Rahoitus

Evos kerää 9 miljoonan dollarin pre-seed-rahoituksen muuttaakseen teollisuuden asiantuntemuksen autonomisiksi tekoälyagenteiksi

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Evos founder and CEO Urav Shah with the company’s first three employees during an onsite visit.

Monissa teollisuusyrityksissä arvokkain toimintaohje on ihminen. Kokenut työntekijä tietää, mikä lasku pitää tarkistaa vielä kerran, minkä kuljetusliikkeen poikkeaman selvittämisellä ei ole kiire ja milloin rutiinipäätös on syytä viedä esihenkilön ratkaistavaksi. Evos uskoo, että näiden harkintaan perustuvien päätösten tallentaminen voi muuttaa tekoälyn työntekijöiden hallinnoimasta lisätyökalusta ohjelmistoksi, joka hoitaa operatiivisia tehtäviä.

Newyorkilainen startup-yritys, jonka virallinen nimi on Evolutionary Operating System, Inc., on tullut julkisuuteen stealth-vaiheen jälkeen kerättyään 9 miljoonaa dollaria pre-seed-rahoituksena. Rahoituskierrosta johtivat yhdessä Uncork Capital ja Field Ventures. Siihen osallistuivat myös Crosslink Capital, Utopia Capital Management, Sandwith Ventures sekä enkelisijoittajat.

Vuonna 2026 toimitusjohtaja Urav Shahin perustama Evos palvelee fyysisen alan pieniä ja keskisuuria yrityksiä. Yhtiö kertoo ylittäneensä miljoonan dollarin vuotuisen toistuvan liikevaihdon neljä viikkoa palvelunsa käynnistämisen jälkeen. Rahoituksella tuetaan rekrytointeja ja agenttien tuomista yhä useampien fyysisen talouden yritysten käyttöön. Workhorse-alustan virallinen lanseeraus on suunnitteilla lähiviikoille.

Työn kirjaamisesta sen tekemiseen

Evosin agentit ovat ohjelmistoagentteja, eivät teollisuusrobotteja. Ne vastaavat esimerkiksi välittäjien puheluihin, kokoavat rahtikuormia, pyytävät puuttuvia asiakirjoja ja täsmäyttävät laskuja yrityksen jo käyttämissä järjestelmissä.

Tehtävät voivat vaikuttaa suoraviivaisilta, kunnes vastaan tulee poikkeustilanne. Laskun tiedot voivat olla ristiriidassa kuljetustenhallintajärjestelmän tietojen kanssa, vaadittu asiakirja voi puuttua tai asiakkaan tilanne voi edellyttää toisenlaista ratkaisua. Kokenut henkilöstö ratkaisee tällaiset tapaukset usein tietämyksensä avulla, vaikka sitä ei ole koskaan kirjattu viralliseksi menettelyohjeeksi.

Evosin mukaan sen agentit oppivat näistä päätöksistä ja niiden taustalla olevista toimintamalleista. Tavoitteena on antaa agentille vastuu jatkuvasta toiminnosta sen sijaan, että ihmisen pitäisi käynnistää jokainen tehtävä erillisellä kehotteella.

Tämä lähestymistapa sopii laajempaan suuntaukseen, jossa tekoälyagentteja koordinoidaan teollisuuden työnkuluissa. Liiketoimintaprosessin suorittaminen vaatii muutakin kuin uskottavan vastauksen tuottamista: järjestelmän on hyödynnettävä ajantasaista tietoa, toteutettava sille sallitut toimet ja tunnistettava tilanteet, joissa päätös kuuluu ihmiselle.

Autonomia on ansaittava

Yhtiön käyttöönottomalli alkaa hyväksyntävaiheella. Ihmiset hyväksyvät, hylkäävät tai muokkaavat ehdotettuja päätöksiä, ja heidän palautteestaan muodostuu koulutusdataa. Agentti saa enemmän autonomiaa tietyissä tehtävissä ja tilanteissa sitä mukaa, kun sen päätökset osoittautuvat yhdenmukaisiksi tiimin näkemysten kanssa. Uudet ja tuntemattomat tilanteet siirtyvät ihmisen käsiteltäviksi.

