لا تزال المعركة للسيطرة على جداول البيانات باستخدام الذكاء الاصطناعي مستمرة. ظهرت شركة جديدة تُدعى ميريديان من تحت رادار الأعمال بأسلوب شامل أكثر يعتمد على بيئات تطوير البرمجيات (IDE) لنمذجة المالية الوكيلة – ولديها الكثير من التمويل لبناء ذلك. في يوم الأربعاء، أعلنت الشركة عن جمع 17 مليون دولار في جولة تمويل أولية بتقييم بلغ 100 مليون دولار بعد التمويل.
قال جون لينغ، الرئيس التنفيذي والشريك المؤسس، لموقع TechCrunch: “هدفنا هو جعل نمذجة المالية وجداول البيانات أكثر قابلية للتنبؤ والتدقيق.” وأضاف: “كيف يمكنك أخذ عملية كانت قد تستغرق عادةً ساعات طويلة وتكثيفها إلى عشر دقائق؟”
قادت جولة التمويل شركة أندريسن هورويتز والشراكة العامة، بمشاركة من مستثمري QED، وFPV Ventures، وLitquidity Ventures. تقول الشركة إنها تعمل حاليًا مع فرق من Decagon وOffDeal، وقد وقعت عقودًا بقيمة 5 مليون دولار فقط في ديسمبر.
لقد كانت وكلاء Excel هدفًا شائعًا لشركات الذكاء الاصطناعي، جزئيًا بسبب التكلفة العالية للتحليل المالي المدعوم بالإنسان. بينما تم بناء وكلاء Excel السابقين مثل Shortcut AI كجزء من Excel، تعمل ميريديان كمساحة عمل مستقلة، أكثر شبهاً بـ Cursor. مما يسمح للتطبيق بالعمل مثل IDE، ودمج مصادر البيانات والمراجع الخارجية الأخرى التي قد تسبب احتكاكًا.
تتخذ ميريديان من نيويورك مقرًا لها، ويضم فريقها خريجين من شركات ذكاء اصطناعي مثل Scale AI وAnthropic، بالإضافة إلى محاربين قدامى ماليين من شركات مثل جولدمان ساكس.
كما وصف لينغ، التحدي الأكبر لميريديان هو المتطلبات الصارمة للعملاء الماليين، والتي غالبًا ما تتعارض مع الطبيعة غير المحددة لنماذج الذكاء الاصطناعي.
قال لينغ: “إذا ذهبت إلى عشرة مهندسي برمجيات مختلفين في جوجل، وكنت تريد إضافة ميزة جديدة في تطبيق، ستحصل على 10 تطبيقات مختلفة تمامًا. وهذا مقبول تمامًا.” وأضاف: “لكن إذا ذهبت إلى 10 محللين مصرفيين في جولدمان ساكس وطلبت 10 نماذج تقييم لشركة، ستحصل على 10 أوراق عمل متطابقة تقريبًا.”
حدث Techcrunch
بوسطن، ماساتشوستس
|
23 يونيو، 2026
نتيجة لذلك، قام فريق ميريديان بعمل كبير لجعل مخرجاتهم أكثر قابلية للتدقيق والتحديد، مع الحفاظ على مرونة أدوات LLM. النتيجة هي مزيج من الذكاء الاصطناعي الوكيل وأدوات أكثر تقليدية، مما يقلل من الهلاوس التي تبطئ العديد من العمليات المؤسسية.
قال لي: “هدفنا هو حقًا إزالة طبقة الشك مباشرة من عملية LLM.” وأضاف: “أنت تعرف تمامًا كيف تتدفق المنطق، وجميع هذه الافتراضات أو أي شيء يدخل في النموذج، يمكنك رؤية بالضبط من أين تأتي.”
اترك تعليقاً إلغاء الرد