Marble Cognition, Gözlem Yoluyla Öğrenen Yapay Zekâ Çalışma Arkadaşları Geliştirmek İçin Tohum Öncesi 3,75 Milyon Dolar Yatırım Aldı

Ofis işlerini otomatikleştirmenin en zor kısmı, çoğu zaman bir yapay zekâ aracısının ilk adımını atmasından önce gelir: çalışanların gerçekte ne yaptığını anlamak. Bir iş akışı; gelen kutusu, elektronik tablo ve çeşitli iş uygulamaları arasında ilerleyebilir. Akışın istisnaları ekip tarafından bilinse de bunlar hiçbir zaman resmî bir spesifikasyona kaydedilmemiş olabilir. Marble Cognition, bu operasyonel bilgiyi yapay zekâ çalışma arkadaşlarına dönüştürmek için tohum öncesi yatırım turunda 3,75 milyon dolar yatırım aldı.

Heartcore ve Seedcamp yatırım turuna eş liderlik etti. Duyuruya göre melek yatırımcılar arasında Datadog’un yönetim kurulu üyelerinden biri, Personio’nun kurucularından biri ve McKinsey, Mistral AI ile Lovable’dan yöneticiler yer alıyor. Münih merkezli şirket, yatırımı çıkarım kapasitesini ölçeklendirmek, mühendislik ekibini büyütmek ve ABD’de faaliyete başlamak için kullanacak.

Marble’ın yaklaşımı, iş süreçlerini gözlemlemekle başlıyor. Süreçlerin nasıl ilerlediğini kaydediyor, bu gözlemleri yapılandırılmış haritalara dönüştürüyor ve ortaya çıkan iş akışlarını çalışanların hâlihazırda kullandığı araçlarda yürütmeleri için Marble Coworkers’ı devreye alıyor. Yargı veya onay gereken noktalarda insanlar sürece dâhil olmaya devam ediyor.

Yazılı Olmayan İş Akışlarını Otomasyon Planına Dönüştürmek

Yazılımlar arasında gezinebilen bir aracının bile hangi kayıtlara başvuracağını, bir görevin ne zaman tamamlanmış sayılacağını ve bir istisnanın ne zaman üst kademeye taşınması gerektiğini bilmesi gerekir. Bir şirketin gerçek çalışma usulleri alışkanlıklar, gayriresmî iş devirleri ve sistemlerine dağılmış bilgilerden oluştuğunda bu talimatları sağlamak zordur.

Marble, yazılım geliştirmenin ve aracı oluşturmanın kolaylaşmasıyla bu bağlamın daha değerli hâle geleceğine inanıyor. Şirketin öne çıkarmayı hedeflediği avantaj, otomatikleştirilecek işi doğru anlamak: eylemlerin sırası, kullanılan bilgiler ve adımları birbirine bağlayan kararlar.

Şirket, masaüstü uygulamasının iş uygulamalarındaki ekranları, tıklamaları ve tuş vuruşlarını kaydettiğini söylüyor. Bu gözlemleri, yapay zekâ sistemlerinin yorumlayabileceği yapılandırılmış süreç haritaları oluşturmak için kullanıyor; ardından süreci baştan sona yürüten çalışma arkadaşları oluşturuyor. Böylece iş akışlarının keşfi ile uygulamaya alınması birbirine bağlanıyor; müşteri, süreç analizini ayrı bir otomasyon projesine dönüştürmek zorunda kalmıyor.

Marble’ın kurucu ortağı ve CEO’su Felix Rösner, duyuruda şöyle dedi: “Konuştuğumuz her şirket, yapay zekânın gerçek işleri üstlenmesini istiyor. Ancak hiç kimse yapay zekâya bu işlerin gerçekte nasıl yapıldığını anlatamıyor. Biz de önce bu sorunu çözüyoruz.”

Mevcut İş Araçlarında Çalışan Yapay Zekâ Çalışma Arkadaşları

Marble’ın mevcut ürün web sitesi, yürütme modelini daha somut hâle getiriyor. Ekiplerin hâlihazırda kullandıkları ortamlarda iş devredebilmelerini sağlayan, bilgisayarları ve tarayıcıları yerel olarak kullanabilen çalışma arkadaşlarını anlatıyor. Para iadesi taleplerini sınıflandırmaya yönelik örneğinde müşteri talebi, iade politikası ve işletme kayıtları bir araya getiriliyor: çalışma arkadaşı talebi sınıflandırıyor, politikayı kontrol ediyor, yanıt taslağı hazırlıyor ve istisnai durumları bir kişiye iletiyor.

Bu örnek, bağlamın neden önemli olduğunu gösteriyor. Makul görünen bir yanıt üretmek yalnızca bir adım. Yararlı bir çalışma arkadaşı, talebi ilgili kurallar ve müşteri bilgileriyle ilişkilendirmeli, ardından rutin işleri otomatik olarak ilerletilmemesi gereken durumlardan ayırmalıdır.

Operasyonel açıdan Marble, bir iş akışını anlamakla onu yürütmek arasındaki boşluğu kapatmayı hedefliyor. Süreç haritası yapılacak işin spesifikasyonunu sunuyor; çalışma arkadaşı işi iş uygulamalarında yürütüyor; insan denetimi ise görev gerektirdiğinde bir karar noktasını koruyor. Uygulamanın başarılı olması, bu spesifikasyonun yaygın iş akışının yanı sıra istisnaları da ne kadar iyi kapsadığına bağlı.

