Evos ระดมทุนรอบ Pre-Seed ได้ 9 ล้านดอลลาร์ เพื่อเปลี่ยนความเชี่ยวชาญในภาคอุตสาหกรรมให้เป็นเอเจนต์ AI ที่ปฏิบัติงานได้โดยอัตโนมัติ

สำหรับธุรกิจอุตสาหกรรมหลายแห่ง คู่มือการปฏิบัติงานที่มีค่าที่สุดคือคน พนักงานที่มีประสบการณ์รู้ว่าใบแจ้งหนี้รายการใดต้องตรวจสอบอีกครั้ง ข้อยกเว้นของผู้ขนส่งรายใดรอได้ และเมื่อใดควรส่งการตัดสินใจตามปกติให้ผู้จัดการพิจารณา Evos เชื่อว่าการเก็บรวบรวมวิจารณญาณเหล่านี้จะเปลี่ยน AI จากเครื่องมืออีกชิ้นที่พนักงานต้องคอยจัดการ ให้กลายเป็นซอฟต์แวร์ที่ทำงานปฏิบัติการให้เสร็จสิ้นได้

สตาร์ตอัปจากนิวยอร์กซึ่งมีชื่ออย่างเป็นทางการว่า Evolutionary Operating System, Inc. เปิดตัวหลังพ้นช่วงเก็บตัว พร้อมเงินทุนรอบ Pre-Seed 9 ล้านดอลลาร์ การระดมทุนรอบนี้นำโดย Uncork Capital และ Field Ventures ร่วมกัน โดยมี Crosslink Capital, Utopia Capital Management, Sandwith Ventures และนักลงทุน Angel เข้าร่วมด้วย

Evos ก่อตั้งขึ้นในปี 2026 โดย Urav Shah ซึ่งดำรงตำแหน่ง CEO โดยมุ่งเป้าไปที่ธุรกิจขนาดเล็กและขนาดกลางในอุตสาหกรรมที่ดำเนินงานในโลกกายภาพ บริษัทระบุว่ามีรายได้ประจำต่อปีเกิน 1 ล้านดอลลาร์ภายในสี่สัปดาห์หลังเริ่มให้บริการ เงินทุนที่ระดมได้จะนำไปสนับสนุนการจ้างงานและการนำเอเจนต์ปฏิบัติงานไปให้บริการแก่ธุรกิจต่าง ๆ ในเศรษฐกิจภาคกายภาพมากขึ้น บริษัทวางแผนเปิดตัวแพลตฟอร์ม Workhorse อย่างเป็นทางการในอีกไม่กี่สัปดาห์ข้างหน้า

จากการบันทึกงานสู่การลงมือทำให้เสร็จ

เอเจนต์ปฏิบัติงานของ Evos เป็นเอเจนต์ซอฟต์แวร์ ไม่ใช่หุ่นยนต์อุตสาหกรรม งานของเอเจนต์เหล่านี้มีตั้งแต่รับสายจากนายหน้าขนส่ง จัดเตรียมสินค้าเพื่อขนส่ง ติดตามเอกสารที่ขาดหาย และกระทบยอดใบแจ้งหนี้ภายในระบบที่ธุรกิจใช้อยู่แล้ว

งานเหล่านี้อาจดูตรงไปตรงมา จนกระทั่งเกิดข้อยกเว้นขึ้น ใบแจ้งหนี้อาจมีข้อมูลไม่ตรงกับระบบบริหารจัดการการขนส่ง เอกสารที่จำเป็นอาจขาดหาย หรือสถานการณ์ของลูกค้าอาจทำให้ต้องตอบสนองต่างออกไป พนักงานที่มีประสบการณ์มักจัดการกรณีเหล่านี้โดยอาศัยความรู้ที่ไม่เคยถูกบันทึกเป็นขั้นตอนอย่างเป็นทางการ

