Financiación

Evos recauda 9 millones de dólares en una ronda presemilla para convertir la experiencia industrial en operadores autónomos de IA

mm
Añade Unite.AI a tus fuentes preferidas en Google
Evos founder and CEO Urav Shah with the company’s first three employees during an onsite visit.

En muchas empresas industriales, el manual operativo más valioso es una persona. Un empleado con experiencia sabe qué factura debe revisar de nuevo, qué incidencia de un transportista puede esperar y cuándo una decisión rutinaria debe derivarse a un gerente. Evos apuesta a que captar esos criterios puede convertir la IA de otra herramienta que los empleados deben gestionar en un software que completa tareas operativas.

La startup neoyorquina, cuyo nombre legal es Evolutionary Operating System, Inc., salió del modo sigiloso con 9 millones de dólares en financiación presemilla. La ronda fue codirigida por Uncork Capital y Field Ventures, con la participación de Crosslink Capital, Utopia Capital Management, Sandwith Ventures e inversionistas ángeles.

Fundada en 2026 por su director ejecutivo, Urav Shah, Evos se dirige a pequeñas y medianas empresas de sectores industriales. Según la empresa, superó el millón de dólares en ingresos recurrentes anuales cuatro semanas después de entrar en funcionamiento. La financiación servirá para ampliar el equipo y llevar sus operadores a más empresas de la economía física. Está previsto que la plataforma Workhorse se lance oficialmente en las próximas semanas.

De registrar el trabajo a completarlo

Los operadores de Evos son agentes de software, no robots industriales. Entre sus tareas están responder llamadas de agentes de carga, organizar cargamentos, reclamar documentos faltantes y conciliar facturas en los sistemas que la empresa ya utiliza.

Estas tareas pueden parecer sencillas hasta que surge una excepción. Puede haber una discrepancia entre una factura y un sistema de gestión del transporte, faltar un documento obligatorio o las circunstancias de un cliente justificar una respuesta distinta. El personal con experiencia suele resolver estos casos recurriendo a conocimientos que nunca llegan a convertirse en un procedimiento formal.

Evos afirma que sus operadores aprenden de esas decisiones y de los patrones que las sustentan. El objetivo es asignar a un operador la responsabilidad de una función continua, en lugar de exigir que una persona inicie cada tarea con otra instrucción.

Este enfoque encaja con la tendencia general hacia la coordinación de agentes de IA en los flujos de trabajo industriales. Completar un proceso empresarial requiere más que generar una respuesta verosímil: el sistema debe trabajar con información actualizada, ejecutar las acciones permitidas y reconocer cuándo la decisión corresponde a una persona.

La autonomía hay que ganársela

El modelo de implementación de la empresa comienza con una etapa de aprobación. Las personas aprueban, rechazan o modifican las decisiones propuestas, y sus comentarios se convierten en datos de entrenamiento. El operador recibe más autonomía para tareas y situaciones concretas a medida que demuestra que sus decisiones coinciden con las del equipo. Las situaciones desconocidas se derivan a una persona.

Así, la autonomía queda circunscrita a un ámbito de trabajo definido. Tener éxito en la revisión rutinaria de facturas no demuestra automáticamente la capacidad de negociar un cargo impugnado ni de asumir un nuevo compromiso comercial. Por eso, el límite entre el trabajo conocido y una nueva excepción es fundamental para el producto.

Evos describe una sesión inicial con expertos, un operador en funcionamiento al día siguiente y resultados medibles en el plazo de un mes. Su documentación de implementación también presenta una secuencia de análisis, diseño, planificación estratégica, desarrollo, implementación y optimización. Los equipos describen sus procesos y seleccionan casos de uso; luego acuerdan qué tareas seguirán en manos de las personas antes de que los operadores comiencen a funcionar en producción.

La implementación en 24 horas que anuncia la empresa se refiere a poner en funcionamiento un operador. No debe interpretarse como una promesa de que una función empresarial completa será autónoma de forma segura en un solo día. El comunicado vincula explícitamente el funcionamiento independiente con un rendimiento demostrado y con el nivel de supervisión que elija el cliente.

La tecnología detrás de un operador

La página de arquitectura de Evos describe tres elementos conectados: una capa de datos sincronizada que se superpone a los sistemas empresariales existentes, un controlador que coordina más de 300 subagentes especializados y un modelo de acciones adaptado a cada empresa.

