्ज करती है, उन अवलोकनों को व्यवस्थित नक्शों में बदलती है और Marble Coworkers को तैनात करती है, ताकि वे कर्मचारियों के पहले से इस्तेमाल किए जा रहे टूल में तैयार कार्यप्रवाह पूरा कर सकें। जहाँ निर्णय या मंज़ूरी की ज़रूरत होती है, वहाँ लोग प्रक्रिया में शामिल रहते हैं।

अनलिखे कार्यप्रवाहों को स्वचालन की रूपरेखा में बदलना

सॉफ़्टवेयर में काम कर सकने वाले एजेंट को भी यह जानना होता है कि किन रिकॉर्डों को देखना है, किसे पूरा हुआ काम माना जाएगा और किसी अपवाद को आगे कब भेजना है। जब कंपनी की वास्तविक कार्यप्रणालियाँ आदतों, अनौपचारिक कामकाजी हस्तांतरणों और उसके सिस्टमों में बिखरी जानकारी के रूप में मौजूद हों, तो ऐसे निर्देश देना कठिन होता है।

Marble का मानना है कि सॉफ़्टवेयर विकास और एजेंट बनाना आसान होने के साथ-साथ यह संदर्भ और अधिक मूल्यवान हो जाएगा। कंपनी का प्रस्तावित लाभ स्वचालित किए जा रहे काम की सटीक समझ है: कार्रवाइयों का क्रम, इस्तेमाल की जाने वाली जानकारी और एक चरण को अगले चरण से जोड़ने वाले निर्णय।

कंपनी का कहना है कि उसका डेस्कटॉप ऐप्लिकेशन व्यावसायिक ऐप्लिकेशनों के भीतर स्क्रीन, क्लिक और कीस्ट्रोक दर्ज करता है। इन अवलोकनों की मदद से यह ऐसे व्यवस्थित प्रक्रिया-नक्शे बनाता है जिन्हें एआई सिस्टम समझ सकते हैं, और फिर ऐसे सहकर्मी तैयार करता है जो शुरू से अंत तक प्रक्रिया पूरी करते हैं। इससे कार्यप्रवाह की खोज और उसकी तैनाती जुड़ जाती है; ग्राहक को प्रक्रिया के विश्लेषण को किसी अलग स्वचालन परियोजना में बदलने के लिए नहीं छोड़ दिया जाता।

घोषणा में Marble के सह-संस्थापक और सीईओ Felix Rösner ने कहा, “हम जिन भी कंपनियों से बात करते हैं, वे चाहती हैं कि एआई वास्तविक काम संभाले। लेकिन कोई भी एआई को यह नहीं बता सकता कि वह काम वास्तव में कैसे किया जाता है। इसलिए हम पहले इसी समस्या को हल करते हैं।”

एआई सहकर्मी, जो मौजूदा व्यावसायिक टूलों पर काम करते हैं

Marble की मौजूदा उत्पाद वेबसाइट इस कार्यप्रणाली को और स्पष्ट करती है। इसमें ऐसे सहकर्मियों का वर्णन है जो कंप्यूटर और ब्राउज़र का सीधे इस्तेमाल कर सकते हैं, जिससे टीमें उन्हें उन परिवेशों में काम सौंप सकती हैं जिन्हें वे पहले से इस्तेमाल करती हैं। धनवापसी की छँटाई का इसका उदाहरण ग्राहक के अनुरोध, धनवापसी नीति और व्यावसायिक रिकॉर्ड को जोड़ता है: सहकर्मी अनुरोध का वर्गीकरण करता है, नीति की जाँच करता है, जवाब का मसौदा तैयार करता है और अपवादों को किसी व्यक्ति के पास भेजता है।

यह उदाहरण दिखाता है कि संदर्भ क्यों मायने रखता है। एक संभावित रूप से उपयुक्त जवाब तैयार करना केवल एक कदम है। उपयोगी सहकर्मी को अनुरोध को संबंधित नियमों और ग्राहक की जानकारी से जोड़ना होगा, फिर नियमित काम को ऐसे मामले से अलग पहचानना होगा जिसे स्वचालित रूप से आगे नहीं बढ़ाया जाना चाहिए।

परिचालन की दृष्टि से, Marble कार्यप्रवाह को समझने और उसे चलाने के बीच की दूरी पाटना चाहती है। प्रक्रिया का नक्शा काम के लिए विनिर्देश देता है; सहकर्मी उसे व्यावसायिक ऐप्लिकेशनों में लागू करता है; और जहाँ काम की ज़रूरत हो, वहाँ मानवीय समीक्षा निर्णय लेने का एक पड़ाव बनाए रखती है। सफल तैनाती इस बात पर निर्भर करती है कि यह विनिर्देश आम प्रक्रिया के साथ-साथ अपवादों को भी कितनी अच्छी तरह दर्ज करता है।

शुरुआती ग्राहक और वित्तीय सेवा क्षेत्र में तैनाती

Marble का कहना है कि वह प्रौद्योगिकी क्षेत्र की यूनिकॉर्न कंपनियों, निजी इक्विटी से वित्तपोषित कंपनियों और एआई कंपनियों के समूहों के साथ काम करती है। उसके ग्राहकों में EGYM, Mutares और Enam शामिल हैं। बार-बार होने वाले, कई टूलों पर निर्भर प्रशासनिक कामों के लिए बनाए गए उत्पाद को परखने का स्वाभाविक अवसर इन संगठनों में मिलता है।

