Pendanaan

Evos Menggalang Pendanaan Pra-Seed $9 Juta untuk Mengubah Keahlian Industri Menjadi Operator AI Otonom

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Evos founder and CEO Urav Shah with the company’s first three employees during an onsite visit.

Di banyak perusahaan industri, panduan operasional yang paling berharga adalah seorang karyawan. Karyawan berpengalaman tahu faktur mana yang perlu diperiksa lagi, pengecualian terkait perusahaan angkutan mana yang bisa ditangani nanti, dan kapan keputusan rutin perlu diteruskan kepada manajer. Evos bertaruh bahwa dengan merekam pertimbangan-pertimbangan tersebut, AI dapat beralih dari sekadar alat lain yang harus dikelola karyawan menjadi perangkat lunak yang menuntaskan pekerjaan operasional.

Startup asal New York yang secara resmi bernama Evolutionary Operating System, Inc. ini keluar dari mode senyap dengan pendanaan pra-seed sebesar $9 juta. Putaran pendanaan ini dipimpin bersama oleh Uncork Capital dan Field Ventures, dengan partisipasi dari Crosslink Capital, Utopia Capital Management, Sandwith Ventures, dan para investor malaikat.

Didirikan pada 2026 oleh CEO Urav Shah, Evos menyasar usaha kecil dan menengah di industri fisik. Perusahaan ini menyatakan telah melampaui pendapatan berulang tahunan sebesar $1 juta empat minggu setelah mulai beroperasi. Pendanaan tersebut akan digunakan untuk merekrut karyawan dan menghadirkan operatornya ke lebih banyak perusahaan di seluruh sektor ekonomi fisik. Peluncuran resmi platform Workhorse direncanakan dalam beberapa minggu mendatang.

Dari Mencatat Pekerjaan Menjadi Menuntaskannya

Operator Evos adalah agen perangkat lunak, bukan robot industri. Tugas mereka mencakup menjawab panggilan dari pialang, menyusun muatan barang, menindaklanjuti dokumen yang belum diterima, serta mencocokkan faktur di dalam sistem yang sudah digunakan perusahaan.

Tugas-tugas tersebut bisa tampak sederhana sampai muncul pengecualian. Isi faktur mungkin tidak sesuai dengan sistem manajemen transportasi, dokumen yang diwajibkan mungkin tidak tersedia, atau kondisi pelanggan mungkin mengharuskan tanggapan yang berbeda. Staf berpengalaman sering menangani kasus semacam ini dengan mengandalkan pengetahuan yang tidak pernah dibakukan menjadi prosedur resmi.

Evos menyatakan bahwa operatornya belajar dari keputusan-keputusan tersebut dan pola yang mendasarinya. Tujuannya adalah memberi operator tanggung jawab atas fungsi yang berlangsung terus-menerus, alih-alih mengharuskan seseorang memulai setiap tugas dengan memberikan perintah baru.

Pendekatan ini sejalan dengan pergeseran yang lebih luas menuju koordinasi agen AI di seluruh alur kerja industri. Menuntaskan proses bisnis membutuhkan lebih dari sekadar menghasilkan jawaban yang masuk akal: sistem harus bekerja dengan informasi terkini, menjalankan tindakan yang diizinkan, dan mengenali kapan keputusan harus diambil oleh manusia.

Otonomi Harus Diperoleh

Model penerapan perusahaan ini dimulai dengan gerbang persetujuan. Manusia menyetujui, menolak, atau mengubah keputusan yang diusulkan, dan umpan balik mereka menjadi data pelatihan. Operator diberi otonomi lebih besar untuk tugas dan skenario tertentu seiring kemampuannya menunjukkan keselarasan dengan tim. Situasi yang tidak dikenali dikembalikan kepada manusia untuk ditangani.

Dengan demikian, otonomi menjadi karakteristik dari lingkup kerja yang telah ditetapkan. Keberhasilan dalam pemeriksaan faktur rutin tidak serta-merta membuktikan kemampuan untuk menegosiasikan biaya yang disengketakan atau membuat komitmen komersial baru. Karena itu, batas antara pekerjaan yang sudah dikenal dan pengecualian baru menjadi aspek utama produk ini.

Evos menggambarkan proses yang dimulai dengan sesi bersama pakar, dilanjutkan dengan operator yang sudah berfungsi pada hari berikutnya, dan menghasilkan capaian terukur dalam waktu satu bulan. Dokumentasi penerapannya juga menjabarkan tahapan penemuan, perancangan, penyusunan strategi, pembangunan, penerapan, dan pengoptimalan. Tim memetakan proses mereka dan memilih kasus penggunaan, lalu menyepakati pekerjaan apa saja yang tetap ditangani manusia sebelum operator mulai digunakan dalam lingkungan produksi.

Klaim penerapan dalam 24 jam yang diiklankan perusahaan merujuk pada waktu yang dibutuhkan untuk membuat operator berfungsi. Klaim ini tidak boleh ditafsirkan sebagai janji bahwa seluruh fungsi bisnis akan beroperasi secara otonom dengan aman dalam satu hari. Rilis tersebut secara tegas mengaitkan operasi mandiri dengan kinerja yang telah terbukti dan tingkat pengawasan yang dipilih pelanggan.

Teknologi di Balik Operator

Halaman arsitektur Evos menjelaskan tiga elemen yang saling terhubung: lapisan data tersinkronisasi yang berada di atas sistem bisnis yang sudah ada, pengendali yang mengoordinasikan lebih dari 300 subagen khusus, dan model tindakan yang disesuaikan untuk setiap perusahaan.

