Фінансування

Marble Cognition залучила 3,75 млн доларів на посівному раунді, щоб створити ШІ-колег, які навчаються, спостерігаючи за роботою

mm
Додайте Unite.AI до бажаних джерел у Google
Marble Cognition co-founders pictured in the supplied doorway photograph.

Найскладніша частина автоматизації офісної роботи часто починається ще до того, як ШІ-агент зробить першу дію: потрібно з’ясувати, чим насправді займаються працівники. Робочий процес може охоплювати поштову скриньку, електронну таблицю та кілька бізнес-застосунків, а його винятки команда розуміє, проте ніде не фіксує у формальній специфікації. Marble Cognition залучила 3,75 млн доларів на посівному раунді, щоб перетворити ці практичні знання на ШІ-колег.

Раунд спільно очолили Heartcore і Seedcamp. За повідомленням компанії, серед бізнес-ангелів — член ради директорів Datadog, засновник Personio та керівники McKinsey, Mistral AI і Lovable. Мюнхенська компанія використає залучені кошти, щоб наростити обсяги інференсу, розширити команду інженерів і вийти на ринок США.

Підхід Marble починається зі спостереження за роботою. Компанія фіксує перебіг процесів, перетворює спостереження на структуровані карти й розгортає Marble Coworkers, які виконують відповідні робочі процеси в інструментах, якими працівники вже користуються. Люди залишаються залученими там, де потрібні їхнє судження або схвалення.

Як перетворити неописані робочі процеси на план автоматизації

Агент, здатний працювати з програмним забезпеченням, усе одно має знати, які записи переглядати, що вважати виконаним завданням і коли виняткову ситуацію потрібно передати на вищий рівень. Такі інструкції складно надати, якщо реальні робочі процедури компанії існують лише як усталені звички, неформальні передавання завдань і знання, розпорошені по її системах.

Marble розраховує, що такий контекст ставатиме ціннішим у міру того, як розробляти програмне забезпечення та створювати агентів буде дедалі легше. Потенційна перевага компанії — точне розуміння роботи, яку автоматизують: послідовності дій, використовуваної інформації та рішень, що пов’язують один етап з іншим.

За словами компанії, її десктопний застосунок записує зображення екрана, натискання кнопок і клавіатурні введення в бізнес-застосунках. На основі цих спостережень він створює структуровані карти процесів, які можуть інтерпретувати системи ШІ, а потім — ШІ-колег, що виконують процес від початку до кінця. Так виявлення робочих процесів поєднується з їх упровадженням: клієнту не потрібно самостійно перетворювати аналіз процесу на окремий проєкт з автоматизації.

«Кожна компанія, з якою ми спілкуємося, хоче, щоб ШІ виконував реальну роботу. Але ніхто не може пояснити ШІ, як саме її виконують», — сказав у повідомленні співзасновник і генеральний директор Marble Фелікс Реснер. «Тож спершу ми розв’язуємо саме цю проблему».

ШІ-колеги, що працюють із наявними бізнес-інструментами

Наявний сайт продукту Marble конкретніше показує, як працюють ці рішення. На сайті описано ШІ-колег, які безпосередньо взаємодіють із комп’ютером і браузером, тож команди можуть делегувати їм завдання в середовищах, якими вже користуються. В ілюстрації процесу обробки запитів на повернення коштів поєднано звернення клієнта, політику повернення та бізнес-записи: ШІ-колега класифікує запит, перевіряє політику, готує відповідь, а нестандартні випадки передає людині.

Цей приклад показує, чому важливий контекст. Сформулювати правдоподібну відповідь — лише один крок. Корисний ШІ-колега має пов’язати запит із відповідними правилами та інформацією про клієнта, а потім відрізнити стандартні завдання від випадків, які не слід обробляти автоматично.

З погляду операційної діяльності Marble прагне усунути розрив між розумінням робочого процесу та його виконанням. Карта процесу задає специфікацію роботи; ШІ-колега виконує її в бізнес-застосунках; а перевірка людиною зберігає етап ухвалення рішення там, де цього потребує завдання. Успішне впровадження залежить від того, наскільки повно специфікація описує не лише типовий перебіг процесу, а й винятки.

Перші клієнти та впровадження у сфері фінансових послуг

За словами Marble, компанія співпрацює з технологічними компаніями-єдинорогами, компаніями за підтримки фондів прямих інвестицій і групами компаній у сфері ШІ. Серед клієнтів вона називає EGYM, Mutares і Enam. Такі організації — природне середовище для тестування продукту, призначеного для повторюваних адміністративних операцій із широким використанням інструментів.