Evos ระบุว่าเอเจนต์ปฏิบัติงานเรียนรู้จากการตัดสินใจเหล่านั้นและรูปแบบที่อยู่เบื้องหลัง เป้าหมายคือมอบหมายให้เอเจนต์รับผิดชอบงานหนึ่งอย่างต่อเนื่อง แทนที่จะต้องให้คนเริ่มงานแต่ละชิ้นด้วยคำสั่งใหม่ทุกครั้ง

แนวทางนี้สอดคล้องกับกระแสที่กำลังมุ่งไปสู่การประสานงานเอเจนต์ AI ในกระบวนการทำงานของภาคอุตสาหกรรม การทำกระบวนการทางธุรกิจให้เสร็จต้องทำได้มากกว่าการให้คำตอบที่ฟังดูสมเหตุสมผล ระบบต้องทำงานกับข้อมูลปัจจุบัน ดำเนินการได้เฉพาะในขอบเขตที่ได้รับอนุญาต และรู้ว่าเมื่อใดควรให้มนุษย์เป็นผู้ตัดสินใจ

ต้องพิสูจน์ให้เห็นก่อนจึงจะได้รับอิสระในการทำงาน

รูปแบบการนำระบบไปใช้งานของบริษัทเริ่มต้นด้วยขั้นตอนอนุมัติ ผู้ใช้สามารถอนุมัติ ปฏิเสธ หรือแก้ไขการตัดสินใจที่ระบบเสนอ และความคิดเห็นของพวกเขาจะกลายเป็นข้อมูลฝึกสอน เมื่อเอเจนต์แสดงให้เห็นว่าตัดสินใจสอดคล้องกับทีม ก็จะได้รับอิสระในการทำงานมากขึ้นสำหรับงานและสถานการณ์บางประเภท ส่วนสถานการณ์ที่ไม่คุ้นเคยจะถูกส่งกลับให้คนจัดการ

ดังนั้น อิสระในการทำงานจึงขึ้นอยู่กับขอบเขตงานที่กำหนดไว้อย่างชัดเจน การตรวจสอบใบแจ้งหนี้ตามปกติได้สำเร็จไม่ได้ยืนยันโดยอัตโนมัติว่าเอเจนต์มีความสามารถพอที่จะเจรจาต่อรองค่าธรรมเนียมที่มีข้อโต้แย้ง หรือให้คำมั่นทางการค้าใหม่ได้ ด้วยเหตุนี้ เส้นแบ่งระหว่างงานที่คุ้นเคยกับข้อยกเว้นใหม่จึงเป็นหัวใจสำคัญของผลิตภัณฑ์

Evos ระบุว่าเริ่มจากการประชุมกับผู้เชี่ยวชาญ จากนั้นจะมีเอเจนต์ปฏิบัติงานที่พร้อมใช้งานในวันถัดไป และเห็นผลลัพธ์ที่วัดได้ภายในหนึ่งเดือน เอกสารแนะนำการนำระบบไปใช้งานของบริษัทระบุลำดับขั้นตอน ได้แก่ การสำรวจ การออกแบบ การวางกลยุทธ์ การสร้าง การนำไปใช้งาน และการปรับให้เหมาะสม ทีมงานจะทำแผนผังกระบวนการและเลือกกรณีใช้งาน จากนั้นตกลงกันว่างานใดจะยังอยู่ในความดูแลของคน ก่อนนำเอเจนต์เข้าสู่ระบบจริง

การนำระบบไปใช้งานภายใน 24 ชั่วโมงที่บริษัทโฆษณาไว้เป็นคำกล่าวอ้างเกี่ยวกับการทำให้เอเจนต์เริ่มทำงานได้ ไม่ควรตีความว่าเป็นคำมั่นว่าหน้าที่ทั้งหมดของธุรกิจจะทำงานได้โดยอัตโนมัติอย่างปลอดภัยภายในวันเดียว เอกสารเปิดตัวระบุชัดเจนว่าการทำงานโดยอิสระขึ้นอยู่กับผลการปฏิบัติงานที่พิสูจน์ได้และระดับการกำกับดูแลที่ลูกค้าเลือก

