Evos, 산업 현장 전문성을 자율형 AI 운영자로 전환하기 위해 프리시드 투자 900만 달러 유치

많은 산업 현장에서 가장 값진 운영 매뉴얼은 사람이다. 경험 많은 직원은 어떤 송장을 한 번 더 확인해야 하는지, 어떤 운송업체 관련 예외는 기다려도 되는지, 일상적인 결정을 언제 관리자에게 넘겨야 하는지 알고 있다. Evos는 이러한 판단을 포착하면 직원이 관리해야 하는 또 하나의 도구였던 AI를 실제 운영 업무를 수행하는 소프트웨어로 바꿀 수 있다고 본다.

뉴욕에 본사를 둔 이 스타트업은 법인명 Evolutionary Operating System, Inc.로, 프리시드 투자금 900만 달러를 유치하며 비공개 개발 단계에서 벗어났다. 이번 투자 라운드는 Uncork Capital과 Field Ventures가 공동으로 주도했으며, Crosslink Capital, Utopia Capital Management, Sandwith Ventures와 엔젤 투자자들도 참여했다.

2026년 CEO Urav Shah가 설립한 Evos는 물리적 산업 분야의 중소기업을 겨냥한다. 회사에 따르면 서비스 출시 4주 만에 연간 반복 매출이 100만 달러를 넘어섰다. 이번 투자금은 인력 채용과 실물 경제 전반의 더 많은 기업에 운영자를 제공하는 데 쓰일 예정이다. Workhorse 플랫폼의 정식 출시는 향후 몇 주 안으로 계획돼 있다.

업무 기록에서 업무 수행으로

Evos의 운영자는 산업용 로봇이 아니라 소프트웨어 에이전트다. 운송 중개업체의 전화 응대, 화물 적재 계획 수립, 누락된 서류 확보, 기업이 이미 사용하는 시스템에서의 송장 대조 등이 이들의 업무에 포함된다.

이런 업무는 예외 상황이 발생하기 전까지는 간단해 보일 수 있다. 송장 내용이 운송 관리 시스템과 일치하지 않거나, 필수 서류가 누락되거나, 고객의 상황에 따라 다른 대응이 타당할 수 있다. 숙련된 직원은 공식 절차로 정립된 적 없는 지식을 활용해 이런 사례를 해결하곤 한다.

Evos는 운영자가 이러한 판단과 그 이면의 패턴을 바탕으로 학습한다고 설명한다. 그 목표는 사람이 새로운 지시를 입력해 매번 업무를 시작하도록 하는 대신, 운영자에게 지속적인 업무 기능을 맡기는 것이다.

이 접근 방식은 산업 업무 흐름 전반에서 AI 에이전트를 조율하는 더 큰 흐름과 맞닿아 있다. 비즈니스 프로세스를 완료하려면 그럴듯한 답변을 생성하는 것만으로는 부족하다. 시스템은 최신 정보를 활용하고, 허용된 작업을 수행하며, 어떤 판단을 사람이 내려야 하는지 알아차려야 한다.

자율성은 실력으로 입증해야 한다

회사의 배포 모델은 승인 절차에서 시작한다. 사람은 제안된 결정을 승인하거나 거부하거나 수정하며, 이들의 피드백은 학습 데이터가 된다. 운영자는 팀과 판단이 일치한다는 점을 입증할수록 특정 업무와 상황에서 더 많은 자율성을 부여받는다. 낯선 상황은 다시 사람에게 넘겨진다.

따라서 자율성은 정해진 업무 범위에 따라 달라진다. 일상적인 송장 확인을 성공적으로 수행했다고 해서 분쟁이 있는 비용을 협상하거나 새로운 상업적 약속을 할 능력까지 자동으로 입증되는 것은 아니다. 익숙한 업무와 새로운 예외 상황의 경계가 이 제품의 핵심인 이유다.

Evos는 첫 전문가 세션을 진행한 다음 날 운영자가 실제 업무를 수행하고, 한 달 안에 측정 가능한 결과를 얻을 수 있다고 설명한다. 회사의 배포 문서에는 탐색, 설계, 전략 수립, 구축, 배포, 최적화로 이어지는 단계도 제시돼 있다. 팀은 업무 프로세스를 파악하고 적용 사례를 선정한 뒤, 운영자를 실제 운영 환경에 투입하기 전에 어떤 업무를 사람이 계속 맡을지 합의한다.

24시간 배포라는 표현은 운영자가 작동하도록 만드는 데 걸리는 시간에 관한 회사의 주장이다. 이를 하루 만에 전체 업무 기능이 안전하게 자율화된다는 약속으로 받아들여서는 안 된다. 발표 내용은 독립적인 운영이 입증된 성능과 고객이 선택한 감독 수준에 달려 있다고 명시한다.