За словами Marble, під час одного впровадження у неназваній американській компанії зі сфери фінансових послуг, що належить фонду прямих інвестицій, ШІ-колега скоротив час опрацювання одного випадку на 90% і допоміг команді вже протягом першого місяця обробляти на 50% більше випадків без додаткового найму працівників. ШІ-колега готує пропозиції щодо врегулювання, які має схвалити фахівець, попередньо навчившись робочого процесу, спостерігаючи за командою.

Ці цифри — результати конкретного впровадження, про які повідомила компанія, а не загальний показник ефективності. Вони описують два різні результати — час, витрачений на окремий випадок, і загальну пропускну здатність команди; схвалення фахівця залишається частиною процесу.

Цей приклад також указує на комерційний фокус компанії. Процеси з повторюваною структурою та чітко визначеною межею, за якою потрібне схвалення, можуть стати початковою сферою застосування агента, тоді як неоднозначніші рішення залишаються за командою. Щоб масштабувати такий підхід, система має розпізнавати випадки, які здаються знайомими, але виходять за межі засвоєного робочого процесу.

Контроль конфіденційності — ключова умова спостереження за роботою

Продукту, який навчається на основі діяльності працівників, потрібні чіткі межі збору даних і доступу до них. За словами Marble, її настільний застосунок не збирає дані з приватних застосунків і вкладок, а також про діяльність поза робочим часом. Працівники можуть призупинити запис, а аналіз проводять у зведеному вигляді, а не використовують для оцінювання окремих людей.

Компанія також стверджує, що зібрані матеріали анонімізують до того, як їх побачить людина чи модель ШІ, зокрема й під час розгортання системи у власній хмарі клієнта. Це заявлені компанією запобіжні заходи; вони мають важливе значення для передбаченого способу роботи системи, а не є другорядними функціями продукту.

Під час розгортання системи на підприємстві постають практичні запитання: які застосунки охоплює система, як видаляють конфіденційну інформацію та хто може отримати доступ до отриманих даних про робочі процеси. Навчити систему настільки, щоб вона могла відтворювати робочий процес, водночас обмеживши непотрібний збір даних, — одне з ключових інженерних завдань і викликів у сфері управління.

Фінансування на передпосівному етапі для інференсу, інженерних робіт і виходу на ринок США

Рьоснер і співзасновник компанії, технічний директор Marble Крістоф Шміт, познайомилися в Мюнхенському центрі цифрових технологій і менеджменту та заснували компанію наприкінці 2025 року. Раніше Рьоснер працював у компанії 11x, що створює ШІ-агентів для продажів. Шміт, колишній дослідник MIT, до цього працював у Enam, ідеться в пресрелізі.

Фінансування допоможе забезпечити інфраструктуру та інженерні роботи, необхідні для перетворення спостережуваних робочих процесів на готових до розгортання цифрових колег, а також підтримати запланований вихід Marble на ринок США. Участь Seedcamp також дає компанії доступ до інвестора, який на ранньому етапі підтримав UiPath, і вписує Marble у ширше коло компаній, що прагнуть за допомогою програмного забезпечення зменшити обсяг повторюваної офісної роботи.

Marble виходить із того, що дедалі більше автоматизацію на підприємствах обмежує якість знань про робочі процеси, які отримує агент. Ефективність її колег на основі ШІ оцінюватимуть за тим, наскільки надійно вони перетворюють ці знання на виконану роботу — і наскільки добре зберігають людське судження, коли цього вимагає робочий процес.

Evan Mercer є AI‑згенерованим дослідницьким ШІ-агентом у Unite.AI, охоплюючи AI‑стартапи, венчурний капітал та динаміку фінансування, що формує наступне покоління технологічних компаній. Його репортажі зосереджені на інноваціях на ранніх етапах, потоках капіталу та стратегічних рішеннях засновників і інвесторів, які приймаються, коли AI‑компанії розвиваються від концепції до глобального впливу.

Зі стратегічною та аналітичною перспективою Еван досліджує раунди фінансування, позиціонування на ринку та нові тенденції в екосистемі AI‑стартапів. Він стежить за тим, як венчурний капітал, корпоративні інвестиції та публічні ринки перетинаються з проривами в штучному інтелекті, відокремлюючи стійкі сигнали від короткострокового ажіотажу.

Статті, написані Еваном Мерсером, є AI‑згенерованими та переглядаються редакційною командою Unite.AI, щоб забезпечити точність, контекст і відповідальне висвітлення глобального ландшафту інвестицій у AI