เทคโนโลยีเบื้องหลังเอเจนต์ปฏิบัติงาน

หน้าอธิบายสถาปัตยกรรมระบบของ Evos ระบุองค์ประกอบสามส่วนที่เชื่อมต่อกัน ได้แก่ ชั้นข้อมูลที่ซิงโครไนซ์กับระบบธุรกิจเดิม ตัวควบคุมที่ประสานงานเอเจนต์ย่อยเฉพาะทางมากกว่า 300 ตัว และโมเดลการดำเนินการที่ปรับแต่งให้เหมาะกับแต่ละบริษัท

ชั้นข้อมูลเชื่อมโยงข้อมูลจากระบบขนส่ง ระบบวางแผนทรัพยากรองค์กร และระบบคลังสินค้า รวมถึงอีเมลและพอร์ทัลลูกค้า ตัวควบคุมกระจายงานไปยังองค์ประกอบด้านการให้เหตุผลและระบบอัตโนมัติที่มีขอบเขตแคบกว่า Evos อธิบายว่าโมเดลการดำเนินการเฉพาะสำหรับแต่ละบริษัทเป็นโมเดลภาษาขนาดเล็กที่พัฒนาขึ้นจากการใช้งาน และไม่มีการนำไปใช้ร่วมกันระหว่างลูกค้า

เอกสารชุดเดียวกันยังอธิบายถึงกระบวนการเก็บรวบรวมความรู้จากผู้เชี่ยวชาญอย่างเป็นระบบ และการเปลี่ยนผ่านจากโหมดเฝ้าสังเกต ไปสู่การทำงานภายใต้การกำกับดูแล และการทำงานโดยอัตโนมัติ พร้อมกลไกป้องกันและบันทึกการตรวจสอบ ทั้งหมดนี้เป็นคำอธิบายระบบจากบริษัท ไม่ใช่การประเมินสถาปัตยกรรมโดยหน่วยงานอิสระ

ความท้าทายในการปฏิบัติงานคือการทำให้องค์ประกอบทั้งหมดนี้สอดคล้องกัน การตัดสินใจที่ถูกต้องแต่ใช้ข้อมูลเก่าก็ยังอาจผิดพลาดได้ การอัปเดตระบบที่ดำเนินการสำเร็จในทางเทคนิคก็ยังอาจเกินขอบเขตอำนาจของเอเจนต์ได้ ความน่าเชื่อถือขึ้นอยู่กับการทำงานร่วมกันของความเป็นปัจจุบันของข้อมูล คุณภาพการตัดสินใจ สิทธิ์การดำเนินการ และการส่งต่อกรณีให้ผู้รับผิดชอบ

ผลลัพธ์ในช่วงแรกแสดงให้เห็นอะไรบ้าง

ตัวอย่างที่เป็นรูปธรรมที่สุดในประกาศนี้คือ บริษัทนายหน้าขนส่งสินค้าแห่งหนึ่งใช้โอเปอเรเตอร์ของ Evos ตรวจสอบใบแจ้งหนี้จากผู้ขนส่งสินค้าแบบไม่เต็มคันรถ โดยเทียบกับระบบจัดการการขนส่งของบริษัท Evos ระบุว่า ในช่วงสองเดือนแรก โอเปอเรเตอร์ตัดสินใจตรวจสอบเกือบ 3,500 รายการ ด้วยความแม่นยำ 97% ส่วนในช่วงห้าสัปดาห์ล่าสุด โอเปอเรเตอร์ปิดงานใบแจ้งหนี้ที่มีมูลค่ารวมกว่า 600,000 ดอลลาร์

มูลค่าใบแจ้งหนี้หมายถึงปริมาณงานที่ดำเนินการ ไม่ใช่จำนวนเงินที่ประหยัดได้หรือรายได้ที่สร้างขึ้น ส่วนความแม่นยำที่ระบุนั้นใช้กับกรณีการตรวจสอบดังกล่าว ไม่ใช่การรับประกันประสิทธิภาพของแพลตฟอร์มโดยรวม