Näin autonomia rajautuu määriteltyyn työtehtävien kokonaisuuteen. Rutiininomaiset laskutarkistukset onnistuvat, mutta se ei automaattisesti osoita agentin kykenevän neuvottelemaan riitautetusta maksusta tai tekemään uutta kaupallista sitoumusta. Siksi tutun työn ja uuden poikkeustilanteen välinen raja on tuotteessa keskeinen.

Evos kuvailee prosessin alkavan asiantuntijan aloitustapaamisella, jonka jälkeisenä päivänä käytössä on toimiva agentti ja kuukauden kuluessa mitattavia tuloksia. Yhtiön käyttöönottodokumentaatiossa kuvataan lisäksi eteneminen kartoituksesta ja suunnittelusta strategian määrittelyyn, rakentamiseen, käyttöönottoon ja optimointiin. Tiimit kartoittavat prosessinsa ja valitsevat käyttökohteet, minkä jälkeen ne sopivat, mitkä tehtävät jäävät ihmisille ennen agenttien siirtymistä tuotantokäyttöön.

Mainostettu 24 tunnin käyttöönotto on yhtiön väite siitä, että agentti saadaan toimimaan tässä ajassa. Sitä ei pidä tulkita lupaukseksi siitä, että kokonainen yrityksen toiminto muuttuisi turvallisesti autonomiseksi yhdessä päivässä. Julkaisussa itsenäinen toiminta sidotaan nimenomaisesti osoitettuun suorituskykyyn ja asiakkaan valitsemaan valvonnan tasoon.

Agentin taustalla oleva teknologia

Evosin arkkitehtuurisivulla kuvataan kolme toisiinsa liittyvää osaa: yrityksen nykyisten järjestelmien päälle rakentuva synkronoitu tietokerros, yli 300 erikoistuneen aliagentin toimintaa koordinoiva ohjain sekä kullekin yritykselle viritetty toimintamalli.

Tietokerros yhdistää kuljetus-, toiminnanohjaus- ja varastonhallintajärjestelmien tiedot sekä sähköpostin ja asiakasportaalien tiedot. Ohjain jakaa työn rajatumpiin päättely- ja automaatiokomponentteihin. Evosin mukaan yrityskohtainen toimintamalli on pieni kielimalli, joka kehittyy käytön myötä eikä ole yhteiskäytössä muiden asiakkaiden kanssa.

Samassa dokumentaatiossa kuvataan asiantuntijatiedon järjestelmällistä kartoittamista sekä siirtymistä varjotilasta valvottuun ja autonomiseen toimintaan suojamekanismeineen ja tarkastusketjuineen. Nämä ovat yhtiön kuvauksia järjestelmästään, eivät sen arkkitehtuurin riippumaton arviointi.

Operatiivinen haaste on pitää kaikki nämä osat keskenään linjassa. Vanhentuneisiin tietoihin perustuva päätös voi olla väärä, vaikka päättely olisi muuten järkevää. Tekninen järjestelmäpäivitys voi onnistua mutta silti ylittää agentille annetut valtuudet. Luotettavuus riippuu siitä, miten ajantasaisia tiedot ovat, miten laadukkaita päätökset ovat, millaiset käyttöoikeudet agentilla on ja miten se siirtää tilanteet eteenpäin.

Mitä varhaiset tulokset osoittavat

Julkistuksen konkreettisin esimerkki on rahtivälitysyritys, joka käyttää Evosin operaattoria osakuormakuljetusten rahdinkuljettajien laskujen tarkastamiseen kuljetustenhallintajärjestelmäänsä vasten. Evosin mukaan operaattori teki ensimmäisten kahden kuukauden aikana lähes 3 500 tarkastuspäätöstä 97 prosentin tarkkuudella. Viimeisimpien viiden viikon aikana se käsitteli loppuun yli 600 000 dollarin arvosta laskuja.