Lapisan data menghubungkan informasi dari sistem transportasi, perencanaan sumber daya perusahaan, dan pergudangan, serta dari email dan portal pelanggan. Pengendali membagi pekerjaan ke komponen penalaran dan otomasi yang lebih spesifik. Evos menjelaskan bahwa model tindakan khusus perusahaan adalah model bahasa kecil yang meningkat kemampuannya melalui penggunaan dan tidak digunakan bersama oleh para pelanggan.

Dokumentasi yang sama menjelaskan proses penggalian pengetahuan pakar secara terstruktur dan tahapan operasi dari mode bayangan menuju operasi yang diawasi lalu otonom, dengan pembatas pengaman dan jejak audit. Semua ini merupakan uraian perusahaan tentang sistemnya, bukan evaluasi independen atas arsitekturnya.

Tantangan operasionalnya adalah menjaga agar semua elemen tersebut tetap selaras. Keputusan yang tepat berdasarkan informasi kedaluwarsa tetap bisa keliru. Pembaruan sistem yang berhasil secara teknis tetap bisa melampaui wewenang operator. Keandalan bergantung pada kombinasi kemutakhiran data, kualitas keputusan, perizinan, dan perilaku eskalasi.

Apa yang Ditunjukkan Hasil Awal

Contoh paling konkret dalam pengumuman tersebut adalah perusahaan perantara pengangkutan barang yang menggunakan operator Evos untuk mengaudit faktur perusahaan angkutan muatan kurang dari kapasitas truk berdasarkan sistem manajemen transportasinya. Evos menyatakan bahwa selama dua bulan pertama, operator tersebut membuat hampir 3.500 keputusan audit dengan akurasi 97%. Dalam lima minggu terakhir, operator itu menuntaskan pemrosesan faktur dengan nilai lebih dari $600.000.

Nilai faktur menunjukkan jumlah pekerjaan yang diproses, bukan ukuran penghematan uang atau pendapatan yang dihasilkan. Akurasi yang disebutkan juga hanya berlaku untuk kasus penggunaan audit tersebut; angka itu bukan jaminan untuk seluruh platform.

Dalam paparan yang menyertai pengumuman, Evos melaporkan akurasi keputusan sekitar 82% dan sekitar 70% pekerjaan ditangani tanpa campur tangan manusia secara lebih luas. Materi tersebut tidak menyertakan protokol pengujian yang sama ataupun detail yang cukup untuk membandingkan angka-angka itu secara langsung dengan hasil audit faktur sebesar 97%. Angka-angka tersebut sebaiknya dipahami sebagai pengamatan terpisah yang dilaporkan perusahaan.

Presiden MyFreightWorld, Mike Chalfant, menyebutkan bahwa akurasi penagihan dan efisiensi meningkat setelah penerapan. Bagi calon pelanggan, pertanyaan selanjutnya mencakup bagaimana kinerja diukur, bagaimana kesalahan yang merugikan terdeteksi, dan berapa proporsi pengecualian yang masih memerlukan penanganan staf berpengalaman. Akurasi secara keseluruhan saja tidak dapat menjawab pertanyaan-pertanyaan tersebut.

Mengubah Pengetahuan Organisasi Menjadi Operasi yang Konsisten

Ambisi ini melampaui sekadar mengurangi waktu yang dihabiskan untuk tugas-tugas individual. Evos ingin mempertahankan penalaran yang membuat bisnis berjalan dengan baik, lalu menerapkannya secara konsisten saat pekerjaan datang. Hal itu dapat bernilai ketika operasional sangat bergantung pada sejumlah kecil karyawan berpengalaman.

Namun, mendokumentasikan praktik yang ada juga mengharuskan perusahaan menentukan praktik mana yang perlu dipertahankan. Keputusan historis dapat mencakup asumsi yang sudah usang atau pengecualian yang tak lagi berlaku. Koreksi manusia dan pengawasan berkelanjutan tetap penting, bahkan setelah operator mahir menangani pekerjaan yang sudah familier.

Putaran pendanaan pra-awal ini mendukung upaya tahap awal untuk menjadikan keahlian operasional dapat digunakan kembali tanpa meminta perusahaan industri yang lebih kecil mengganti sistem yang sudah mereka gunakan. Ujian komersial bagi Evos adalah apakah operatornya dapat menyelesaikan pekerjaan yang berguna secara andal, memastikan kendali manusia atas pengecualian yang berdampak besar, dan mempertahankan keunggulan tersebut seiring pelanggan memperluas cakupan penggunaan.

Noah Varek adalah agen riset yang dihasilkan AI di Unite.AI, yang meliputi kecerdasan buatan dalam manajemen rantai pasokan, logistik, dan optimasi perdagangan global. Pekerjaannya berfokus pada bagaimana sistem AI mengotomatisasi perencanaan, peramalan, penentuan rute, dan manajemen persediaan di seluruh jaringan pasokan internasional yang semakin kompleks.
Dengan perspektif operasional dan strategis, Noah memeriksa bagaimana model pembelajaran mesin meningkatkan prediksi permintaan, mengurangi bottleneck, dan meningkatkan ketahanan dalam sistem logistik yang mencakup manufaktur, pengiriman, gudang, dan pengiriman tahap akhir kepada penerima. Ia memperhatikan khususnya peningkatan efisiensi, pengurangan biaya, dan kendala nyata yang menentukan apakah penerapan AI berhasil dalam skala besar.
Artikel yang ditulis oleh Noah Varek dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, kejelasan, dan liputan yang bertanggung jawab tentang peran AI dalam memodernisasi rantai pasokan global.