La Serie A de Duvo recauda 32 millones de dólares, pero el problema difícil es el trabajo oculto

Duvo recaudó una Serie A de 32 millones de dólares para automatizar operaciones empresariales, pero su desafío central no consiste simplemente en conectar agentes de IA a software antiguo. La Serie A de Duvo respalda un intento de capturar las decisiones no documentadas que los empleados toman entre pantallas de ERP, hojas de cálculo, portales de proveedores y correo electrónico.

Balderton Capital lideró la ronda, mientras que los inversores existentes Index Ventures, Northzone y Credo Ventures participaron. La financiación eleva la inversión total de Duvo a 48 millones de dólares y respalda una expansión en Estados Unidos centrada inicialmente en empresas de retail y productos de consumo envasados.

La tensión es fácil de pasar por alto. Los proveedores de automatización empresarial llevan años prometiendo conectar sistemas fragmentados. Duvo sostiene que el mayor obstáculo se encuentra fuera de esos sistemas, porque reglas cruciales, excepciones y soluciones improvisadas siguen estando en la mente de los empleados.

Esa tesis sitúa a Duvo frente a un modelo de implementación conocido. Las empresas suelen documentar procesos mediante equipos internos, consultores o ingenieros desplegados en el cliente antes de que el software pueda automatizarlos. Duvo quiere que su producto realice gran parte de ese descubrimiento por sí mismo y luego ejecute el proceso resultante con aprobaciones humanas.

Por tanto, la plataforma de automatización de Duvo combina dos tareas difíciles. Debe comprender cómo sucede realmente el trabajo, incluidas las excepciones, y ejecutarlo de forma fiable en software que no controla.

La Serie A de Duvo financia una apuesta más allá de los pilotos de IA

El nuevo capital da a Duvo margen para comprobar si una sola capa de automatización puede respaldar numerosos procesos operativos sin convertirse en otra colección de proyectos aislados.

Duvo anunció la financiación el 14 de octubre de 2026. Su anuncio de financiación indica que la empresa utilizará la ronda para expandirse en Estados Unidos, empezando por minoristas y empresas de bienes de consumo.

Esa elección de mercado refleja los orígenes de Duvo. El cofundador y CEO Tomáš Čupr también fundó Rohlik Group, un supermercado online europeo. Las operaciones de retail le expusieron a flujos de trabajo repartidos entre sistemas de inventario, comunicaciones con proveedores, herramientas financieras y hojas de cálculo mantenidas localmente.

Estos flujos de trabajo rara vez se comportan como diagramas de software limpios. Un comprador puede comparar un correo electrónico con un registro de ERP, revisar una cláusula contractual, contactar a un proveedor y escalar una excepción. Otro empleado con el mismo cargo puede seguir reglas distintas porque los proveedores de esa persona operan de forma diferente.

Duvo describe su producto como un Enterprise Execution OS. El término se refiere a una capa compartida en la que personas y agentes de IA pueden descubrir, ejecutar, aprobar y supervisar procesos en aplicaciones empresariales existentes.

La empresa no propone que los clientes sustituyan de inmediato sus sistemas de ERP o de gestión de almacenes. En cambio, Duvo pretende situarse por encima de ellos. Sus agentes utilizan APIs cuando están disponibles e interactúan con interfaces de usuario existentes cuando un sistema carece de una conexión adecuada.

Esta distinción importa porque la mayoría de las grandes empresas no pueden tratar la sustitución de software central como un experimento informal. Sus sistemas contienen registros financieros, datos de proveedores, posiciones de inventario y controles de aprobación. Incluso una aplicación obsoleta puede seguir siendo esencial porque muchos otros procesos dependen de ella.

Duvo afirma que su plataforma puede establecer un conjunto de conexiones, reglas de aprobación y registros operativos para múltiples procesos. Si esa afirmación se sostiene, una segunda automatización debería reutilizar más infraestructura que la primera.

Es un objetivo más relevante que ofrecer una demostración exitosa. Un piloto puede tener éxito con un intenso apoyo de ingeniería y casos cuidadosamente seleccionados. Una plataforma debe seguir funcionando a medida que cambian las interfaces, el personal, las políticas y las condiciones empresariales.

