Duvo A 輪融資籌得 3,200 萬美元，但真正難題在於隱性工作

Duvo 完成 3,200 萬美元 A 輪融資，以推動企業營運自動化，但其核心挑戰並不只是把 AI agents 連接至舊有軟件。Duvo 的 A 輪融資支持其嘗試捕捉員工在 ERP 畫面、試算表、供應商入口網站及電郵之間作出的未記錄決策。

Balderton Capital 領投本輪融資，現有投資者 Index Ventures、Northzone 及 Credo Ventures 亦有參與。融資後，Duvo 的累計資金達 4,800 萬美元，並將支持其拓展美國市場，初期聚焦零售及消費品公司。

當中的張力很容易被忽略。企業自動化供應商多年來一直承諾會連接分散的系統。Duvo 認為，更大的障礙其實存在於系統之外，因為關鍵規則、例外情況及變通做法仍留在員工腦海之中。

這個論點令 Duvo 與常見的實施模式形成對照。企業通常要先透過內部團隊、顧問或駐場工程師記錄流程，軟件才可將其自動化。Duvo 希望其產品能自行完成大部分探索工作，然後在有人員審批的情況下執行所得流程。

因此，Duvo 自動化平台結合了兩項困難工作。它必須理解工作實際如何進行，包括各種例外情況，並能在自己無法控制的軟件之間可靠地執行工作。

Duvo A 輪融資支持其跨越 AI 試點的推進

新資金讓 Duvo 有空間驗證：單一自動化層能否支援眾多營運流程，而不會變成另一批彼此孤立的專案。

Duvo 於 2026 年 10 月 14 日公布融資。其融資公告指出，公司將利用本輪資金拓展美國業務，先從零售商及消費品企業開始。

這一市場選擇反映了 Duvo 的起源。共同創辦人兼行政總裁 Tomáš Čupr 亦創辦了歐洲網上雜貨商 Rohlik Group。零售營運讓他接觸到分散於庫存系統、供應商通訊、財務工具及由各地維護的試算表之中的工作流程。

這些工作流程很少會像整潔的軟件流程圖般運作。採購人員可能要比對電郵與 ERP 紀錄、審閱合約條款、聯絡供應商，並把例外情況上報。即使職銜相同，另一名員工亦可能採用不同規則，因為其供應商的運作方式不同。

Duvo 將其產品描述為 Enterprise Execution OS。這個名稱指的是一個共用層，讓人員及 AI agents 可在既有企業應用程式之間探索、執行、審批及監察流程。

公司並非建議客戶立即取代其 ERP 或倉庫管理系統。相反，Duvo 的目標是置於這些系統之上。在可用的情況下，其 agents 會使用 API；若系統沒有合適的連接方式，則會與既有用戶介面互動。

這個分別十分重要，因為大部分大型企業都不能把替換核心軟件當作隨意的實驗。其系統保存財務紀錄、供應商資料、庫存狀況及審批控制。即使應用程式已經過時，亦可能因大量其他流程依賴它而仍屬不可或缺。

Duvo 表示，其平台可為多個流程建立同一套連接方式、審批規則及營運紀錄。若這項說法成立，第二個自動化流程所需重用的基礎設施應會多於第一個。

這比交付一次成功示範更具影響力。試點可以依賴密集的工程支援及精心挑選的個案而成功。平台則必須在介面、人員、政策及商業條件變化時持續運作。

Duvo 的 A 輪融資亦支持更直接的商業拓展。曾任職 Databricks 和 Salesforce 的高層 Michael Green 已加入，負責帶領商業擴張；前 Kmart 總裁兼 Accenture 董事總經理 Spencer Insolia 則負責美國業務。

這些任命顯示，企業市場分銷如今與產品開發同樣重要。Duvo 必須進入複雜組織、識別高價值流程、通過安全審查，並在不讓部署工作吞噬其經濟效益的前提下，展示可量度的回報。

因此，這筆融資不只是對 agent 能力的押注，而是押注流程探索、實施、管治及量度可成為同一產品中可重複進行的部分。

為何未被記錄的知識阻礙企業自動化

Duvo 最重要的論點是：在實際執行流程的人員說明例外情況之前，企業流程始終並不完整。

據報 Čupr 在嘗試於 Rohlik 引入 agents 時得出這個結論。員工可以辨識重複性工作，但要記錄整個流程卻更困難。許多決定依賴從未寫進手冊、資料庫或工作流程工具的經驗。

Čupr 在談及人類 API 問題的訪問中表示，人們往往充當彼此斷開系統之間的介面。他們閱讀一個畫面、記住一項未寫明的規則、解讀訊息，然後在另一處輸入結果。

這種模式有助解釋，為何傳統自動化經常只能處理流程中可預測的核心部分，卻把混亂的邊緣情況留給員工。指令碼可以複製已知欄位；但若供應商在同一封電郵中部分確認訂單，同時對價格提出異議，它便難以處理。

