Evos、産業現場の専門知識を自律型AIオペレーターに変えるため900万ドルのプレシード資金を調達

多くの産業系企業において、最も価値ある業務マニュアルは人だ。経験豊富な従業員は、どの請求書をもう一度確認すべきか、どの運送会社の例外対応なら後回しにできるか、そして定型的な判断をいつマネージャーに委ねるべきかを知っている。Evosは、そうした判断を取り込むことで、AIを従業員が操作する単なるツールから、業務を完遂するソフトウェアへと変えられると見込んでいる。

正式名称をEvolutionary Operating System, Inc.とするニューヨークのスタートアップが、ステルス状態を脱し、900万ドルのプレシード資金を調達した。今回のラウンドはUncork CapitalとField Venturesが共同で主導し、Crosslink Capital、Utopia Capital Management、Sandwith Ventures、エンジェル投資家も参加した。

2026年にCEOのUrav Shah氏が創業したEvosは、実体経済の産業分野で事業を営む中小企業を対象としている。同社によると、サービス開始から4週間で年間経常収益が100万ドルを超えた。今回の資金は採用と、実体経済のより多くの企業へのオペレーター導入に充てられる。Workhorseプラットフォームの正式公開は、今後数週間以内に予定されている。

業務の記録から、業務の完遂へ

Evosのオペレーターは、産業用ロボットではなくソフトウェアエージェントだ。ブローカーからの電話への応対、貨物の積み合わせ、不足書類の催促、そして企業がすでに利用しているシステム内での請求書の照合などを担う。

こうした業務は、例外が発生するまでは簡単に見えることがある。請求書の内容が輸送管理システムと一致しない、必要書類が不足している、あるいは顧客の状況を踏まえると別の対応が妥当である、といったケースだ。経験豊富なスタッフは、正式な手順書にはなっていない知識を使って、こうした事案を解決することが多い。

Evosによると、同社のオペレーターは、そうした判断とその背後にあるパターンから学習する。目指すのは、人が毎回新たな指示を出してタスクを始めるのではなく、継続的な業務機能をオペレーターに任せることだ。

このアプローチは、産業分野の業務フロー全体でAIエージェントを連携させるという、より広範な潮流にも合致する。業務プロセスの完遂には、もっともらしい回答を生成するだけでは不十分だ。システムは最新情報を用い、許可された操作を実行し、判断を人間に委ねるべき場面を認識しなければならない。

自律性は実績によって認められる

同社の導入モデルは、承認プロセスから始まる。人が提案された判断を承認、却下、または修正し、そのフィードバックが学習データとなる。オペレーターは、チームとの判断の一致を示すにつれて、特定のタスクや状況でより大きな自律性を得る。見慣れない状況への対応は、人に戻される。

つまり、自律性は定義された業務範囲に紐づく。定型的な請求書の確認で成果を上げても、異議のある請求額の交渉や新たな商取引上の約束をする能力が自動的に証明されるわけではない。そのため、既知の業務と新たな例外との境界が、製品の中核となる。

Evosは、最初の専門家とのセッションの翌日には稼働するオペレーターを用意し、1カ月以内に測定可能な成果を出すと説明している。同社の導入ドキュメントには、現状把握、設計、戦略策定、構築、導入、最適化という一連の手順も記載されている。チームはプロセスを可視化してユースケースを選び、オペレーターを本番環境に導入する前に、人が担い続ける業務を合意する。

「24時間で導入」という宣伝文句は、オペレーターを稼働させるまでの時間について同社が主張しているものだ。事業機能全体が1日で安全に自律化されるという約束と受け取るべきではない。発表文では、自律運用が、実証された性能と顧客が選択した監督レベルに明確に結びつけられている。

オペレーターを支える技術

Evosのアーキテクチャのページでは、相互に連携する3つの要素が説明されている。既存の業務システム上に構築される同期データレイヤー、300を超える専門サブエージェントを調整するコントローラー、そして企業ごとに調整されたアクションモデルだ。

データレイヤーは、輸送、企業資源計画、倉庫の各システムに加え、メールや顧客ポータルの情報を接続する。コントローラーは、より限定された推論・自動化コンポーネントに作業を振り分ける。Evosによると、企業ごとのアクションモデルは、利用を通じて改善する小規模言語モデルであり、顧客間で共有されない。

同じドキュメントでは、専門家の知識を体系的に引き出す方法と、シャドーモードから監督下の運用、自律運用へと進む段階的な移行についても説明されており、ガードレールと監査証跡も備える。これらは同社によるシステムの説明であり、アーキテクチャに対する独立した評価ではない。

運用上の課題は、これらすべての要素を連携させ続けることだ。古い情報に基づく妥当な判断も、結果として誤りになり得る。技術的に成功したシステム更新でも、オペレーターの権限を超えることがある。信頼性は、データの鮮度、判断の質、権限設定、そしてエスカレーションの挙動の組み合わせに左右される。

初期の成果が示すもの

発表で最も具体的な事例は、貨物仲介業者がEvosのオペレーターを使い、自社の輸送管理システムと照合しながら、小口貨物輸送業者の請求書を監査しているケースだ。Evosによると、このオペレーターは最初の2カ月間に、精度97％で約3,500件の監査判断を行った。直近5週間では、請求額にして60万ドルを超える分を処理した。

請求額は処理した業務の金額であり、節約額や創出した売上を示すものではない。また、公表された精度はこの監査の用途に限られ、プラットフォーム全体の精度を保証するものではない。

同時に発表された説明資料で、Evosはより広い業務全般について、判断精度は約82％で、業務の約70％を人の介入なしに処理していると報告している。資料には共通の試験手順が示されておらず、これらの数値を請求書監査の精度97％と直接比較するための詳細も十分ではない。これらは、別個に報告された同社の観測結果として捉えるべきだ。

MyFreightWorldの社長であるMike Chalfantは、導入後に請求処理の精度と効率が向上したと述べている。導入を検討する顧客にとって、次に確認すべきなのは、パフォーマンスをどう測定しているのか、コストのかかるエラーをどう検知するのか、そして例外処理のうち、どの程度でなお経験豊富なスタッフが必要なのかという点だ。全体の精度だけでは、こうした疑問には答えられない。

組織に蓄積された知識を、再現可能な業務運用へ

目指しているのは、個々の作業にかかる時間を減らすことだけではない。Evosは、事業を円滑に運営するための判断の仕方を保持し、業務が発生するたびに一貫して適用したいと考えている。少数の経験豊富な従業員に業務運営が大きく依存している場合、これは大きな価値をもたらす可能性がある。

しかし、既存の業務慣行を取り込むには、どの慣行を残すべきかを見極める必要もある。過去の判断には、時代遅れの前提や、もはや適用されない例外が含まれていることがある。オペレーターが慣れた業務に習熟した後も、人による修正と継続的な監督は重要であり続ける。

今回のプレシード資金調達は、中小の産業企業に既存システムの置き換えを求めずに、業務上の専門知識を再利用可能にしようとする初期段階の取り組みを後押しするものだ。Evosにとって事業面での試金石は、オペレーターが有用な業務を確実に遂行し、重大な例外への対応を人が管理できる状態に保ち、顧客が適用範囲を広げてもその利点を維持できるかどうかだ。