Laskujen arvo kuvaa käsitellyn työn määrää, ei säästettyä rahaa tai syntynyttä liikevaihtoa. Ilmoitettu tarkkuus koskee myös vain kyseistä laskujen tarkastustapausta, eikä se ole koko alustaa koskeva takuu.

Evos kertoo tiedotustilaisuutensa yhteydessä julkaistussa aineistossa päätösten tarkkuuden olevan laajemmin noin 82 prosenttia ja työn noin 70-prosenttisesti hoituvan ilman ihmisen väliintuloa. Aineistossa ei esitetä yhteistä testausmenetelmää eikä riittävästi yksityiskohtia, jotta näitä lukuja voisi verrata suoraan laskujen tarkastuksessa saavutettuun 97 prosentin tulokseen. Niitä on pidettävä erillisinä yrityksen raportoimina havaintoina.

MyFreightWorldin toimitusjohtaja Mike Chalfant kertoo laskutuksen tarkkuuden ja tehokkuuden parantuneen käyttöönoton jälkeen. Mahdollisten asiakkaiden seuraavia kysymyksiä ovat, miten suorituskykyä mitataan, miten kalliit virheet havaitaan ja kuinka suuri osa poikkeustapauksista edellyttää edelleen kokeneen henkilöstön osallistumista. Pelkkä kokonaistarkkuus ei vastaa näihin kysymyksiin.

Organisaation osaamisen muuttaminen toistettaviksi toimintamalleiksi

Tavoitteena on muutakin kuin yksittäisiin tehtäviin kuluvan ajan vähentäminen. Evos haluaa säilyttää liiketoiminnan sujuvan toiminnan mahdollistavan päättelyn ja soveltaa sitä johdonmukaisesti työn saapuessa. Tästä voi olla hyötyä, kun toiminta on vahvasti riippuvaista pienestä joukosta kokeneita työntekijöitä.

Nykyisten toimintatapojen tallentaminen edellyttää kuitenkin myös sen ratkaisemista, mitkä niistä kannattaa säilyttää. Aiempiin päätöksiin voi sisältyä vanhentuneita oletuksia tai poikkeuksia, jotka eivät enää päde. Ihmisten tekemät korjaukset ja jatkuva valvonta ovat edelleen tärkeitä senkin jälkeen, kun operaattori on oppinut hoitamaan tutut tehtävät sujuvasti.

Pre-seed-rahoituskierros tukee varhaista yritystä tehdä operatiivisesta osaamisesta uudelleenkäytettävää pyytämättä pienempiä teollisuusyrityksiä korvaamaan nykyisiä järjestelmiään. Evosin kaupallinen testi on, pystyvätkö sen operaattorit tekemään hyödyllistä työtä luotettavasti, jättämään ihmisille päätösvallan merkittävissä poikkeustapauksissa ja säilyttämään nämä edut asiakkaiden laajentaessa toiminnan soveltamisalaa.

Noah Varek on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka kattaa tekoälyä toimitusketjujen hallinnassa, logistiikassa ja maailmankaupan optimoinnissa. Hänen työnsä keskittyy siihen, miten tekoälyjärjestelmät automatisoivat suunnittelun, ennustamisen, reitityksen ja varastonhallinnan yhä monimutkaisemmissa kansainvälisissä toimitusverkoissa.

Hän tarkastelee toiminnallisen ja strategisen näkökulman kautta, miten koneoppimismallit parantavat kysynnän ennustetta, vähentävät pullonkauloja ja tehostavat logistiikkajärjestelmien kestävyyttä, jotka kattavat valmistuksen, kuljetuksen, varastoinnin ja viimeisen mailin toimituksen. Hän kiinnittää erityistä huomiota tehokkuuden parantamiseen, kustannusten vähentämiseen ja todellisiin rajoituksiin, jotka määrittävät, onnistuvatko tekoälyn käyttöönotot laajassa mittakaavassa.

Noah Varekin kirjoittamat artikkelit ovat tekoälyllä generoituja ja Unite.AI:n toimittajatiimin tarkastamia, jotta voidaan varmistaa tarkkuus, selkeys ja vastuullinen kattavuus tekoälyn roolista modernisoimassa kansainvälisiä toimitusketjuja.