Duvo Clarity 是公司的探索元件，旨在捕捉這些缺失的脈絡。根據 Duvo 的說法，它結合由 AI 主導的員工訪談、螢幕錄影及既有文件，以繪製工作在實務中如何進行。

流程圖不能只包括點擊次序。它還須識別決策負責人、審批要求、常見例外情況，以及員工在選擇行動時所依據的證據。

這令流程探索成為知識問題。企業首先需要找出員工所知、區分政策與習慣，並決定哪些判斷可安全地轉化為規則。

相同挑戰亦見於個人及團隊知識系統。當重要脈絡仍分散於對話及個人記憶之中，文件只能提供部分答案。可搜尋的知識庫在保留脈絡而非只是收集檔案時，才會真正有用。

Duvo 將類似原則應用於營運執行。它尋求把隱性知識轉化為 agent 可遵循的受控流程，同時在人員已定義的決策節點保留人員參與。

其機制大致分為三個階段。第一，系統觀察並記錄目前的工作流程。第二，系統辨識適合自動化的步驟，以及需要審批的步驟。第三，agents 在已連接系統之間執行獲批准的行動，同時記錄所發生的事情。

最後一個階段將流程記錄與流程執行區分開來。顧問服務及流程採礦工具可揭示低效率之處，但實施改善措施可能仍需另一個專案。

Duvo 希望讓探索與執行共用同一系統。這種連接或可縮短發現問題與改變營運之間的距離。

它同時亦引入風險。員工的說明可能不完整、前後不一，或受本地變通做法影響。螢幕錄影可能顯示某人做了甚麼，卻未必揭示為何該選擇正確。

因此，自動化流程可以輕易把壞習慣正式化，如同把好習慣正式化一樣。管理層必須判斷，所發現的工作流程代表公司政策、必要的例外情況，還是應該消除的技術債。

Duvo 表示，需要判斷的決定會由人類負責人審批。營運儀表板會顯示待決決定及已完成結果，而系統變更則會被記錄，以供審計之用。

這種人類參與迴路設計，即由人員審批指定 agent 決定，對敏感營運至關重要。但它亦帶來一個有關規模的實際問題：若太多個案需要覆核，agent 只不過是把瓶頸轉移到另一處。

Duvo 論點最有力的版本並非員工應從流程中消失，而是軟件應捕捉可重複的知識，同時把真正含糊的決定交由合適的人員處理。

成功取決於這條界線能否隨業務變化而保持準確。上季有效的推廣規則、供應商協議或風險政策，未必仍然適用。Duvo 必須令流程圖保持最新，而非把探索視為一次性事件。

Duvo Enterprise AI 挑戰高度依賴服務的模式

Duvo 正押注企業 AI 部署可在實施人力壓倒軟件價值之前，成為以產品主導的模式。

大型組織在改變營運前，通常會聘用顧問及實施專家了解其運作。這些團隊訪問員工、繪製系統圖、記錄審批程序，並協調新軟件與既有控制措施。

駐場工程師採用相關模式。他們與客戶緊密合作，調整軟件、整合資料，並在複雜環境中建立可靠工作流程。

這種方法可取得成果，因為人類能吸收模糊性。但它亦會令部署緩慢、昂貴，且難以在不同客戶之間複製。

Duvo 對此模式的主要挑戰很直接：產品應自行完成更多探索及配置工作。AI 訪談可收集流程知識，agents 可建立工作流程圖，而可重用的控制措施可減少自訂整合。

Čupr 向 Pathfounders 表示，Duvo 的目標是把流程探索時間由數月壓縮至數星期。他亦認為，設計完善的 enterprise AI 應愈來愈能夠自行部署。

Duvo 並未將每一家顧問公司視為敵人。它與 Deloitte Central Europe 建立聯盟，將顧問專長與 Duvo 的流程繪製及執行軟件結合。

這項合作揭示短期內較可能出現的現實。即使軟件減少某些項目所需的人力，顧問公司仍可成為分銷及實施夥伴。在工具改變流程探索方式的同時，它們的策略及組織工作仍可保有價值。

壓力最直接落在重複性的實施工作上。若 Duvo 能更快捕捉工作流程，客戶將會質疑那些主要用於訪談、繪圖及人手配置的長期專案。

公司仍須證明，這種壓縮後的方法可產生準確結果。若遺漏某項例外情況，日後擾亂庫存、供應商付款或財務報告，速度的價值便相當有限。

競爭會令這項證明更困難。企業自動化市場已包括 robotic process automation 供應商、流程採礦平台、工作流程產品及較新的 agent 公司。

