Evos pozyskuje 9 mln dolarów w rundzie pre-seed, by przekształcić wiedzę przemysłową w autonomicznych operatorów AI

W wielu firmach przemysłowych najcenniejszym podręcznikiem operacyjnym jest człowiek. Doświadczony pracownik wie, którą fakturę trzeba jeszcze raz sprawdzić, który wyjątek dotyczący przewoźnika może poczekać i kiedy rutynową decyzję należy przekazać kierownikowi. Evos stawia na to, że uchwycenie tych osądów pozwoli przekształcić AI z kolejnego narzędzia obsługiwanego przez pracowników w oprogramowanie, które samodzielnie wykonuje zadania operacyjne.

Startup z Nowego Jorku, działający pod oficjalną nazwą Evolutionary Operating System, Inc., zakończył okres działania w trybie stealth, pozyskując 9 mln dolarów w rundzie pre-seed. Rundę współprowadziły Uncork Capital i Field Ventures, a udział w niej wzięły także Crosslink Capital, Utopia Capital Management, Sandwith Ventures oraz inwestorzy anielscy.

Firma Evos, założona w 2026 roku przez dyrektora generalnego Urava Shaha, kieruje swoją ofertę do małych i średnich przedsiębiorstw z branż opartych na działalności fizycznej. Podaje, że cztery tygodnie po uruchomieniu działalności jej roczne przychody cykliczne przekroczyły 1 mln dolarów. Pozyskane środki wesprą rekrutację i wdrażanie operatorów w kolejnych firmach z całej gospodarki opartej na działalności fizycznej. Oficjalna premiera platformy Workhorse jest planowana na najbliższe tygodnie.

Od dokumentowania pracy do jej wykonywania

Operatorzy Evos to agenci programowi, a nie roboty przemysłowe. Do ich zadań należy odbieranie telefonów od brokerów, kompletowanie ładunków, uzyskiwanie brakujących dokumentów i uzgadnianie faktur w systemach, z których firma już korzysta.

Takie zadania mogą wydawać się proste, dopóki nie pojawi się wyjątek. Faktura może być niezgodna z danymi w systemie zarządzania transportem, może brakować wymaganego dokumentu albo sytuacja klienta może uzasadniać inną reakcję. Doświadczeni pracownicy często rozwiązują takie przypadki, korzystając z wiedzy, która nigdy nie zostaje ujęta w formalnych procedurach.

Evos twierdzi, że jej operatorzy uczą się na podstawie tych decyzji i kryjących się za nimi wzorców. Celem jest powierzenie operatorowi odpowiedzialności za stale realizowaną funkcję, zamiast wymagania, by człowiek rozpoczynał każde zadanie kolejnym poleceniem.

To podejście wpisuje się w szerszy trend koordynowania agentów AI w przemysłowych procesach pracy. Realizacja procesu biznesowego wymaga czegoś więcej niż wygenerowania wiarygodnej odpowiedzi: system musi pracować na aktualnych informacjach, wykonywać dozwolone działania i rozpoznawać, kiedy decyzję powinien podjąć człowiek.

Na autonomię trzeba sobie zasłużyć

Model wdrażania firmy zaczyna się od etapu zatwierdzania. Ludzie zatwierdzają, odrzucają lub modyfikują proponowane decyzje, a ich opinie stają się danymi treningowymi. Operator zyskuje większą autonomię w określonych zadaniach i scenariuszach, gdy wykazuje zgodność swoich decyzji z ocenami zespołu. W nieznanych sytuacjach sprawa wraca do człowieka.

Oznacza to, że autonomia dotyczy ściśle określonego zakresu pracy. Skuteczne sprawdzanie rutynowych faktur nie dowodzi automatycznie, że operator potrafi negocjować sporną opłatę lub podejmować nowe zobowiązania handlowe. Dlatego granica między znanymi zadaniami a nowym wyjątkiem ma kluczowe znaczenie dla produktu.

Evos opisuje wstępną sesję z ekspertem, działającego operatora już następnego dnia i wymierne wyniki w ciągu miesiąca. Dokumentacja wdrożeniowa przedstawia kolejne etapy: analizę, projektowanie, strategię, budowę, wdrożenie i optymalizację. Zespoły mapują swoje procesy i wybierają przypadki użycia, a następnie uzgadniają, które zadania pozostaną w gestii ludzi, zanim operatorzy rozpoczną pracę w środowisku produkcyjnym.

Deklarowane wdrożenie w 24 godziny to zapewnienie firmy, że w tym czasie uda się uruchomić operatora. Nie należy odczytywać tego jako obietnicy, że cała funkcja biznesowa stanie się bezpiecznie autonomiczna w ciągu jednego dnia. W komunikacie wyraźnie powiązano samodzielne działanie z wykazanymi wynikami oraz wybranym przez klienta poziomem nadzoru.