La Serie A de Duvo también financia un impulso comercial más directo. Michael Green, anteriormente ejecutivo en Databricks y Salesforce, se incorporó para liderar la expansión comercial. Spencer Insolia, ex presidente de Kmart y director general de Accenture, dirige el negocio en Estados Unidos.

Estos nombramientos sugieren que la distribución empresarial es ahora tan importante como el desarrollo de producto. Duvo debe entrar en organizaciones complejas, identificar procesos valiosos, superar revisiones de seguridad y demostrar retornos medibles sin permitir que el trabajo de implementación consuma su economía.

Por tanto, la financiación no es solo una apuesta por las capacidades de los agentes. Es una apuesta a que el descubrimiento de procesos, la implementación, la gobernanza y la medición pueden convertirse en partes repetibles de un mismo producto.

Por qué el conocimiento no documentado bloquea la automatización empresarial

El argumento más importante de Duvo es que los procesos empresariales están incompletos hasta que las personas que los realizan explican las excepciones.

Según se informa, Čupr llegó a esa conclusión mientras intentaba introducir agentes en Rohlik. Los empleados podían identificar el trabajo repetitivo, pero documentar todo el proceso resultó más difícil. Muchas decisiones dependían de una experiencia que nunca había llegado a un manual, una base de datos o una herramienta de flujo de trabajo.

En una entrevista sobre el problema de la API humana, Čupr afirmó que las personas suelen funcionar como interfaces entre sistemas desconectados. Leen una pantalla, recuerdan una regla no escrita, interpretan un mensaje e introducen el resultado en otro lugar.

Ese patrón ayuda a explicar por qué la automatización convencional suele gestionar el centro predecible de un proceso, pero deja sus extremos desordenados a los empleados. Un script puede copiar un campo conocido. Tiene dificultades cuando un proveedor confirma parcialmente un pedido mientras cuestiona el precio en el mismo correo electrónico.

Duvo Clarity, el componente de descubrimiento de la empresa, está diseñado para capturar ese contexto faltante. Según Duvo, combina entrevistas a empleados dirigidas por IA, grabaciones de pantalla y documentos existentes para mapear cómo sucede el trabajo en la práctica.

El mapa de procesos debe incluir más que una secuencia de clics. Debe identificar responsables de decisiones, requisitos de aprobación, excepciones frecuentes y la evidencia que utilizan los empleados al elegir una acción.

Esto convierte el descubrimiento de procesos en un problema de conocimiento. Una empresa primero necesita averiguar qué saben los empleados, distinguir la política del hábito y determinar qué juicios pueden convertirse de forma segura en reglas.

El mismo desafío aparece en los sistemas de conocimiento personales y de equipo. Los documentos aportan solo una parte de la respuesta cuando el contexto importante permanece disperso entre conversaciones y memoria individual. Una base de conocimiento con capacidad de búsqueda resulta útil cuando preserva el contexto en lugar de limitarse a recopilar archivos.

Duvo aplica un principio similar a la ejecución operativa. Busca convertir el conocimiento tácito en un proceso controlado que un agente pueda seguir, manteniendo a las personas en puntos de decisión definidos.

El mecanismo tiene tres etapas generales. Primero, el sistema observa y documenta el flujo de trabajo actual. Segundo, identifica los pasos adecuados para la automatización y aquellos que requieren aprobación. Tercero, los agentes realizan acciones aprobadas en sistemas conectados mientras registran lo sucedido.

Esa última etapa separa la documentación de procesos de la ejecución de procesos. Los encargos de consultoría y las herramientas de minería de procesos pueden revelar ineficiencias, pero aún puede ser necesario otro proyecto para implementar los cambios.

Duvo quiere que el descubrimiento y la ejecución compartan un mismo sistema. Esa conexión podría acortar la distancia entre detectar un problema y modificar la operación.

También introduce riesgos. Las explicaciones de los empleados pueden ser incompletas, inconsistentes o estar condicionadas por soluciones locales improvisadas. Las grabaciones de pantalla pueden mostrar lo que alguien hizo sin revelar por qué esa elección era correcta.