ในเอกสารชี้แจงที่เผยแพร่พร้อมกัน Evos ระบุว่า โดยภาพรวมแล้ว การตัดสินใจมีความแม่นยำราว 82% และมีงานประมาณ 70% ที่ดำเนินการได้โดยไม่ต้องให้มนุษย์เข้ามาแทรกแซง เอกสารไม่ได้ระบุระเบียบวิธีทดสอบร่วมกันหรือให้รายละเอียดมากพอที่จะเปรียบเทียบตัวเลขเหล่านี้โดยตรงกับผลการตรวจสอบใบแจ้งหนี้ที่มีความแม่นยำ 97% จึงควรเข้าใจว่าตัวเลขเหล่านี้เป็นข้อสังเกตแยกจากกันซึ่งบริษัทเป็นผู้รายงาน

Mike Chalfant ประธานของ MyFreightWorld กล่าวว่าความแม่นยำและประสิทธิภาพในการเรียกเก็บเงินดีขึ้นหลังเริ่มใช้งาน สำหรับลูกค้าที่กำลังพิจารณา คำถามถัดไปคือ วัดผลการทำงานอย่างไร ตรวจพบข้อผิดพลาดที่มีต้นทุนสูงอย่างไร และข้อยกเว้นมีสัดส่วนเท่าใดที่ยังต้องให้พนักงานผู้มีประสบการณ์จัดการ ความแม่นยำโดยรวมเพียงอย่างเดียวไม่อาจตอบคำถามเหล่านี้ได้

เปลี่ยนความรู้ในองค์กรให้เป็นการปฏิบัติงานที่ทำซ้ำได้

เป้าหมายนี้ไม่ได้จำกัดอยู่แค่การลดเวลาที่ใช้กับงานแต่ละอย่าง Evos ต้องการเก็บรักษาแนวคิดและเหตุผลที่ทำให้ธุรกิจดำเนินไปได้ดี แล้วนำไปใช้ได้อย่างสม่ำเสมอเมื่องานเข้ามา แนวทางนี้อาจเป็นประโยชน์อย่างยิ่งเมื่อการดำเนินงานต้องพึ่งพาพนักงานผู้มีประสบการณ์เพียงไม่กี่คนเป็นหลัก

แต่การเก็บรวบรวมแนวทางปฏิบัติที่มีอยู่ก็ต้องพิจารณาด้วยว่าควรรักษาแนวทางใดไว้ การตัดสินใจในอดีตอาจตั้งอยู่บนข้อสมมติที่ล้าสมัย หรือมีข้อยกเว้นที่ไม่เกี่ยวข้องอีกต่อไป การแก้ไขโดยมนุษย์และการกำกับดูแลอย่างต่อเนื่องยังคงสำคัญ แม้โอเปอเรเตอร์จะทำงานที่คุ้นเคยได้อย่างชำนาญแล้วก็ตาม

การระดมทุนรอบ Pre-Seed สนับสนุนความพยายามในระยะเริ่มต้นที่จะทำให้ความเชี่ยวชาญด้านการปฏิบัติงานนำกลับมาใช้ซ้ำได้ โดยไม่ต้องให้บริษัทอุตสาหกรรมขนาดเล็กเปลี่ยนระบบเดิมที่ใช้อยู่ บททดสอบเชิงพาณิชย์ของ Evos คือ โอเปอเรเตอร์จะทำงานที่เป็นประโยชน์ได้อย่างน่าเชื่อถือหรือไม่ ควบคุมให้มนุษย์ดูแลข้อยกเว้นที่มีผลสำคัญได้หรือไม่ และรักษาข้อได้เปรียบเหล่านั้นไว้ได้หรือไม่ เมื่อลูกค้าขยายขอบเขตการใช้งาน