Marble Cognition привлекла $3,75 млн на посевном раунде для создания ИИ-коллег, которые учатся, наблюдая за работой

Самая сложная часть автоматизации офисной работы часто начинается ещё до того, как ИИ-агент предпринимает первое действие: нужно понять, чем на самом деле занимаются сотрудники. Рабочий процесс может охватывать почту, электронную таблицу и несколько бизнес-приложений; команда знает о его исключениях, но они так и не зафиксированы в официальной спецификации. Marble Cognition привлекла $3,75 млн на посевном раунде, чтобы превратить эти практические знания в ИИ-коллег.

Раунд совместно возглавили Heartcore и Seedcamp. Среди бизнес-ангелов, как сообщила компания, — член совета директоров Datadog, основатель Personio и руководители McKinsey, Mistral AI и Lovable. Мюнхенская компания направит средства на масштабирование инференса, расширение инженерной команды и выход на рынок США.

Подход Marble начинается с наблюдения за работой. Компания фиксирует, как протекают процессы, преобразует эти наблюдения в структурированные карты и внедряет Marble Coworkers для выполнения получившихся рабочих процессов в инструментах, которыми сотрудники уже пользуются. Люди остаются вовлечены там, где необходимы их суждение или одобрение.

Как превратить незадокументированные рабочие процессы в план автоматизации

Даже агент, способный работать с программами, должен знать, к каким записям обращаться, что считать выполненной задачей и в каких случаях исключение требует эскалации. Такие инструкции сложно предоставить, если реальные рабочие процедуры компании существуют лишь в виде привычек и неформальной передачи задач, а знания разбросаны по её системам.

Marble делает ставку на то, что такой контекст станет ценнее по мере упрощения разработки программного обеспечения и создания агентов. Компания рассчитывает получить преимущество благодаря точному пониманию автоматизируемой работы: последовательности действий, используемой информации и решений, связывающих один этап с другим.

Компания утверждает, что её настольное приложение записывает изображение экрана, щелчки мышью и нажатия клавиш в бизнес-приложениях. На основе этих наблюдений оно строит структурированные карты процессов, которые могут интерпретировать системы ИИ, а затем создаёт коллег, выполняющих процесс от начала до конца. Так выявление рабочих процессов связывается с их внедрением: клиенту не приходится самостоятельно превращать анализ процесса в отдельный проект автоматизации.

«Каждая компания, с которой мы общаемся, хочет, чтобы ИИ взял на себя реальную работу. Но никто не может объяснить ИИ, как именно эта работа выполняется», — заявил в сообщении сооснователь и генеральный директор Marble Феликс Рёснер. «Поэтому мы сначала решаем эту задачу».

ИИ-коллеги, работающие с уже используемыми бизнес-инструментами

Существующий сайт продукта Marble подробнее раскрывает модель выполнения задач. На нём описаны коллеги, которые напрямую работают с компьютером и браузером, позволяя командам поручать им задачи в уже используемых средах. В примере с обработкой запросов на возврат средств объединены обращение клиента, правила возврата и бизнес-записи: коллега классифицирует запрос, сверяется с правилами, составляет ответ и передаёт нестандартные случаи человеку.

Этот пример показывает, почему важен контекст. Подготовить правдоподобный ответ — лишь один этап. Полезный коллега должен связать запрос с соответствующими правилами и информацией о клиенте, а затем отличить стандартную задачу от случая, который нельзя обрабатывать автоматически.

С точки зрения операционной деятельности Marble стремится устранить разрыв между пониманием рабочего процесса и его выполнением. Карта процесса задаёт спецификацию работы; коллега выполняет её в бизнес-приложениях; а проверка человеком сохраняет возможность принять решение там, где этого требует задача. Успешное внедрение зависит от того, насколько хорошо спецификация учитывает исключения наряду с типичным сценарием.

Первые клиенты и внедрение в сфере финансовых услуг

По словам Marble, компания работает с технологическими компаниями-единорогами, компаниями, поддерживаемыми фондами прямых инвестиций, и серийными покупателями компаний в сфере ИИ; среди клиентов она называет EGYM, Mutares и Enam. Такие организации дают естественную возможность проверить продукт, предназначенный для повторяющихся административных операций, связанных с активным использованием различных инструментов.

В рамках одного внедрения в неназванной американской компании из сферы финансовых услуг, принадлежащей фонду прямых инвестиций, коллега, по словам Marble, сократил время обработки одного дела на 90% и помог команде за первый месяц обработать на 50% больше дел без найма дополнительных сотрудников. Коллега готовит предложения об урегулировании для одобрения специалистом, предварительно изучив рабочий процесс, наблюдая за командой.

Эти показатели — результаты конкретного внедрения, приведённые самой компанией, а не общий эталон производительности. Они отражают два разных результата — время, затрачиваемое на отдельное дело, и общую пропускную способность команды; одобрение специалиста по-прежнему остаётся частью процесса.

Этот пример также указывает на коммерческую направленность компании. Повторяемая структура работы и чёткая граница одобрения позволяют начать внедрение агента, оставив команде более неоднозначные решения. Для масштабирования такого подхода системе необходимо распознавать случаи, которые кажутся знакомыми, но выходят за рамки изученного рабочего процесса.

Контроль конфиденциальности — ключевое условие наблюдения за работой

Продукту, который учится на действиях сотрудников, нужны чёткие правила сбора данных и доступа к ним. Marble заявляет, что её настольное приложение не записывает действия в личных приложениях и личных вкладках, а также вне рабочего времени. Сотрудники могут приостанавливать запись, а анализ проводится на агрегированном уровне, а не для оценки отдельных людей.

Компания также заявляет, что собранные данные анонимизируются до того, как их увидит человек или модель ИИ, в том числе при развёртывании системы в облаке самого клиента. Это заявленные компанией меры защиты; они важны для предусмотренного принципа работы системы, а не являются второстепенными функциями продукта.

При внедрении системы в крупной компании важно определить, какие приложения будут охвачены, как удаляется конфиденциальная информация и кто сможет получить доступ к сведениям о процессах. Одна из ключевых инженерных задач и задач управления — научить систему настолько хорошо, чтобы она могла воспроизводить рабочие процессы, одновременно ограничив сбор ненужных данных.

Предпосевное финансирование на инференс, инженерную разработку и выход на рынок США

Рёснер и его сооснователь Кристоф Шмит, технический директор Marble, познакомились в Центре цифровых технологий и управления в Мюнхене и основали компанию в конце 2025 года. Ранее Рёснер работал в компании 11x, разрабатывающей ИИ-агентов для продаж. Шмит, бывший исследователь MIT, до этого работал в Enam, говорится в пресс-релизе.

Финансирование позволит создать инфраструктуру и провести инженерную работу, необходимые для превращения наблюдаемых рабочих процессов во внедряемых ИИ-сотрудников, а также подготовиться к запланированному выходу Marble на рынок США. Участие Seedcamp также связывает компанию с инвестором, который поддержал UiPath на раннем этапе развития, и вписывает Marble в более широкую историю компаний, стремящихся с помощью программного обеспечения сократить объём рутинной офисной работы.

Marble считает, что всё чаще главным ограничением для автоматизации в крупных компаниях становится качество знаний о процессах, которыми располагает агент. Эффективность ИИ-сотрудников будут оценивать по тому, насколько надёжно они превращают эти знания в выполненную работу и насколько хорошо сохраняют роль человеческого суждения там, где этого требует рабочий процесс.