Evos tar in 9 miljoner dollar i pre-seed-finansiering för att omvandla industriell expertis till autonoma AI-operatörer

På många industriföretag är den mest värdefulla driftmanualen en person. En erfaren medarbetare vet vilken faktura som behöver granskas en gång till, vilket undantag som rör en transportör kan vänta och när ett rutinbeslut bör lämnas till en chef. Evos satsar på att insamling av sådana bedömningar kan förvandla AI från ännu ett verktyg som medarbetarna måste hantera till programvara som utför det operativa arbetet.

Startupföretaget från New York, vars formella namn är Evolutionary Operating System, Inc., har lämnat stealth-läget med 9 miljoner dollar i pre-seed-finansiering. Finansieringsrundan leddes gemensamt av Uncork Capital och Field Ventures, med deltagande från Crosslink Capital, Utopia Capital Management, Sandwith Ventures och ängelinvesterare.

Evos grundades 2026 av vd:n Urav Shah och riktar sig till små och medelstora företag inom fysiska branscher. Företaget uppger att det nådde 1 miljon dollar i årliga återkommande intäkter fyra veckor efter lanseringen. Finansieringen ska användas till nyanställningar och för att erbjuda fler företag i den fysiska ekonomin tillgång till företagets operatörer. En officiell lansering av plattformen Workhorse planeras inom de närmaste veckorna.

Från att dokumentera arbetet till att utföra det

Evos operatörer är programvaruagenter, inte industrirobotar. De kan bland annat besvara samtal från transportmäklare, sammanställa fraktlaster, följa upp saknade handlingar och stämma av fakturor i de system som företaget redan använder.

Uppgifterna kan verka enkla tills ett undantag dyker upp. En faktura kanske inte stämmer överens med ett transporthanteringssystem, en obligatorisk handling kan saknas eller kundens situation kan motivera ett annat svar. Erfaren personal löser ofta sådana fall med hjälp av kunskap som aldrig blir en formell rutin.

Evos säger att företagets operatörer lär sig av dessa beslut och mönstren bakom dem. Målet är att ge en operatör ansvar för en löpande funktion, i stället för att kräva att en person startar varje uppgift med ännu en instruktion.

Den här metoden passar in i den bredare utvecklingen mot samordning av AI-agenter i industriella arbetsflöden. Att slutföra en affärsprocess kräver mer än att ta fram ett rimligt svar: systemet måste arbeta med aktuell information, utföra tillåtna åtgärder och känna igen när en människa bör fatta beslutet.

Autonomi måste förtjänas

Företagets modell för driftsättning börjar med en godkännandegrind. Människor godkänner, avvisar eller ändrar föreslagna beslut, och deras återkoppling blir träningsdata. En operatör får större självständighet för specifika uppgifter och scenarier när den visar att den fattar beslut i linje med teamet. Situationer den inte känner igen lämnas tillbaka till en människa.

Det innebär att autonomi gäller inom ett avgränsat arbetsområde. Att lyckas med rutinmässiga fakturakontroller visar inte automatiskt att operatören klarar av att förhandla om en omtvistad avgift eller ingå ett nytt kommersiellt åtagande. Gränsen mellan välbekant arbete och ett nytt undantag är därför central för produkten.

Evos beskriver en första session med en expert, en fungerande operatör redan nästa dag och mätbara resultat inom en månad. Företagets dokumentation om driftsättning beskriver dessutom en process med stegen kartläggning, utformning, strategi, utveckling, driftsättning och optimering. Teamen kartlägger sina processer och väljer användningsområden och kommer sedan överens om vilka uppgifter som ska förbli människors ansvar innan operatörerna tas i drift.

Löftet om driftsättning på 24 timmar är företagets påstående om hur snabbt en operatör kan tas i bruk. Det bör inte tolkas som ett löfte om att en hel företagsfunktion blir säkert autonom på en dag. I lanseringsinformationen kopplas självständig drift uttryckligen till bevisad prestanda och den nivå av mänsklig tillsyn som kunden väljer.