Pathfounders 列出 Orby AI、Skan AI、Mimica、Sola 及 Scribe 為相關競爭者。這些公司提供的產品並不完全相同，但當中有數家涉及工作流程觀察、流程智能或由 agent 驅動的執行。

傳統的機械人流程自動化（RPA）提供了另一個參考點。RPA 工具通常會重現結構化的使用者操作，例如在應用程式之間複製資料。當輸入和介面維持可預測時，這類工具可以相當有效。

Duvo 認為，AI 代理能處理比僵化腳本更多的不確定性。據稱，其代理可以解讀電郵、瀏覽畫面、比對記錄，以及將決策升級處理，而非只遵循一條固定的點擊路徑。

該公司曾描述一項採用 Anthropic Claude、瀏覽器互動、工具連接和人工審批的舊系統部署。Duvo 表示，電腦使用能力讓代理可在沒有現代 API 的情況下操作系統。

這種靈活性擴大了可處理工作的範圍，但並未消除可靠性問題。圖形介面會改變，存取權限會失效，資料格式亦各有不同。對人類而言一目了然的畫面，在經過細微重新設計後，可能令自動化系統感到困惑。

以 API 為基礎的整合亦有其成本，但通常比視覺互動提供更清晰的契約。Duvo 必須判斷何時可接受介面自動化，以及何時仍有必要進行更深入的整合。

模型依賴是另一個問題。基礎模型更新後，代理的行為可能有所不同，尤其是在處理含糊的輸入時。企業將期望 Duvo 在這些變動影響生產決策前先作測試。

Duvo 表示，其架構不依賴特定模型。據稱，客戶可按安全及主權要求選用經批准的雲端端點、專用基礎設施或開放權重模型，以取得更大控制權。

這種定位亦帶來營運複雜性。不同模型在推理品質、延遲、部署要求及行為方面各有差異。支援多個選項並不保證它們都有同等效能。

因此，Duvo 的企業 AI 方案競爭的不只是智能。買家將比較實施工作量、可審計性、安全性、例外處理、維護，以及可量度的業務成果。

關鍵的比較不單是 Duvo 與顧問公司，或 Duvo 與 RPA 的較量，而是產品化部署與勞力密集式客製化之間的對比。Duvo 需要證明其產品可承擔複雜性，而不會在幕後悄然重建一門服務業務。

客戶成果令人鼓舞，但大多由公司自行報告

Duvo 已公布具體的營運改善成果，但買家仍需要關於持久性、總成本及例外率的獨立證據。

Duvo 表示，已為金融、供應鏈、商業營運、客戶服務、市場推廣及人力資源領域的客戶創造超過 1 億美元價值。其具名客戶包括 Morrisons、Holland & Barrett、Boden、Notino、Allegro 和 Rohlik。

公司報告指出，Notino 每年涉及約 4,500 萬美元的供應商獎金對賬工作，已由 70 天縮短至 15 天。據稱，每個週期的專業工作時間亦由約 120 小時降至不足 10 小時。

Duvo 亦公布了 Rohlik 的詳細主張。公司表示，一項部署在三個月內產生了 280 萬歐元的年化節省，並在首次討論後八星期投入生產。

根據公司資料，該案例的產品供應率在兩星期內由 78% 升至 93%。據稱，入庫交付確認率則由 52% 增至 90%。

同一案例研究指出，年度談判約有 80% 已實現自動化，超過 60 名全職員工由資料輸入工作轉向策略性談判。Duvo 亦報告了更快的利潤率審查及更短的月結時間。

這些數字令 Duvo 自動化平台比起含糊的生產力主張更容易評估。它們將技術與庫存供應、供應商談判、對賬及工作時間聯繫起來。

不過，大部分詳細指標來自 Duvo 或由 Duvo 挑選的客戶陳述。這些結果並非以獨立受控評估的形式呈現。

這並不表示它們不實。這意味讀者應把它們視為已報告的案例研究成果，而非普遍適用的效能基準。

仍有數個問題未獲解答。已公布的資料未能完全區分 Duvo 創造的價值，與部署期間進行的流程重設、管理層關注或其他營運變動所帶來的價值。

年化節省亦不同於已實現的現金節省。新流程或可識別機會，但不能保證每筆識別出的金額最終都會反映於損益表。

買家應了解 Duvo 如何建立基準、歸因收益，以及如何計入參與實施和審查的員工成本。他們亦應檢視，當初始流程擴展至不同國家、團隊及軟件配置後，成果會如何改變。

可靠性同樣需要具體的量度。若代理作出錯誤行動，或把過多個案交由人工審查，單看完成率並不足夠。

有用的營運指標包括例外發生頻率、審批率、錯誤嚴重程度、回復原狀頻率，以及員工監督每項流程所花的時間。這些數字可顯示產品是消除了工作，還是只改變了工作的形式。

安全及管治同樣值得關注。Duvo 表示會記錄審批以及寫入客戶系統的變動。公司亦表示持有 SOC 2 Type II、ISO 27001 及 ISO 42001 認證。