İlk Müşteriler ve Finansal Hizmetlerde Bir Uygulama

Marble, EGYM, Mutares ve Enam’ı müşterileri arasında sayarak teknoloji alanındaki milyar dolarlık girişimlerle, özel sermaye fonlarının desteğindeki şirketlerle ve yapay zekâ alanında şirketleri birleştiren gruplarla çalıştığını belirtiyor. Bu kuruluşlar, tekrarlayan ve yoğun biçimde araç kullanımına dayanan idari operasyonları hedefleyen bir ürün için doğal bir test ortamı sunuyor.

Marble, ABD’de özel sermaye fonuna ait, adı açıklanmayan bir finansal hizmetler şirketindeki uygulamalardan birinde, bir çalışma arkadaşının vaka başına işlem süresini %90 azalttığını ve ek işe alım yapmadan ekibin ilk ayda %50 daha fazla vakayı ele almasına yardımcı olduğunu söylüyor. Ekipteki çalışma biçimini gözlemleyerek iş akışını öğrenen çalışma arkadaşı, bir uzmanın onayına sunulmak üzere uzlaşma teklifleri hazırlıyor.

Bu rakamlar, genel bir performans ölçütü değil, belirli bir uygulamaya ilişkin şirket tarafından bildirilen sonuçlardır. İki ayrı sonucu ifade ediyorlar: tek bir vakaya harcanan süreyi ve ekibin toplam iş hacmini. Uzmanın onayı da sürecin bir parçası olmaya devam ediyor.

Bu örnek, şirketin ticari odağına da işaret ediyor. Tekrarlanabilir bir yapısı ve net bir onay sınırı olan işler, bir aracıyı devreye almak için başlangıç noktası olabilir; daha muğlak kararlar ise ekibin sorumluluğunda kalır. Bu yaklaşımı ölçeklendirmek için sistemin, görünüşte tanıdık olan bir vakanın öğrenilmiş iş akışının dışında kaldığını fark etmesi gerekir.

İş Süreçlerini Gözlemlerken Gizlilik Kontrolleri Önem Taşıyor

Çalışanların faaliyetlerinden öğrenen bir ürünün, hangi verilerin toplanacağı ve bunlara kimin erişebileceği konusunda net sınırları olmalıdır. Marble, masaüstü uygulamasının özel uygulamaları, özel sekmeleri ve çalışma saatleri dışındaki etkinlikleri kapsam dışında bıraktığını belirtiyor. Çalışanlar kaydı duraklatabiliyor; analizler de kişileri değerlendirmek için değil, toplu düzeyde yürütülüyor.

Şirket ayrıca, kaydedilen içeriğin bir kişi ya da yapay zekâ modeli tarafından görülmeden önce anonimleştirildiğini, müşterinin kendi bulutundaki dağıtımların da buna dâhil olduğunu söylüyor. Bunlar şirketin belirttiği koruma önlemleri; ürünün tali özellikleri değil, sistemin nasıl çalışmasının amaçlandığını belirleyen unsurlar.

Kurumsal bir dağıtımda uygulamada yanıtlanması gereken sorular arasında hangi uygulamaların kapsama alındığı, hassas bilgilerin nasıl ayıklandığı ve ortaya çıkan süreç bilgilerine kimin erişebildiği yer alıyor. Gereksiz veri toplamayı sınırlandırırken bir iş akışını yeniden oluşturacak kadar bilgi edinmek, bu modelin temel mühendislik ve yönetişim zorluklarından biri.

Çıkarım, Mühendislik ve ABD’de Büyüme için Tohum Öncesi Yatırım

Rösner ve kurucu ortak Christophe Schmit, Marble’ın CTO’su, Münih’in Dijital Teknoloji ve Yönetim Merkezi’nde tanışmış ve şirketi 2025’in sonlarında kurmuştur. Rösner daha önce AI satış temsilcisi şirketi 11x’te çalışmıştır. Schmit, eski bir MIT araştırmacısı olup, habere göre daha önce Enam’da çalışmıştır.

Yatırım, gözlemlenen iş akışlarını kullanıma alınabilir iş arkadaşlarına dönüştürmek için gereken altyapı ve mühendislik çalışmalarının yanı sıra Marble’ın planlanan ABD lansmanını da destekleyecek. Seedcamp’in katılımı, şirketi gelişiminin ilk dönemlerinde UiPath’i destekleyen bir yatırımcıyla da buluşturuyor ve Marble’ı yazılım aracılığıyla tekrarlayan ofis işlerini azaltmaya çalışan şirketlerin daha geniş bir çizgisine yerleştiriyor.

Marble’ın önerdiği yaklaşım, kurumsal otomasyonun önündeki belirleyici kısıtın giderek daha fazla, bir ajanın edindiği süreç bilgisinin niteliği olduğu yönünde. Yapay zekâ iş arkadaşları, bu bilgiyi tamamlanmış işlere ne kadar güvenilir biçimde dönüştürdüklerine ve iş akışının gerektirdiği durumlarda insan muhakemesini ne ölçüde koruduklarına göre değerlendirilecek.