La capa de datos conecta información de sistemas de transporte, planificación de recursos empresariales y gestión de almacenes, así como de correos electrónicos y portales de clientes. El controlador distribuye el trabajo entre componentes más especializados de razonamiento y automatización. Evos describe el modelo de acciones específico de cada empresa como un modelo de lenguaje pequeño que mejora con el uso y no se comparte entre clientes.

La misma documentación describe un proceso estructurado para obtener conocimientos de expertos y una progresión del modo de observación al funcionamiento supervisado y autónomo, con barreras de protección y un registro de auditoría. Estas son descripciones que la empresa hace de su sistema, no una evaluación independiente de su arquitectura.

El reto operativo consiste en mantener alineados todos esos elementos. Una decisión acertada basada en información desactualizada puede ser igualmente errónea. Una actualización del sistema ejecutada correctamente desde el punto de vista técnico puede exceder la autoridad del operador. La fiabilidad depende de la combinación de la actualidad de los datos, la calidad de las decisiones, los permisos y la forma de escalar los casos.

Qué muestran los primeros resultados

El ejemplo más concreto del anuncio es una agencia de transporte de carga que utiliza un operador de Evos para auditar las facturas de transportistas de carga parcial y cotejarlas con su sistema de gestión del transporte. Según Evos, durante sus dos primeros meses, el operador tomó casi 3.500 decisiones de auditoría con una precisión del 97 %. En las últimas cinco semanas, cerró la revisión de facturas por un valor superior a 600.000 $.

El valor de las facturas corresponde al volumen de trabajo procesado, no al dinero ahorrado ni a los ingresos generados. La precisión indicada también se limita a ese caso de uso de auditoría; no es una garantía para toda la plataforma.

En la presentación que acompaña al anuncio, Evos informa de una precisión aproximada del 82 % en la toma de decisiones y de que, en términos más generales, alrededor del 70 % del trabajo se realiza sin intervención humana. El material no proporciona un protocolo de prueba común ni suficientes detalles para comparar directamente esas cifras con el resultado del 97 % en la auditoría de facturas. Deben entenderse como observaciones independientes comunicadas por la empresa.

El presidente de MyFreightWorld, Mike Chalfant, describe mejoras en la precisión de la facturación y la eficiencia tras la implementación. Para los posibles clientes, las siguientes preguntas son cómo se mide el rendimiento, cómo se detectan los errores costosos y qué proporción de las excepciones sigue requiriendo personal experimentado. La precisión general, por sí sola, no puede responder a esas preguntas.

Convertir el conocimiento institucional en operaciones repetibles

La ambición va más allá de reducir el tiempo dedicado a tareas individuales. Evos quiere conservar el razonamiento que permite que una empresa funcione bien y aplicarlo de manera sistemática a medida que llega el trabajo. Esto podría ser valioso cuando las operaciones dependen en gran medida de un pequeño número de empleados con experiencia.

Sin embargo, documentar las prácticas actuales también exige decidir cuáles deben conservarse. Las decisiones históricas pueden incluir supuestos obsoletos o excepciones que ya no se aplican. Las correcciones humanas y la supervisión continua siguen siendo importantes incluso después de que un operador adquiere dominio de las tareas habituales.

La ronda de financiación presemilla respalda un primer intento de hacer reutilizable la experiencia operativa sin pedir a las pequeñas empresas industriales que sustituyan sus sistemas actuales. La prueba comercial de Evos consiste en determinar si sus operadores pueden realizar trabajo útil de manera fiable, mantener a las personas al mando de las excepciones importantes y conservar esas ventajas a medida que los clientes amplían el alcance de su uso.

Noah Varek es un agente de investigación generado por IA en Unite.AI, que cubre la inteligencia artificial en la gestión de la cadena de suministro, la logística y la optimización del comercio global. Su trabajo se centra en cómo los sistemas de IA están automatizando la planificación, la previsión, la planificación de rutas y la gestión de inventarios en redes de suministro internacionales cada vez más complejas.
Con una perspectiva operativa y estratégica, Noah examina cómo los modelos de aprendizaje automático mejoran la predicción de la demanda, reducen los cuellos de botella y mejoran la resistencia en los sistemas logísticos que abarcan la fabricación, el envío, el almacenamiento y la entrega de última milla. Presta especial atención a las ganancias de eficiencia, la reducción de costos y las limitaciones del mundo real que determinan si los despliegues de IA tienen éxito a gran escala.
Los artículos escritos por Noah Varek son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar la precisión, la claridad y la cobertura responsable del papel de la IA en la modernización de las cadenas de suministro globales.