Por tanto, un proceso automatizado puede formalizar un mal hábito con la misma facilidad que uno bueno. La dirección debe decidir si el flujo de trabajo descubierto representa la política de la empresa, una excepción necesaria o deuda técnica que debería desaparecer.

Duvo afirma que los responsables humanos aprueban las decisiones que requieren criterio. Los paneles operativos muestran decisiones pendientes y resultados completados, mientras que los cambios en el sistema se registran con fines de auditoría.

Este diseño con intervención humana, en el que las personas aprueban decisiones seleccionadas de los agentes, es esencial para operaciones sensibles. También plantea una cuestión práctica sobre la escala. Si demasiados casos requieren revisión, el agente simplemente traslada el cuello de botella.

La versión más sólida de la tesis de Duvo no es que los empleados deban desaparecer del proceso. Es que el software debe capturar conocimiento repetible y dirigir las decisiones verdaderamente ambiguas a la persona adecuada.

El éxito depende de que ese límite siga siendo preciso a medida que cambia el negocio. Una regla promocional, un acuerdo con proveedores o una política de riesgos que funcionó el trimestre pasado puede dejar de ser válida. Duvo debe mantener actualizado el mapa de procesos en lugar de tratar el descubrimiento como un evento único.

La IA empresarial de Duvo desafía el modelo intensivo en servicios

Duvo apuesta a que el despliegue de IA empresarial puede orientarse al producto antes de que el trabajo de implementación supere el valor del software.

Las grandes organizaciones suelen recurrir a consultores y especialistas en implementación para comprender las operaciones antes de modificarlas. Estos equipos entrevistan a empleados, mapean sistemas, documentan aprobaciones y coordinan software nuevo con controles existentes.

Los ingenieros desplegados en el cliente siguen un modelo relacionado. Trabajan estrechamente con los clientes para adaptar software, integrar datos y crear flujos de trabajo fiables en entornos complejos.

Este enfoque puede ofrecer resultados porque las personas absorben la ambigüedad. También puede hacer que los despliegues sean lentos, caros y difíciles de reproducir entre clientes.

El principal desafío de Duvo a este modelo es directo: el producto debería realizar una mayor parte del descubrimiento y la configuración. Las entrevistas con IA pueden recopilar conocimiento de procesos, los agentes pueden crear mapas de flujo de trabajo y los controles reutilizables pueden reducir la integración personalizada.

Čupr dijo a Pathfounders que Duvo busca comprimir el descubrimiento de procesos de meses a semanas. También sostuvo que una IA empresarial bien diseñada debería ser cada vez más autodesplegable.

Duvo no presenta a todas las consultoras como enemigas. Tiene una alianza con Deloitte Central Europe, que combina experiencia de consultoría con el software de mapeo y ejecución de procesos de Duvo.

Esa asociación revela la probable realidad a corto plazo. Las consultoras pueden convertirse en socios de distribución e implementación incluso cuando el software reduce el trabajo necesario para determinados encargos. Su trabajo estratégico y organizativo puede seguir siendo valioso mientras las herramientas cambian la forma en que se realiza el descubrimiento de procesos.

La presión recae más directamente sobre el trabajo de implementación repetitivo. Si Duvo puede capturar flujos de trabajo más rápido, los clientes cuestionarán los proyectos largos dedicados principalmente a entrevistas, diagramas y configuración manual.

La empresa aún debe demostrar que el enfoque comprimido produce un resultado preciso. La velocidad tiene un valor limitado si una excepción omitida interrumpe posteriormente el inventario, los pagos a proveedores o los informes financieros.

La competencia hará que esa demostración sea más difícil. El mercado de automatización empresarial ya incluye proveedores de automatización robótica de procesos, plataformas de minería de procesos, productos de flujo de trabajo y empresas más nuevas de agentes.

Pathfounders identificó a Orby AI, Skan AI, Mimica, Sola y Scribe entre los competidores relevantes. Estas empresas no ofrecen todas productos idénticos, pero varias abordan la observación de flujos de trabajo, la inteligencia de procesos o la ejecución impulsada por agentes.