認證可證明既定控制措施存在，但並不保證每項自動化決策都正確。客戶仍需要針對流程的權限設定、監控、測試及升級處理規則。

更廣泛的代理市場令買家有理由保持審慎。Gartner 預測，超過 40% 的代理式 AI 專案將在 2027 年底前被取消。其代理專案預測提到成本上升、業務價值不明確及風險控制不足。

Duvo 明確將自身定位為能避免這些失敗模式的方案。它強調可量度的成果、受管治的審批、可重用的連接，以及在客戶既有系統上的部署。

不過，公司仍必須面對同樣的經濟壓力。模型呼叫、瀏覽器工作階段、支援、監控及人工審查，都會構成自動化流程的實際成本。

能創造顯著價值的工作流程足以證明這些成本合理。例外情況頻繁的低價值流程，無論代理在示範中看起來多麼強大，都可能永遠無法達致經濟效益。

客戶續約將比早期案例研究提供更有力的測試。擴展至更多部門，將表明共享平台能產生累積價值。有限度的續約則意味效能可能依賴於異常有利的流程。

Duvo 的 A 輪融資為公司爭取了時間蒐集這些證據。但這並未解決一個問題：成果是否能在不同客戶、行業及不斷變化的營運條件下維持穩定。

三個訊號將顯示 Duvo 能否擴展規模

Duvo 的下一項考驗，是其流程探索優勢能否帶來可重複的部署、更廣泛的客戶採用，以及可持續的營運經濟效益。

第一個訊號是現有客戶內部的擴展。Duvo 表示，一個平台可支援金融、供應鏈、客戶服務、市場推廣及人力資源等流程。

買家應留意客戶會否由一個成功工作流程擴展至多個部門。這種擴展將支持一項論點：連接、控制措施及流程知識可以重用。

這些擴展的質素與數量同樣重要。部署多個相似的供應商流程，會比跨越至財務審批、勞動力流程或受監管的客戶決策更容易。

更廣泛的部署將加強 Duvo 的平台主張。若大部分客戶仍局限於單一狹窄使用案例，產品的表現可能更像一個專門的自動化專案。

第二個訊號是美國市場推出所帶來的證據。Duvo 已聘請具經驗的商務領導人，並瞄準零售及消費品公司；這些企業分散的供應商和庫存系統帶來明顯的自動化機會。

美國客戶在評估期間可能進展更快，但企業合約仍需要安全、法律、整合及採購審查。Duvo 必須證明，更快的流程探索亦能縮短通往生產環境的整個路徑。

案例研究應披露部署時間、實施人員配置、例外率及實際成果。獨立客戶的說法會比更多匯總價值主張更具分量。

第三個訊號是 Duvo 的模式如何經受競爭對手及顧問合作夥伴的考驗。流程探索和代理自動化領域的競爭對手將持續改進，而既有自動化供應商可將生成式 AI 加入其已安裝的平台。

顧問公司亦有多種選擇。它們可分銷 Duvo、採用競爭產品、建立內部工具，或在客戶重視人工分析時保留更多人手流程探索。

當合作夥伴決定平台是擴大其業務，還是壓縮有利可圖的工作時，Duvo 的聯盟策略將受到考驗。可重複的合作夥伴渠道將支持 Duvo 的主張：軟件可以改善顧問服務交付，而無須消除策略性服務。

技術證據將在全部三個訊號中發揮作用。Duvo 應展示其代理如何應對畫面變更、員工給出互相矛盾的指示，或基礎模型出現不同表現的情況。

買家亦應留意自動化決策與人工審批之間的比例。在錯誤率維持穩定下，自動化程度上升將加強這項論點；不斷增加的審查隊列則會削弱它。

最具啟示性的指標可能是第二個流程所需的時間。Duvo 表示，首次部署可於數星期內上線。若後續流程明顯加快，便代表共享執行層正在創造承諾中的槓桿效應。

若每個新工作流程都需要另一輪大規模的探索和工程週期，其經濟效益將更接近傳統企業實施。

Duvo 選擇了一個艱難但重要的目標。企業系統之間的工作成本高昂，正因它結合了分散資料、人類判斷及組織歷史。

Duvo 的 A 輪融資並未證明代理能承擔所有這些複雜性。它資助了一項認真的嘗試：在不取代底層系統的情況下，將隱藏的營運知識轉化為受管治的軟件。

企業買家現在應提出一個實際問題：在示範結束後，Duvo 是否能減少理解、自動化及維護流程所需的總工作量？未來數月應追蹤重複部署、獨立成果數據及人工審查率。這些訊號將顯示 Duvo 企業 AI 正在成為持久的基礎設施，還是另一個依賴特殊支援、前景可期的試點。