ActionAI تجمع $10M في جولة تمويل تمهيدي لحل مشكلة الثقة في الذكاء الاصطناعي المؤسسي ودعم الأتمتة الموثوقة

أغلقت ActionAI جولة تمويل تمهيدي بقيمة $10 million لمواجهة ما تسميه مشكلة "الثقة" في الذكاء الاصطناعي المؤسسي، داعمةً سعيها لجعل الأنظمة المؤتمتة جديرة بالثقة بدرجة كافية للمهام الحرجة. أعلن عن الجولة في 20 أبريل 2026، ويحظى تمويلها بدعم مستثمرين في UAE، وسيُموّل بناء منصة تراقب الذكاء الاصطناعي عبر المكدس التقني، وتشير إلى المخرجات المشكوك فيها، وتُدخل مراجعين بشريين في الحلقة قبل وصول الأخطاء إلى الإنتاج.

قالت Miriam Haart، الرئيسة التنفيذية لـ ActionAI: "يتعامل الذكاء الاصطناعي مع مهام متزايدة التعقيد تتضمن بيانات حساسة أو شخصية دون وجود إشراف أو مساءلة كافيين. ActionAI تجعل الذكاء الاصطناعي مسؤولاً منذ اليوم الأول. بدءاً من البيانات الأولية المدخلة، نقوم بمراجعتها وتحسينها وتأمين المعلومات التي تقوم عليها أنظمة الذكاء الاصطناعي. من هناك، تمنع بنية الموثوقية لدينا ثغرات الذكاء الاصطناعي قبل وصولها إلى الإنتاج. ما يمكّن الأتمتة المبنية على الذكاء الاصطناعي من العمل بشفافية وثقة."

المنتج والتموضع

تأسست وتُقاد ActionAI على يد المهندسة الحاصلة على تدريب من Stanford Miriam Haart — وهي محاضرة سابقة في علوم الحاسوب ومعروفة أيضاً لبعض المشاهدين من سلسلة Netflix "My Unorthodox Life" — وتتموضع الشركة في المرحلة التي تتعثر فيها العديد من مشاريع المؤسسات: بعد مراحل الاختبار وقبل الإنتاج الكامل. تجادل الشركة بأن التحدي ليس فقط قدرة النموذج بل الثقة. مستندة إلى أبحاث صناعية، تشير ActionAI إلى أن 66% من الموظفين يستخدمون الذكاء الاصطناعي بالفعل في العمل وفقاً لـ KPMG، ومع ذلك يقوم أكثر من نصفهم بذلك دون التحقق من المخرجات. ويُستشهد أيضاً بأبحاث McKinsey & Company للتأكيد على أن معظم مشاريع الذكاء الاصطناعي المؤسسية لا تتقدم أبداً إلى ما بعد الطور التجريبي.

صُممت منصة ActionAI لجعل حالات الفشل مرئية بدلاً من مخفية. تتعقب البيانات والأداء عبر كل طبقة من مكدس الذكاء الاصطناعي وتطلق تنبيهات عندما ينحرف أداء النماذج أو عندما تغير البيانات الواردة أو التعليمات سلوك النظام. ميزة رئيسية تسمى "Explainable Exceptions" تهدف إلى إظهار سبب العلامة وراء مخرج مشبوه وتطلب مراجعة بشرية عندما تخرج الأتمتة عن مسارها، مما يحد من الهلوسات ويخلق سجلاً لكيفية اتخاذ القرارات.

كيف تعمل ActionAI

• المراقبة: أدوات مستمرة ما بعد النشر تكشف الانحرافات الزمنية وتحولات أداء النماذج.
• Explainable Exceptions: إطار عمل يَشرك الإنسان في الحلقة يشير إلى المخرجات الشاذة ويشرح سبب وسمها.
• بنية الموثوقية: ضوابط تمنع وصول الثغرات إلى الإنتاج من خلال مراجعة وتأمين المدخلات البيانية الأولية.

تستهدف الشركة الناشئة قطاعات يمكن أن يترتب على مخرج واحد غير صحيح فيها تبعات مالية أو قانونية — مثل المالية، والتصنيع، والتجزئة، والتأمين، واللوجستيات، والأنظمة القانونية — بحجة أن زيادة الشفافية والمساءلة ستسرع اعتماد المؤسسات للأتمتة.

الآفاق

بتمويل تمهيدي بقيمة $10 million ودعم من مستثمرين في UAE، تراهن ActionAI على أن الثقة ستكون الطبقة المفقودة التي تحدد بقاء أي مزود ذكاء اصطناعي وتوسعه داخل المنظمات الكبرى. من خلال الجمع بين المراقبة، وقابلية التفسير، وطبقة المراجعة البشرية، تهدف الشركة إلى نقل المزيد من المشاريع من مراحل تجريبية حذرة إلى عمليات حية حيث تقلل الأتمتة التكاليف دون تعريض الشركات لمخاطر غير مراقبة. ومع ضغط المؤسسات نحو ذكاء اصطناعي أكثر موثوقية، سيُقاس أداء ActionAI بما إذا كانت أدواتها تقلل الأخطاء بشكل ملموس وتزيد الثقة في النشر في حالات عالية المخاطر.