Startup cria IA que aprende com você e economiza horas diárias

Inovação

Conheça a IA da Marble Cognition que otimiza o trabalho ao automatizar tarefas repetitivas e mapear processos internos.

Leia também: NVIDIA lança Auto Ontology para tornar consultas de IA mais confiáveis

A Marble Cognition, startup de Munique fundada pelos engenheiros de IA Felix Rösner e Christophe Schmit, levantou US$ 3,75 milhões em uma rodada de pré-seed e lança ao mercado agentes de inteligência artificial que aprendem observando como funcionários trabalham em seus computadores, para depois assumir tarefas repetitivas com base nesses mesmos processos.

IA observa o trabalho em tempo real

No centro da proposta estão os chamados Coworkers, agentes de IA que acompanham, por meio de um aplicativo desktop, o uso diário de ferramentas corporativas. O software registra cliques, teclas digitadas e screenshots, transformando esse rastreamento em um mapa estruturado dos fluxos de trabalho, legível por sistemas de automação.

Segundo a empresa, mais de 90% dos processos internos hoje vivem espalhados em e-mails, planilhas e no conhecimento tácito de funcionários, o que dificulta projetos de automação. A Marble tenta atacar exatamente esse gargalo, ao capturar o processo “na fonte” e traduzi-lo em instruções que a IA consegue seguir de ponta a ponta.

“Todo mundo quer que a IA assuma o trabalho real, mas ninguém sabe dizer para a IA como o trabalho é feito. Nós resolvemos isso primeiro. Nossos Coworkers observam como o trabalho acontece antes de assumir. Eles fazem do mesmo jeito que seus melhores funcionários”, afirma Felix Rösner, cofundador da Marble Cognition.

Como funciona e o que é automatizado

Depois de observar o dia a dia dos times por um período definido, os Coworkers passam a executar sozinhos os trechos mais repetitivos desses fluxos, conectando-se ao software já usado pela empresa. A IA fica encarregada de tarefas como preencher sistemas, consultar bases de dados, compilar informações e preparar documentos padronizados, enquanto decisões mais sensíveis permanecem com humanos.

O processamento dos dados pode ocorrer localmente, na infraestrutura do cliente, ou em nuvens privadas. A startup diz que as atividades mapeadas viram uma espécie de “código de processo”, que pode ser ajustado, versionado e reaproveitado para outros times ou unidades de negócio.

Um estudo citado pela empresa aponta que 57% das horas de trabalho nos Estados Unidos seriam, em teoria, automatizáveis. Na prática, porém, a falta de documentação clara dos processos impede que essa automação avance. A Marble tenta encurtar essa distância com IA contextualizada: em vez de receber apenas uma descrição do fluxo, o sistema vê como o trabalho realmente acontece, com todas as exceções e atalhos usados pelos funcionários.

Privacidade e limites do monitoramento

Como o modelo se baseia em monitorar o uso do computador, a startup coloca a questão da privacidade no centro do discurso comercial. A Marble afirma que os dados coletados são anonimizados, podem ser revisados antes de alimentar modelos de IA e ficam sob controle do cliente, inclusive em ambientes on-premises.

O software aprende a diferenciar atividades de trabalho de usos pessoais, como navegar em redes sociais no horário de almoço, que são descartados do conjunto de dados. A promessa é reduzir a sensação de vigilância constante e focar no que interessa aos projetos de automação, sem construir um sistema genérico de “espião de tela”.

Ganhos de eficiência já medidos

Entre os primeiros clientes da Marble estão empresas como EGYM GmbH, Mutares SE & Co. KGaA e Enam GmbH. Em um caso citado pela startup, em uma companhia financeira americana apoiada por private equity, os Coworkers foram treinados para criar propostas de liquidação que depois passam por revisão humana.

Nesse projeto, a empresa relata uma redução de 90% no tempo de processamento de casos e um aumento de 50% no número de reclamações tratadas, sem necessidade de contratar mais pessoas. O ganho vem justamente da eliminação dos passos mais mecânicos do fluxo, como reunir dados dispersos, preencher campos em sistemas diferentes e gerar documentos padronizados.

Entenda o contexto

A rodada de US$ 3,75 milhões é liderada pelos fundos Heartcore e Seedcamp e inclui investidores anjo ligados a empresas como McKinsey & Co., Mistral AI e Datadog Inc. O interesse de nomes com histórico em automação e software corporativo sinaliza uma aposta de que a próxima onda de produtividade virá de agentes de IA profundamente integrados ao cotidiano dos funcionários.

Reshma Sohoni, General Partner da Seedcamp e investidora veterana em automação, resume o apelo da tese: “A parte difícil sempre foi mapear como o trabalho é feito para automatizá-lo efetivamente. Marble preenche essa lacuna, fornecendo o contexto vital para transformações de IA que podem definir o futuro das empresas.”

Na prática, a tecnologia da Marble deve atrair principalmente áreas com grande volume de tarefas repetitivas e pouco documentadas, como financeiro, administrativo e atendimento ao cliente. Já funções muito criativas ou com processos altamente personalizados tendem a sentir um impacto menor no curto prazo, porque dependem menos de padrões que a IA consegue copiar.

Automação, emprego e próximos passos

A expansão de agentes que “aprendem” diretamente com o trabalho dos funcionários deve reacender debates sobre emprego e vigilância no ambiente corporativo. Ao mesmo tempo em que libera pessoas de tarefas manuais, a tecnologia levanta dúvidas sobre possíveis cortes de postos e sobre o limite aceitável de monitoramento.

A Marble afirma que seu foco é realocar tempo para atividades de maior valor, e não substituir equipes inteiras. Na prática, porém, empresas que ganharem eficiência significativa poderão optar tanto por crescer sem contratar quanto por reduzir custos com enxugamento de quadros.

Com o caixa reforçado pela rodada de pré-seed, a startup planeja ampliar a base global de clientes, suportar mais tipos de processos e aprofundar integrações com softwares corporativos já consolidados, mantendo como vitrine os ganhos medidos – de tempo e de volume de trabalho – nas primeiras implantações.