운영자를 뒷받침하는 기술

Evos의 아키텍처 페이지는 서로 연결된 세 가지 요소를 설명한다. 기존 비즈니스 시스템 위에 구축되는 동기화된 데이터 계층, 300개가 넘는 전문 하위 에이전트를 조율하는 컨트롤러, 그리고 기업별로 최적화된 행동 모델이다.

데이터 계층은 운송, 전사적 자원 관리, 창고 시스템의 정보와 이메일, 고객 포털을 연결한다. 컨트롤러는 더 좁은 범위의 추론 및 자동화 구성 요소에 업무를 분배한다. Evos는 기업별 행동 모델을 사용을 거듭할수록 개선되는 소형 언어 모델이라고 설명하며, 고객 간에 공유되지 않는다고 덧붙인다.

같은 문서에서는 전문가 지식을 체계적으로 이끌어내는 방법과 섀도 모드에서 감독 운영, 자율 운영으로 나아가는 단계적 전환도 설명한다. 여기에는 안전장치와 감사 추적 기능도 포함된다. 이는 회사가 자사 시스템에 관해 설명한 내용이지, 아키텍처에 대한 독립적인 평가가 아니다.

운영상의 과제는 이 모든 요소가 서로 일관되게 작동하도록 하는 것이다. 오래된 정보를 바탕으로 내린 타당한 판단도 틀릴 수 있다. 기술적으로 성공한 시스템 업데이트도 운영자에게 허용된 권한을 넘어설 수 있다. 신뢰성은 데이터의 최신성, 판단의 품질, 권한, 그리고 상위 담당자에게 문제를 넘기는 방식이 함께 갖춰져야 확보된다.

초기 성과가 보여주는 것

이번 발표에서 가장 구체적인 사례는 화물 중개업체가 Evos 운영자를 활용해 운송 관리 시스템을 기준으로 소량화물 운송업체의 청구서를 감사한 것이다. Evos에 따르면 이 운영자는 첫 두 달 동안 정확도 97%로 감사 관련 의사결정을 거의 3,500건 내렸다. 최근 5주 동안에는 청구 금액 기준으로 60만 달러가 넘는 건을 처리했다.

청구 금액은 처리한 업무량을 나타내는 것이지, 절감한 비용이나 창출한 매출을 뜻하지 않는다. 발표된 정확도 역시 해당 감사 사례에만 적용되며, 플랫폼 전체의 성능을 보장하는 수치는 아니다.

Evos는 함께 제공한 설명 자료에서 보다 일반적인 업무 처리 기준으로 의사결정 정확도가 약 82%이고, 업무의 약 70%를 사람의 개입 없이 처리했다고 밝혔다. 그러나 자료에는 공통된 시험 절차가 제시되어 있지 않고, 이 수치를 청구서 감사에서 기록한 정확도 97%와 직접 비교할 만큼 충분한 세부 정보도 없다. 따라서 두 수치는 회사가 각각 보고한 별개의 관측 결과로 이해해야 한다.

MyFreightWorld의 Mike Chalfant 사장은 도입 후 청구 정확도와 효율성이 개선됐다고 설명했다. 도입을 검토하는 고객이 다음으로 확인할 사항은 성과를 어떻게 측정하는지, 비용이 큰 오류를 어떻게 감지하는지, 예외 업무 중 어느 정도를 여전히 숙련된 직원이 처리해야 하는지다. 종합 정확도만으로는 이러한 질문에 답할 수 없다.

조직의 지식을 반복 가능한 운영으로 전환하기

Evos의 목표는 개별 업무에 드는 시간을 줄이는 데 그치지 않는다. Evos는 비즈니스가 원활하게 운영되도록 하는 판단 논리를 축적한 뒤, 업무가 들어올 때마다 일관되게 적용하려 한다. 소수의 숙련된 직원에게 운영이 크게 의존하는 기업에는 이 방식이 유용할 수 있다.

하지만 기존 업무 방식을 포착하려면 어떤 관행을 유지할지도 결정해야 한다. 과거의 결정에는 더 이상 유효하지 않은 낡은 전제나 예외가 포함될 수 있다. 운영자가 익숙한 업무에 능숙해진 뒤에도 사람의 수정과 지속적인 감독은 여전히 중요하다.

이번 프리시드 투자는 초기 산업 기업들이 기존 시스템을 교체하지 않고도 운영 전문성을 재사용할 수 있도록 하려는 초기 시도를 뒷받침한다. Evos의 상업적 성패는 운영자가 유용한 업무를 안정적으로 완료하고, 중대한 예외 상황에 대한 사람의 통제권을 보장하며, 고객이 적용 범위를 넓혀도 이러한 이점을 유지할 수 있는지에 달려 있다.