ميريديان تجمع 17 مليون دولار لإعادة تصميم جدول البيانات الوكيلية

راسل براندوم

الأربعاء، 11 فبراير 2026 الساعة 11:00 مساءً بتوقيت GMT+9 قراءتان لمدة دقيقتين

المدير التقني لميريديان جورج فانغ، الرئيس التنفيذي جون لينغ والمدير التشغيلي زاك كيرشنر

الصراع للسيطرة على جداول البيانات باستخدام الذكاء الاصطناعي لم ينته بعد. ظهرت شركة جديدة تُدعى ميريديان من وضع الاختباء بأسلوب أكثر شمولية يعتمد على بيئة تطوير متكاملة (IDE) لنمذجة مالية وكيلة — ومع تمويل كبير لبنائها. أعلنت الشركة يوم الأربعاء عن جمع 17 مليون دولار في جولة تمويل أولي بقيمة تقييم بعد التمويل قدرها 100 مليون دولار.

“هدفنا هو جعل النمذجة المالية والجداول أكثر قابلية للتوقع وقابلية للمراجعة بشكل كبير,” قال الرئيس التنفيذي والمؤسس المشارك جون لينغ لـ TechCrunch. “كيف يمكنك أخذ عملية كانت تستغرق عادة ساعات طويلة وتقليلها إلى حوالي 10 دقائق؟”

جمعت الجولة بقيادة أندريسن هورويتز والشراكة العامة، بمشاركة QED Investors و FPV Ventures و Litquidity Ventures. تقول الشركة إنها تعمل حالياً مع فرق في ديكانج وأوف ديل، ووقعت عقودًا بقيمة 5 ملايين دولار في ديسمبر فقط.

كان وكلاء إكسل هدفًا شائعًا لشركات الذكاء الاصطناعي الناشئة، جزئيًا بسبب التكلفة العالية للتحليل المالي بقيادة البشر. لكن حيث أن وكلاء إكسل السابقين مثل Shortcut AI بنوا وكلاء داخل إكسل، تعمل ميريديان كمساحة عمل مستقلة، أشبه بـ Cursor. هذا يسمح للتطبيق بالعمل كبيئة تطوير متكاملة، مع دمج مصادر البيانات والمراجع الخارجية التي قد تسبب عوائق أخرى.

يقع مقر فريق ميريديان في نيويورك، ويشمل أعضاء من شركات ذكاء اصطناعي مثل Scale AI و Anthropic بالإضافة إلى خبراء ماليين من شركات مثل جولدمان ساكس.

كما يصف لينغ، أكبر تحدي يواجه ميريديان هو المتطلبات الصارمة للعملاء الماليين، والتي غالبًا ما تتعارض مع الطبيعة غير الحتمية لنماذج الذكاء الاصطناعي.

“إذا ذهبت إلى عشرة مهندسين برمجيات مختلفين في جوجل، وأردت إضافة ميزة جديدة إلى تطبيق، فربما تحصل على عشرة تطبيقات مختلفة تمامًا. وهذا مقبول تمامًا,” يقول لينغ. “لكن إذا ذهبت إلى عشرة محللين ماليين في جولدمان ساكس وطلبت منهم عشرة نماذج تقييم لشركة، فربما ستحصل على عشرة دفاتر عمل متشابهة جدًا.”

نتيجة لذلك، قام فريق ميريديان بعمل كبير لجعل مخرجاتهم أكثر قابلية للمراجعة والحتمية، مع الحفاظ على مرونة أدوات النموذج اللغوي الكبير (LLM). النتيجة مزيج من الذكاء الاصطناعي الوكيل والأدوات التقليدية، مما يقلل من الأوهام التي تبطئ العديد من عمليات النشر المؤسسية.

“هدفنا هو إزالة طبقة الشك تمامًا من عملية النموذج اللغوي الكبير,” يقول لي. “تعرف بالضبط كيف تتدفق المنطق، ويمكنك رؤية مصدر جميع الافتراضات أو أي شيء يدخل في النموذج، بالضبط من أين تأتي.”