Tekniken bakom en operatör

På sin arkitektursida beskriver Evos tre sammankopplade delar: ett synkroniserat datalager ovanpå befintliga affärssystem, en styrenhet som samordnar fler än 300 specialiserade underagenter och en handlingsmodell anpassad för varje företag.

Datalagret kopplar samman information från transport-, affärsplanerings- och lagerhanteringssystem, e-post och kundportaler. Styrenheten fördelar arbetet mellan mer avgränsade komponenter för resonemang och automatisering. Evos beskriver den företagsspecifika handlingsmodellen som en liten språkmodell som förbättras genom användning och inte delas mellan kunder.

Samma dokumentation beskriver en strukturerad inhämtning av expertkunskap och en stegvis övergång från skuggläge till övervakad och autonom drift, med skyddsmekanismer och ett granskningsspår. Detta är företagets beskrivningar av sitt system, inte en oberoende utvärdering av dess arkitektur.

Den operativa utmaningen är att hålla alla dessa delar samordnade. Ett välgrundat beslut som bygger på inaktuell information kan ändå bli fel. En tekniskt lyckad systemuppdatering kan ändå överskrida operatörens befogenheter. Tillförlitligheten beror på en kombination av aktuell data, beslutens kvalitet, behörigheter och rutiner för eskalering.

Vad de tidiga resultaten visar

Det tydligaste exemplet i tillkännagivandet är en fraktmäklare som använder en operatör från Evos för att granska fakturor från styckegodsfraktförare mot sitt transporthanteringssystem. Enligt Evos fattade operatören nästan 3 500 granskningsbeslut med 97 % träffsäkerhet under de första två månaderna. Under de senaste fem veckorna hanterade den fakturor till ett värde av över 600 000 dollar.

Fakturavärdet anger hur stort arbetsflöde som har behandlats, inte hur mycket pengar som har sparats eller vilka intäkter som har genererats. Den angivna träffsäkerheten gäller också just detta granskningsscenario; den är ingen garanti för hela plattformen.

I den tillhörande genomgången uppger Evos att besluten är ungefär 82 % träffsäkra och att cirka 70 % av arbetet hanteras utan mänsklig inblandning i ett bredare sammanhang. Materialet beskriver inte något gemensamt testprotokoll och innehåller inte tillräckligt med uppgifter för att siffrorna ska kunna jämföras direkt med resultatet på 97 % för fakturagranskningen. De bör ses som separata observationer som företaget har rapporterat.

MyFreightWorlds president Mike Chalfant beskriver hur faktureringen har blivit mer träffsäker och effektiv efter införandet. För potentiella kunder är nästa frågor hur resultaten mäts, hur kostsamma fel upptäcks och hur stor andel av undantagen som fortfarande kräver erfaren personal. Den sammanlagda träffsäkerheten kan inte ensam besvara de frågorna.

Att omvandla verksamhetskunskap till repeterbara arbetsflöden

Ambitionen sträcker sig längre än att minska tiden som går åt till enskilda uppgifter. Evos vill bevara det resonemang som får ett företag att fungera väl och sedan tillämpa det konsekvent i takt med att arbetet kommer in. Det kan vara värdefullt när verksamheten i hög grad är beroende av ett fåtal erfarna medarbetare.

Men att fånga upp befintliga arbetssätt innebär också att avgöra vilka som bör bevaras. Tidigare beslut kan bygga på föråldrade antaganden eller gälla undantag som inte längre är aktuella. Mänskliga korrigeringar och löpande tillsyn är fortsatt viktiga även när en operatör har blivit skicklig på välbekanta arbetsuppgifter.

Försåddsrundan finansierar ett tidigt försök att göra verksamhetskompetens återanvändbar utan att mindre industriföretag behöver byta ut sina befintliga system. Det kommersiella testet för Evos är om företagets operatörer kan utföra användbart arbete på ett tillförlitligt sätt, låta människor behålla kontrollen över undantag med betydande konsekvenser och bevara dessa fördelar när kunderna utökar användningsområdet.