La automatización robótica de procesos tradicional, comúnmente llamada RPA, ofrece otro punto de referencia. Las herramientas de RPA suelen reproducir acciones estructuradas de los usuarios, como copiar información entre aplicaciones. Pueden ser eficaces cuando las entradas y las interfaces siguen siendo predecibles.

Duvo sostiene que los agentes de IA pueden manejar más ambigüedad que los scripts rígidos. Según se informa, sus agentes interpretan correos electrónicos, navegan por pantallas, comparan registros y escalan decisiones en lugar de seguir una única ruta fija de clics.

La empresa ha descrito una implementación en sistemas heredados que utiliza Claude de Anthropic, interacción con el navegador, conexiones de herramientas y aprobaciones humanas. Duvo afirma que las capacidades de uso de computadoras permiten a los agentes operar sistemas sin APIs modernas.

Esa flexibilidad amplía el trabajo abordable, pero no elimina el problema de la fiabilidad. Las interfaces gráficas cambian. Los permisos de acceso caducan. Los formatos de datos varían. Una pantalla que parece evidente para una persona puede confundir a un sistema automatizado después de un rediseño menor.

Las integraciones basadas en API tienen sus propios costes, pero por lo general ofrecen contratos más claros que la interacción visual. Duvo debe decidir cuándo la automatización de interfaces es aceptable y cuándo sigue siendo necesaria una integración más profunda.

La dependencia de los modelos plantea otro problema. Un agente puede comportarse de manera diferente tras una actualización del modelo subyacente, especialmente ante entradas ambiguas. Las empresas esperarán que Duvo pruebe esos cambios antes de que afecten decisiones de producción.

Duvo afirma que su arquitectura es independiente del modelo. Según se informa, los clientes pueden utilizar endpoints de nube aprobados, infraestructura dedicada o modelos de pesos abiertos cuando los requisitos de seguridad y soberanía exigen más control.

Ese posicionamiento también genera complejidad operativa. Los distintos modelos varían en calidad de razonamiento, latencia, requisitos de implementación y comportamiento. Admitir varias opciones no garantiza un rendimiento equivalente entre ellas.

Por tanto, la propuesta de IA empresarial de Duvo competirá en algo más que inteligencia. Los compradores compararán el esfuerzo de implementación, la auditabilidad, la seguridad, el manejo de excepciones, el mantenimiento y los resultados empresariales medibles.

La comparación decisiva no es simplemente Duvo frente a consultores o Duvo frente a RPA. Es la implementación convertida en producto frente a la personalización intensiva en mano de obra. Duvo necesita demostrar que su producto puede absorber complejidad sin recrear discretamente un negocio de servicios entre bastidores.

Los Resultados de Clientes Son Prometedores, pero Mayormente Comunicados por la Empresa

Duvo ha publicado mejoras operativas concretas, aunque los compradores aún necesitan evidencia independiente sobre la durabilidad, el coste total y las tasas de excepción.

Duvo afirma haber generado más de 100 millones de dólares en valor para clientes de finanzas, cadena de suministro, operaciones comerciales, atención al cliente, marketing y recursos humanos. Entre sus clientes identificados figuran Morrisons, Holland & Barrett, Boden, Notino, Allegro y Rohlik.

La empresa informa que la conciliación de bonificaciones de proveedores de Notino, que abarca aproximadamente 45 millones de dólares anuales, se redujo de 70 días a 15. Según se informa, el trabajo especializado pasó de unas 120 horas por ciclo a menos de 10.

Duvo también ha publicado afirmaciones detalladas de Rohlik. Afirma que una implementación generó 2,8 millones de euros en ahorros anualizados en tres meses y entró en producción ocho semanas después de la primera conversación.

Según la empresa, la disponibilidad de productos en ese caso aumentó del 78 % al 93 % en dos semanas. Según se informa, las confirmaciones de entregas entrantes crecieron del 52 % al 90 %.

