Duvo A轮融资3,200万美元，但真正难题在于隐性工作

Duvo 完成了3,200万美元的 A 轮融资，用于推动企业运营自动化，但它面临的核心挑战并不只是将 AI 智能体连接到老旧软件。Duvo A轮融资支持的是一项尝试：捕捉员工在 ERP 界面、电子表格、供应商门户和电子邮件之间作出的、尚未被记录的决策。

Balderton Capital 领投本轮，现有投资者 Index Ventures、Northzone 和 Credo Ventures 参与投资。本轮融资使 Duvo 的累计融资额达到4,800万美元，并将支持其进军美国市场，初期重点面向零售和消费包装商品企业。

其中的矛盾不易察觉。多年来，企业自动化供应商始终承诺能连接碎片化系统。Duvo 认为，更大的障碍存在于这些系统之外，因为关键规则、例外情况和变通做法仍留存在员工头脑中。

这一论点使 Duvo 与一种常见的实施模式形成对照。通常，在软件实现自动化前，企业需要通过内部团队、顾问或前线部署工程师来记录流程。Duvo 希望其产品能够自行完成大部分发现工作，再在人工审批下运行由此形成的流程。

因此，Duvo 自动化平台结合了两项困难的工作。它既要理解工作实际如何开展，包括各种例外情况，也要在并不由其控制的软件中可靠地执行这些工作。

Duvo A轮融资推动其超越 AI 试点阶段

这笔新资金让 Duvo 有空间验证：单一自动化层能否支持众多运营流程，而不会演变为又一组彼此孤立的项目。

Duvo 于2026年10月14日宣布这笔融资。其融资公告称，公司将利用本轮资金拓展美国市场，首先服务零售商和消费品企业。

这一市场选择反映了 Duvo 的起源。联合创始人兼 CEO Tomáš Čupr 还创立了欧洲在线杂货商 Rohlik Group。零售运营经历让他接触到分散在库存系统、供应商沟通、财务工具以及本地维护电子表格中的工作流程。

这些工作流程很少像整洁的软件图表那样运行。采购人员可能需要将一封邮件与 ERP 记录进行比对，审核合同条款，联系供应商，并升级处理例外情况。另一位拥有相同职位的员工可能遵循不同规则，因为其负责的供应商采用不同的运营方式。

Duvo 将其产品描述为 Enterprise Execution OS。该术语指的是一个共享层，人员和 AI 智能体可以在其中跨现有企业应用发现、运行、审批和监控流程。

该公司并未建议客户立即替换 ERP 或仓库管理系统。相反，Duvo 的目标是在这些系统之上运行。当 API 可用时，其智能体会使用 API；若系统缺少合适的连接方式，则与现有用户界面交互。

这一区别很重要，因为大多数大型企业无法将核心软件替换视为一次随意的试验。这些系统保存着财务记录、供应商数据、库存状况和审批控制。即使某个应用已经过时，它仍可能不可或缺，因为许多其他流程依赖于它。

Duvo 表示，其平台可以为多个流程建立一套连接、审批规则和运营记录。如果这一说法成立，第二个自动化项目应能复用比第一个更多的基础设施。

这比交付一次成功演示更具影响力。试点项目可以依靠密集的工程支持和经过谨慎筛选的案例取得成功。平台则必须在界面、人员、政策和业务条件变化时持续正常运行。

Duvo A轮融资还支持更直接的商业拓展。曾任职于 Databricks 和 Salesforce 的高管 Michael Green 已加入公司，负责商业扩张。前 Kmart 总裁兼 Accenture 董事总经理 Spencer Insolia 正在负责美国业务。

这些任命表明，企业级市场拓展如今与产品开发同样重要。Duvo 必须进入复杂组织，识别有价值的流程，通过安全审查，并展示可衡量的回报，同时避免部署工作吞噬其商业经济性。

因此，这笔融资不仅是对智能体能力的认可，也是在押注流程发现、实施、治理和衡量能够成为同一产品中可复制的组成部分。

为什么未被记录的知识阻碍企业自动化

Duvo 最重要的论点是：在实际执行流程的人解释各种例外情况之前，企业流程始终是不完整的。

据报道，Čupr 在尝试将智能体引入 Rohlik 时得出了这一结论。员工能够指出重复性工作，但要记录完整流程却更加困难。许多决策依赖于从未进入手册、数据库或工作流工具的经验。