Technologia stojąca za operatorem

Strona poświęcona architekturze Evos opisuje trzy połączone elementy: zsynchronizowaną warstwę danych obejmującą istniejące systemy biznesowe, kontroler koordynujący pracę ponad 300 wyspecjalizowanych podagentów oraz model działania dostosowany do potrzeb każdej firmy.

Warstwa danych łączy informacje z systemów transportowych, systemów planowania zasobów przedsiębiorstwa i systemów magazynowych, a także z poczty elektronicznej i portali klientów. Kontroler rozdziela zadania między wyspecjalizowane komponenty odpowiedzialne za wnioskowanie i automatyzację. Evos opisuje model działania dostosowany do potrzeb konkretnej firmy jako mały model językowy, który doskonali się w miarę użytkowania i nie jest współdzielony między klientami.

Ta sama dokumentacja opisuje ustrukturyzowane pozyskiwanie wiedzy eksperckiej oraz przechodzenie od trybu cichej obserwacji do działania pod nadzorem, a następnie autonomicznego, z zabezpieczeniami i ścieżką audytu. Są to opisy systemu przedstawione przez firmę, a nie niezależna ocena jego architektury.

Wyzwaniem operacyjnym jest utrzymanie spójności wszystkich tych elementów. Trafna decyzja oparta na nieaktualnych informacjach nadal może być błędna. Aktualizacja systemu, która przebiegła poprawnie pod względem technicznym, nadal może wykraczać poza uprawnienia operatora. Niezawodność zależy od połączenia aktualności danych, jakości decyzji, uprawnień i sposobu eskalowania spraw.

Co pokazują pierwsze wyniki

Najbardziej konkretnym przykładem podanym w komunikacie jest firma pośrednictwa transportowego, która wykorzystuje operatora Evos do audytu faktur przewoźników ładunków drobnicowych na podstawie danych z własnego systemu zarządzania transportem. Według Evos w ciągu pierwszych dwóch miesięcy operator podjął niemal 3500 decyzji audytowych z dokładnością na poziomie 97%. W ciągu ostatnich pięciu tygodni rozliczył faktury o łącznej wartości przekraczającej 600 000 USD.

Wartość faktur oznacza ilość przetworzonych zleceń, a nie wysokość oszczędności ani wygenerowanych przychodów. Podana dokładność dotyczy również tego konkretnego zastosowania audytowego i nie stanowi gwarancji dla całej platformy.

W towarzyszącym prezentacji omówieniu Evos podaje, że ogólna dokładność podejmowanych decyzji wynosi około 82%, a około 70% pracy jest wykonywane bez udziału człowieka. Materiały nie zawierają wspólnego protokołu testowego ani wystarczających szczegółów, by bezpośrednio porównać te dane z wynikiem 97% uzyskanym podczas audytu faktur. Należy traktować je jako odrębne obserwacje podane przez firmę.

Prezes MyFreightWorld, Mike Chalfant, mówi o poprawie dokładności rozliczeń i efektywności po wdrożeniu rozwiązania. Potencjalni klienci będą chcieli wiedzieć, jak mierzy się jego skuteczność, jak wykrywa się kosztowne błędy oraz jaki odsetek wyjątków nadal wymaga zaangażowania doświadczonych pracowników. Sama ogólna dokładność nie odpowiada na te pytania.

Przekształcanie wiedzy organizacyjnej w powtarzalne działania operacyjne

Ambicje firmy wykraczają poza skrócenie czasu poświęcanego na poszczególne zadania. Evos chce zachować sposób rozumowania, który pozwala sprawnie prowadzić firmę, a następnie stosować go konsekwentnie w miarę napływu zleceń. Może to być szczególnie cenne w organizacjach, których działalność w dużej mierze opiera się na niewielkiej grupie doświadczonych pracowników.

Utrwalanie istniejących praktyk wymaga jednak również rozstrzygnięcia, które z nich warto zachować. Dawne decyzje mogą opierać się na nieaktualnych założeniach lub dotyczyć wyjątków, które już nie mają zastosowania. Ludzkie korekty i bieżący nadzór pozostają ważne nawet wtedy, gdy operator dobrze radzi sobie z wykonywaniem znanych zadań.

Runda finansowania pre-seed wspiera wczesną próbę umożliwienia ponownego wykorzystywania wiedzy operacyjnej bez konieczności wymiany dotychczasowych systemów przez mniejsze firmy przemysłowe. Komercyjny test dla Evos polega na tym, czy operatorzy będą w stanie niezawodnie wykonywać użyteczną pracę, pozostawiać ludziom kontrolę nad wyjątkami o istotnych konsekwencjach oraz utrzymać te korzyści w miarę poszerzania zakresu zastosowań przez klientów.