ხელოვნური ინტელექტის [AI] მეშვეობით სპრედშეტების (spreadsheets) გაკონტროლების ბრძოლა გრძელდება. ჩრდილიდან გამოსულმა ახალმა კომპანია Meridian-მა წარმოადგინა აგენტური ფინანსური მოდელირებისადმი [agentic financial modeling] უფრო ყოვლისმომცველი, IDE-ზე დაფუძნებული [IDE-based] მიდგომა, რისთვისაც მნიშვნელოვანი დაფინანსება მოიზიდა.
ოთხშაბათს კომპანიამ განაცხადა $17 მილიონიანი საწყისი დაფინანსების [seed funding] მოზიდვის შესახებ, რაც მისი დაფინანსების შემდგომი შეფასებით [post-money valuation] $100 მილიონს შეადგენს. „ჩვენი მიზანია, რომ ფინანსური მოდელირება და სპრედშეტები ბევრად უფრო პროგნოზირებადი და აუდიტირებადი [auditable] გავხადოთ,“ განუცხადა TechCrunch-ს აღმასრულებელმა დირექტორმა და თანადამფუძნებელმა ჯონ ლინგმა. „როგორ შეიძლება პროცესი, რომელსაც ტრადიციულად რამდენიმე საათი სჭირდება, 10 წუთამდე შევამციროთ?“
რაუნდს ხელმძღვანელობდნენ Andreessen Horowitz და The General Partnership, რომელშიც მონაწილეობა მიიღეს QED Investors-მა, FPV Ventures-მა და Litquidity Ventures-მა. კომპანიის განცხადებით, ის ამჟამად მუშაობს Decagon-ისა და OffDeal-ის გუნდებთან და მხოლოდ დეკემბერში $5 მილიონის ღირებულების კონტრაქტები გააფორმა.
Meridian-ის უნიკალური მიდგომა: IDE ფინანსური ანალიზისთვის
Excel-ის აგენტები [Excel agents] ხელოვნური ინტელექტის სტარტაპებისთვის პოპულარულ სამიზნეს წარმოადგენდნენ, ნაწილობრივ ადამიანის მიერ განხორციელებული ფინანსური ანალიზის მაღალი ღირებულების გამო. თუმცა, მაშინ როცა წინა Excel-ის აგენტები, როგორიცაა Shortcut AI, აგენტებს უშუალოდ Excel-ში აერთიანებდნენ, Meridian-ი დამოუკიდებელ სამუშაო სივრცედ [stand-alone workspace] ფუნქციონირებს, რაც Cursor-ის მსგავსია.
ეს აპლიკაციას საშუალებას აძლევს, იმოქმედოს როგორც IDE [Integrated Development Environment], აერთიანებს მონაცემთა წყაროებსა და სხვა გარე მითითებებს, რამაც შესაძლოა სხვაგვარად ხელი შეუშალოს მუშაობას. ნიუ-იორკში დაფუძნებული Meridian-ის გუნდი აერთიანებს როგორც AI კომპანიების (მაგ. Scale AI, Anthropic) ყოფილ თანამშრომლებს, ისე ფინანსური სექტორის ვეტერანებს (მაგ. Goldman Sachs).
დეტერმინისტულობის გამოწვევა ფინანსებში
როგორც ლინგი აღწერს, Meridian-ის უმთავრესი გამოწვევა ფინანსური კლიენტების მკაცრი მოთხოვნებია, რაც ხშირად ეწინააღმდეგება AI მოდელების არადეტერმინისტულ [non-deterministic] ბუნებას.
„თუ Google-ის 10 სხვადასხვა პროგრამისტთან მიხვალთ და აპლიკაციაში ახალი ფუნქციის დამატება გსურთ, ალბათ 10 სრულიად განსხვავებულ იმპლემენტაციას მიიღებთ. ეს სავსებით ნორმალურია,“ ამბობს ლინგი. „მაგრამ თუ Goldman Sachs-ის 10 საბანკო ანალიტიკოსთან მიხვალთ და კომპანიისთვის 10 შეფასების მოდელს [valuation models] სთხოვთ, ალბათ 10 თითქმის იდენტურ სამუშაო წიგნს მიიღებთ.“
Meridian-ის გადაწყვეტა: სიზუსტე და მოქნილობა
შედეგად, Meridian-ის გუნდმა მნიშვნელოვანი სამუშაო ჩაატარა იმისათვის, რომ მათი გამომუშავება უფრო აუდიტირებადი [auditable] და დეტერმინისტული [deterministic] გახდეს, ამასთანავე შეინარჩუნოს დიდი ენობრივი მოდელებზე [Large Language Model (LLM)] დაფუძნებული ხელსაწყოების მოქნილობა. შედეგად მიღებულია აგენტური AI-სა [agentic AI] და უფრო ტრადიციული ინსტრუმენტების ნაზავი, რაც მინიმუმამდე ამცირებს „ჰალუცინაციებს“ [hallucinations], რომლებიც ანელებს მრავალი საწარმოს დანერგვას.
„ჩვენი მიზანია, ეჭვის ფენა მთლიანად მოვაშოროთ LLM პროცესს,“ ამბობს ლინგი. „თქვენ ზუსტად იცით, როგორ მიედინება ლოგიკა და ყველა ის ვარაუდი თუ სხვა რამ, რაც მოდელში შედის, შეგიძლიათ ზუსტად ნახოთ, საიდან მოდის.“
