“`html
مبارزه برای مهار صفحات گسترده با هوش مصنوعی هنوز به پایان نرسیده است. شرکت جدیدی به نام Meridian بهتازگی از حالت پنهان بیرون آمده و رویکردی جامعتر مبتنی بر محیط توسعه (IDE) در مدلسازی مالی عاملمحور ارائه داده است؛ و سرمایه قابل توجهی برای ساخت آن جذب کرده است. در روز چهارشنبه، این شرکت اعلام کرد که موفق به جذب ۱۷ میلیون دلار سرمایه اولیه شده و ارزش آن پس از جذب این مبلغ، به ۱۰۰ میلیون دلار رسیده است.
جان لینگ، مدیرعامل و یکی از بنیانگذاران Meridian، به خبرنگار گفت: «هدف ما این است که مدلسازی مالی و کار با صفحات گسترده را بسیار قابل پیشبینیتر و قابل حسابرسیتر کنیم. چگونه میتوان فرآیندی را که معمولاً ساعتها طول میکشد، به مدت ۱۰ دقیقه خلاصه کرد؟»
این دوره سرمایهگذاری به رهبری Andreessen Horowitz و General Partnership انجام شد و سرمایهگذاران دیگری مانند QED Investors، FPV Ventures و Litquidity Ventures نیز مشارکت داشتند. شرکت اعلام کرده که در حال حاضر با تیمهایی از Decagon و OffDeal همکاری میکند و تنها در آذرماه، قراردادهایی به ارزش ۵ میلیون دلار امضا کرده است.
عاملهای Excel مدتها هدف استارتآپهای هوش مصنوعی بودهاند، بهویژه به دلیل هزینه بالای تحلیل مالی توسط انسان. اما در حالی که عاملهای قبلی اکسل مانند Shortcut AI، عاملها را مستقیماً در اکسل تعبیه میکردند، Meridian بهصورت یک محیط کاری مستقل عمل میکند و بیشتر شبیه محصولات مستقلی مانند Cursor است. این موضوع موجب میشود تا نرمافزار به شکل یک محیط توسعه مجتمع عمل کند و بتواند منابع داده و مراجعات خارجی را که معمولاً ایجاد مشکل میکنند، یکپارچهسازی نماید.
دفتر مرکزی Meridian در نیویورک است و اعضای تیم آن، هم شامل افرادی از شرکتهای برجسته هوش مصنوعی مثل Scale AI و Anthropic هستند و هم شامل متخصصین مالی پیشین از شرکتهایی مانند Goldman Sachs.
به گفته لینگ، بزرگترین چالش Meridian، الزامات سختگیرانه مشتریان مالی است که اغلب با ماهیت غیرقطعی مدلهای هوش مصنوعی تضاد دارد.
لینگ میگوید: «اگر پیش ۱۰ مهندس نرمافزار مختلف در گوگل بروید و بخواهید یک ویژگی جدید را به برنامهای اضافه کنند، احتمالاً ۱۰ پیادهسازی کاملاً متفاوت دریافت میکنید و این کاملاً طبیعی است. اما اگر نزد ۱۰ تحلیلگر بانکی در Goldman Sachs بروید و از آنها ۱۰ مدل ارزشگذاری برای یک شرکت بخواهید، احتمالاً ۱۰ دفترکار تقریباً یکسان تحویل میگیرید.»
در نتیجه، تیم Meridian کار زیادی انجام داده تا خروجیهای خود را قابل حسابرسی و قطعیتر کند، در حالی که انعطافپذیری ابزارهای مبتنی بر مدلهای زبانی بزرگ را حفظ کند. نتیجه این تلاش، ترکیبی از هوش مصنوعی عاملمحور و ابزارهای سنتیتر است که اشتباهات رایج در پروژههای سازمانی را به حداقل میرساند.
لی میگوید: «هدف ما این است که لایه تردید را از همان مرحله اولیه مدل زبانی بزرگ حذف کنیم. دقیقاً میدانید که منطق چطور جریان پیدا میکند و همه فرضیات و ورودیهایی که در مدل بهکار رفته، کاملاً قابل مشاهده و شفاف هستند.»
“`