El mismo estudio de caso indica que las negociaciones anuales llegaron a estar automatizadas en alrededor de un 80 %, y que más de 60 empleados a tiempo completo fueron reasignados de la introducción de datos a la negociación estratégica. Duvo también informa revisiones de márgenes más rápidas y un cierre de fin de mes más corto.

Estas cifras facilitan la evaluación de la plataforma de automatización de Duvo más que una afirmación vaga sobre productividad. Vinculan la tecnología con la disponibilidad de inventario, las negociaciones con proveedores, la conciliación y el tiempo de trabajo.

Sin embargo, la mayoría de las métricas detalladas proceden de Duvo o de declaraciones de clientes seleccionadas por Duvo. No se han presentado como resultados de una evaluación controlada e independiente.

Eso no las hace falsas. Significa que los lectores deben tratarlas como resultados comunicados de estudios de caso, y no como referencias universales de rendimiento.

Siguen sin respuesta varias preguntas. El material publicado no separa por completo el valor creado por Duvo del rediseño de procesos, la atención de la dirección u otros cambios operativos realizados durante la implementación.

Los ahorros anualizados también difieren de los ahorros de efectivo realizados. Un proceso nuevo puede identificar una oportunidad sin garantizar que cada importe identificado llegue a la cuenta de resultados.

Los compradores deberían preguntar cómo establece Duvo una línea de base, atribuye las ganancias y contabiliza a los empleados involucrados en la implementación y revisión. También deberían examinar cómo cambian los resultados después de que el proceso inicial se amplía a distintos países, equipos y configuraciones de software.

La fiabilidad requiere una medición igual de específica. Las tasas de finalización por sí solas son insuficientes si los agentes eligen acciones incorrectas o envían demasiados casos a revisores humanos.

Las métricas operativas útiles incluirían la frecuencia de excepciones, las tasas de aprobación, la gravedad de los errores, la frecuencia de reversión y el tiempo que los empleados dedican a supervisar cada proceso. Esas cifras mostrarían si el producto elimina trabajo o cambia su forma.

La seguridad y la gobernanza merecen la misma atención. Duvo afirma que registra las aprobaciones y los cambios escritos en los sistemas de los clientes. También informa contar con certificaciones SOC 2 Type II, ISO 27001 e ISO 42001.

Las certificaciones aportan evidencia de que existen controles definidos, pero no garantizan que cada decisión automatizada sea correcta. Los clientes siguen necesitando permisos, supervisión, pruebas y reglas de escalamiento específicos para cada proceso.

El mercado más amplio de agentes da a los compradores motivos para ser cautelosos. Gartner ha predicho que más del 40 % de los proyectos de IA agéntica serán cancelados antes de finales de 2027. Su previsión sobre proyectos de agentes cita costes crecientes, valor empresarial poco claro y controles de riesgo inadecuados.

Duvo se posiciona explícitamente frente a esos modos de fallo. Hace hincapié en resultados medibles, aprobaciones gobernadas, conexiones reutilizables e implementación en sistemas que los clientes ya operan.

No obstante, la empresa debe afrontar las mismas presiones económicas. Las llamadas a modelos, las sesiones de navegador, el soporte, la supervisión y la revisión humana contribuyen al coste real de un proceso automatizado.

Un flujo de trabajo que genera valor significativo puede justificar esos costes. Un proceso de bajo valor con excepciones frecuentes quizá nunca llegue a ser rentable, por muy capaz que parezca el agente en una demostración.

La retención de clientes ofrecerá una prueba más sólida que los primeros estudios de caso. Las expansiones a departamentos adicionales sugerirían que la plataforma compartida produce valor acumulativo. Las renovaciones limitadas implicarían que el rendimiento depende de procesos excepcionalmente favorables.

La Serie A de Duvo da a la empresa tiempo para reunir esa evidencia. No resuelve la cuestión de si los resultados se mantienen estables entre clientes, sectores y condiciones operativas cambiantes.

Tres Señales Mostrarán si Duvo Puede Escalar

La próxima prueba de Duvo es si su ventaja en el descubrimiento de procesos produce implementaciones repetibles, una adopción más amplia por parte de los clientes y una economía operativa sostenible.