在一场讨论人类 API 问题的访谈中，Čupr 表示，人们往往充当相互断连系统之间的接口。他们查看一个界面，记住一条未写明的规则，解读一条信息，然后将结果录入其他位置。

这一模式有助于解释，为何传统自动化往往能处理流程中可预测的核心部分，却将混乱的边缘情况留给员工。脚本可以复制一个已知字段，但当供应商在同一封邮件中部分确认订单并对价格提出异议时，它便难以应对。

Duvo Clarity 是该公司的发现组件，旨在捕捉这种缺失的上下文。Duvo 表示，它结合了 AI 主导的员工访谈、屏幕录制和现有文档，以梳理工作在实践中是如何开展的。

流程图不能只包含点击顺序。它还需要识别决策负责人、审批要求、常见例外情况，以及员工在选择行动时使用的依据。

这使流程发现成为一个知识问题。企业首先需要找出员工掌握的知识，区分政策与习惯，并确定哪些判断能够安全地转化为规则。

同样的挑战也出现在个人和团队知识系统中。当重要上下文仍分散在对话和个人记忆中时，文档只能提供部分答案。可搜索的知识库只有在保留上下文而非仅仅收集文件时才会发挥作用。

Duvo 将类似原则应用于运营执行。它试图将隐性知识转化为智能体可以遵循的受控流程，同时在明确的决策节点保留人工参与。

这一机制大致分为三个阶段。首先，系统观察并记录当前工作流。其次，它识别适合自动化的步骤以及需要审批的步骤。第三，智能体在相连系统中执行获批操作，同时记录所发生的事项。

最后一个阶段将流程文档与流程执行区分开来。咨询项目和流程挖掘工具能够揭示低效之处，但实施改进可能仍需要另一个项目。

Duvo 希望让发现和执行共享同一套系统。这种连接可能缩短发现问题与改变运营之间的距离。

但这也带来风险。员工的解释可能不完整、不一致，或受到本地变通做法的影响。屏幕录制或许能显示某人做了什么，却未必揭示该选择为何正确。

因此，自动化流程既可能将不良习惯固化，也可能将良好实践固化。管理层必须判断，被发现的工作流代表的是公司政策、必要例外，还是应当消除的技术债务。

Duvo 表示，需要判断的决策将由人工负责人审批。运营仪表板会展示待处理决策和已完成结果，同时系统变更会被记录以供审计。

这种人机协同设计，即由人员审批部分智能体决策，对于敏感运营至关重要。但它也带来了一个有关规模化的现实问题：如果太多案例需要审核，智能体只是将瓶颈转移到了别处。

Duvo 论点最有力的版本并非员工应当从流程中消失，而是软件应捕捉可重复的知识，同时将真正模糊的决策交由合适的人处理。

成功取决于这一边界能否随着业务变化而保持准确。上季度有效的促销规则、供应商协议或风险政策未必持续有效。Duvo 必须保持流程图的更新，而不能将发现视为一次性事件。

Duvo 企业 AI 挑战重服务实施模式

Duvo 正在押注：企业 AI 的部署能够转向产品驱动，而实施人工不会压垮软件本身的价值。

大型组织通常会在改变运营方式前，借助顾问和实施专家来了解业务流程。这些团队访谈员工、梳理系统、记录审批流程，并协调新软件与既有控制机制的衔接。

前线部署工程师遵循相关模式。他们与客户紧密合作，调整软件、集成数据，并在复杂环境中构建可靠工作流。

这种方法之所以能取得成果，是因为人类能够吸收模糊性。但它也可能使部署变得缓慢、昂贵，并且难以在不同客户间复制。

Duvo 对这一模式的主要挑战很直接：产品应完成更多发现与配置工作。AI 访谈可以收集流程知识，智能体可以构建工作流图，而可复用的控制机制可以减少定制集成。

Čupr 告诉 Pathfounders，Duvo 的目标是将流程发现从数月压缩至数周。他还认为，设计良好的企业 AI 应当越来越能够自助部署。

Duvo 并未将每一家咨询公司都视为对手。它与 Deloitte Central Europe 建立了联盟，将咨询专业知识与 Duvo 的流程映射和执行软件相结合。

这一合作揭示了近期可能的现实。即使软件减少了某些项目所需的人力，咨询公司仍可成为分销和实施合作伙伴。其战略和组织层面的工作仍可能具有价值，只是工具将改变流程发现的发生方式。