निजी इक्विटी के स्वामित्व वाली एक अज्ञात अमेरिकी वित्तीय सेवा कंपनी में तैनाती के दौरान, Marble का कहना है कि एक सहकर्मी ने हर मामले को संभालने में लगने वाला समय 90% घटाया और अतिरिक्त कर्मचारियों की भर्ती किए बिना टीम को पहले महीने में 50% अधिक मामले निपटाने में मदद की। टीम का अवलोकन करके कार्यप्रवाह सीखने के बाद, सहकर्मी निपटान प्रस्ताव तैयार करता है, जिन्हें एक विशेषज्ञ मंज़ूरी देता है।

ये आँकड़े किसी विशेष तैनाती के कंपनी द्वारा बताए गए नतीजे हैं, न कि सामान्य प्रदर्शन का मानक। वे दो अलग-अलग परिणाम बताते हैं—एक मामले पर लगाया गया समय और टीम की कुल कार्य-क्षमता—और प्रक्रिया में विशेषज्ञ की मंज़ूरी अब भी शामिल है।

यह उदाहरण कंपनी के व्यावसायिक फ़ोकस की ओर भी संकेत करता है। दोहराए जा सकने वाले ढाँचे और मंज़ूरी की स्पष्ट सीमा वाला काम किसी एजेंट की शुरुआती तैनाती के लिए उपयुक्त हो सकता है, जबकि अधिक अस्पष्ट निर्णय टीम के पास रह सकते हैं। इस तरीक़े को बड़े पैमाने पर अपनाने के लिए सिस्टम को यह पहचानना होगा कि कोई ऊपर से परिचित दिखने वाला मामला सीखे हुए कार्यप्रवाह से बाहर कब है।

काम का अवलोकन करने के लिए गोपनीयता नियंत्रण बेहद ज़रूरी हैं

कर्मचारियों की गतिविधियों से सीखने वाले उत्पाद के लिए यह स्पष्ट सीमाएँ तय करना ज़रूरी है कि कौन-सा डेटा इकट्ठा किया जाएगा और उस तक किसकी पहुँच होगी। Marble का कहना है कि उसका डेस्कटॉप ऐप निजी ऐप्लिकेशन, निजी टैब और काम के घंटों के बाहर की गतिविधियों को रिकॉर्ड नहीं करता। कर्मचारी रिकॉर्डिंग रोक सकते हैं, और विश्लेषण समग्र रूप से किया जाता है—इसका इस्तेमाल व्यक्तियों का आकलन करने के लिए नहीं होता।

कंपनी का यह भी कहना है कि किसी व्यक्ति या एआई मॉडल के देखने से पहले रिकॉर्ड की गई सामग्री को गुमनाम कर दिया जाता है। इसमें ग्राहक के अपने क्लाउड में किए गए परिनियोजन भी शामिल हैं। ये कंपनी की ओर से बताए गए सुरक्षा उपाय हैं; ये इस बात के लिए अहम हैं कि सिस्टम को कैसे काम करना है, न कि उत्पाद की गौण सुविधाएँ।

किसी उद्यम में इसे लागू करते समय व्यावहारिक सवालों में यह शामिल है कि किन ऐप्लिकेशनों को दायरे में रखा जाएगा, संवेदनशील जानकारी कैसे हटाई जाएगी और प्रक्रिया से जुड़ी तैयार जानकारी तक किसकी पहुँच होगी। अनावश्यक डेटा-संग्रह को सीमित रखते हुए कार्यप्रवाह को दोहराने के लिए पर्याप्त जानकारी हासिल करना, इस मॉडल के लिए इंजीनियरिंग और शासन-व्यवस्था की मुख्य चुनौती है।

अनुमान, इंजीनियरिंग और अमेरिका में विस्तार के लिए प्री-सीड पूँजी

रॉसनर और सह-संस्थापक क्रिस्टोफ श्मिट, जो मर्बल के सीटीओ हैं, म्यूनिख के सेंटर फॉर डिजिटल टेक्नोलॉजी एंड मैनेजमेंट में मिले और 2025 के अंत में कंपनी की स्थापना की। रॉसनर ने पहले AI सेल्स-एजेंट कंपनी 11x में काम किया था। श्मिट, जो पहले MIT में शोधकर्ता थे, ने पहले एनाम में काम किया था, रिलीज के अनुसार।

यह वित्तपोषण देखे गए कार्यप्रवाहों को तैनाती के लिए तैयार सहकर्मी एजेंटों में बदलने हेतु ज़रूरी बुनियादी ढाँचे और इंजीनियरिंग के साथ-साथ Marble की अमेरिका में प्रस्तावित शुरुआत को भी समर्थन देगा। Seedcamp की भागीदारी से कंपनी को ऐसे निवेशक से जुड़ने का अवसर भी मिलता है जिसने UiPath के विकास के शुरुआती दौर में उसमें निवेश किया था। इससे Marble उन कंपनियों की व्यापक परंपरा का हिस्सा बनती है जो सॉफ़्टवेयर के ज़रिए दफ़्तर के दोहराव वाले काम को कम करने की कोशिश कर रही हैं।

Marble का मानना है कि उद्यमों में स्वचालन की अगली बड़ी बाधा तेजी से इस बात पर निर्भर होती जा रही है कि किसी एजेंट को प्रक्रिया के बारे में कितनी अच्छी जानकारी मिलती है। उसके एआई सहकर्मियों का आकलन इस आधार पर होगा कि वे उस जानकारी को कितनी विश्वसनीयता से पूरा किए गए काम में बदलते हैं—और जहाँ कार्यप्रवाह में मानवीय विवेक की ज़रूरत हो, वहाँ वे उसे कितनी अच्छी तरह बरकरार रखते हैं।