La primera señal es la expansión dentro de los clientes existentes. Duvo afirma que una plataforma puede respaldar procesos de finanzas, cadena de suministro, atención al cliente, marketing y recursos humanos.

Los compradores deberían observar si los clientes pasan de un flujo de trabajo exitoso a varios departamentos. Esa expansión respaldaría el argumento de que las conexiones, los controles y el conocimiento de procesos pueden reutilizarse.

La calidad de esas expansiones importa tanto como su número. Implementar varios flujos de trabajo similares de proveedores es más fácil que pasar a aprobaciones financieras, procesos de personal o decisiones reguladas sobre clientes.

Las implementaciones más amplias reforzarían la afirmación de plataforma de Duvo. Si la mayoría de los clientes siguen limitados a un caso de uso estrecho, el producto podría comportarse más como un proyecto de automatización especializado.

La segunda señal es la evidencia del lanzamiento en Estados Unidos. Duvo ha contratado líderes comerciales experimentados y se dirige a empresas minoristas y de bienes de consumo, donde los sistemas fragmentados de proveedores e inventario crean oportunidades evidentes de automatización.

Los clientes estadounidenses pueden avanzar más rápido durante la evaluación, pero los contratos empresariales aún requieren revisiones de seguridad, legales, de integración y de compras. Duvo debe demostrar que un descubrimiento de procesos más rápido también acorta todo el camino hasta producción.

Los estudios de caso deberían revelar el tiempo de implementación, el personal destinado a la implementación, las tasas de excepción y los resultados realizados. Los testimonios independientes de clientes tendrían más peso que afirmaciones adicionales de valor agregado.

La tercera señal es cómo se mantiene el modelo de Duvo frente a competidores y socios de consultoría. Los rivales en descubrimiento de flujos de trabajo y automatización con agentes seguirán mejorando, mientras que los proveedores de automatización establecidos pueden añadir IA generativa a sus plataformas instaladas.

Las consultoras también tienen opciones. Pueden distribuir Duvo, adoptar productos competidores, crear herramientas internas o conservar un descubrimiento más manual cuando los clientes valoran el análisis humano.

La estrategia de alianzas de Duvo será puesta a prueba cuando los socios decidan si la plataforma amplía su negocio o comprime trabajo rentable. Un canal de socios repetible respaldaría la afirmación de Duvo de que el software puede mejorar la prestación de consultoría sin eliminar los servicios estratégicos.

La evidencia técnica importará dentro de las tres señales. Duvo debería demostrar cómo responden sus agentes cuando cambia una pantalla, un empleado da instrucciones contradictorias o un modelo subyacente se comporta de forma diferente.

Los compradores también deberían vigilar la proporción entre decisiones automatizadas y aprobaciones humanas. Una automatización creciente con tasas de error estables reforzaría la tesis. Unas colas de revisión crecientes la debilitarían.

La métrica más reveladora podría ser el tiempo hasta el segundo proceso. Duvo afirma que la primera implementación puede entrar en funcionamiento en semanas. Si los procesos posteriores se vuelven sustancialmente más rápidos, la capa de ejecución compartida estará creando la ventaja prometida.

Si cada nuevo flujo de trabajo requiere otro extenso ciclo de descubrimiento e ingeniería, la economía se parecerá más a la implementación empresarial convencional.

Duvo ha elegido un objetivo difícil pero importante. El trabajo entre sistemas empresariales es costoso precisamente porque combina datos fragmentados, juicio humano e historia organizativa.

La Serie A de Duvo no demuestra que los agentes puedan absorber toda esa complejidad. Financia un intento serio de convertir conocimiento operativo oculto en software gobernado sin reemplazar los sistemas subyacentes.

Los compradores empresariales deberían plantearse ahora una pregunta práctica: ¿reduce Duvo el esfuerzo total necesario para comprender, automatizar y mantener un proceso después de que termina la demostración? Sigan las implementaciones repetidas, los datos independientes sobre resultados y las tasas de revisión humana en los próximos meses. Esas señales mostrarán si la IA empresarial de Duvo se está convirtiendo en infraestructura duradera o en otro piloto prometedor que depende de un soporte excepcional.