压力最直接地落在重复性的实施劳动上。如果 Duvo 能够更快捕捉工作流，客户将会质疑那些主要投入于访谈、绘制图表和手动配置的长期项目。

该公司仍需证明，压缩后的方法能够产生准确结果。如果遗漏的例外情况后来扰乱库存、供应商付款或财务报告，速度的价值就十分有限。

竞争将使这一证明更加困难。企业自动化市场已经包括机器人流程自动化供应商、流程挖掘平台、工作流产品和较新的智能体公司。

Pathfounders 将 Orby AI、Skan AI、Mimica、Sola 和 Scribe 列为相关竞争者。这些公司提供的产品并不完全相同，但其中多家涉及工作流观察、流程智能或智能体驱动的执行。

传统的机器人流程自动化（通常称为 RPA）提供了另一个参照点。RPA 工具通常复现结构化的用户操作，例如在应用程序之间复制信息。当输入和界面保持可预测时，它们可能相当有效。

Duvo 认为，AI agent 能够处理比僵化脚本更多的模糊性。据称，其 agent 可以解读电子邮件、浏览屏幕、比对记录并升级决策，而不是沿着一条固定的点击路径操作。

该公司介绍过一项使用 Anthropic 的 Claude、浏览器交互、工具连接和人工审批的遗留系统部署。Duvo 表示，计算机使用能力让 agent 无需现代 API 即可操作系统。

这种灵活性扩大了可自动化工作的范围，但并未消除可靠性问题。图形界面会变化，访问权限会到期，数据格式也各不相同。一个对人来说显而易见的屏幕，经过一次小幅改版后就可能让自动化系统感到困惑。

基于 API 的集成也有自身成本，但通常比视觉交互提供更清晰的契约。Duvo 必须决定何时可以接受界面自动化，何时仍需要更深层的集成。

对模型的依赖带来了另一个问题。底层模型更新后，agent 的行为可能发生变化，尤其是在处理模糊输入时。企业会期待 Duvo 在这些变化影响生产决策之前完成测试。

Duvo 表示其架构与模型无关。据称，客户可根据安全性和主权要求，使用获批准的云端端点、专用基础设施或开放权重模型，以获得更多控制权。

这种定位也带来了运营复杂性。不同模型在推理质量、延迟、部署要求和行为方面各不相同。支持多个选项并不能保证它们都能提供同等表现。

因此，Duvo 的企业 AI 主张将不仅仅在智能水平上展开竞争。买家会比较实施工作量、可审计性、安全性、异常处理、维护以及可量化的业务成果。

决定性的比较并不只是 Duvo 对比顾问公司，或 Duvo 对比 RPA，而是产品化部署对比劳动密集型定制。Duvo 需要证明，其产品能够吸收复杂性，而不会在幕后悄然重建一家服务型企业。

客户成果颇具前景，但大多由公司自行报告

Duvo 已公布了具体的运营改进数据，但买家仍需要关于持续性、总成本和异常率的独立证据。

Duvo 表示，它已在金融、供应链、商业运营、客户服务、营销和人力资源领域为客户创造超过 1 亿美元的价值。其具名客户包括 Morrisons、Holland & Barrett、Boden、Notino、Allegro 和 Rohlik。

该公司称，Notino 对供应商奖金的对账工作（每年涉及约 4500 万美元）已从 70 天缩短至 15 天。据称，专业人员每个周期的工作量也从约 120 小时降至不足 10 小时。

Duvo 还公布了来自 Rohlik 的详细说法。其表示，一项部署在三个月内产生了 280 万欧元的年化节省，并在首次讨论八周后投入生产。

根据该公司的说法，该案例中的产品可用率在两周内从 78% 提升至 93%。据称，入库交付确认率从 52% 提升至 90%。

同一案例研究称，年度谈判约有 80% 实现自动化，超过 60 名全职员工从数据录入转向战略谈判。Duvo 还报告称，利润率审查加快，月末结账周期缩短。

这些数据比笼统的生产力主张更容易评估 Duvo 自动化平台。它们将技术与库存可用性、供应商谈判、对账和工作时间联系起来。

不过，大部分详细指标来自 Duvo 或由 Duvo 选择的客户陈述。它们并非以独立受控评估的结果形式呈现。

这并不意味着它们不真实，而是读者应将其视为案例研究中报告的成果，而非通用的性能基准。

仍有几个问题尚未得到解答。已发布的材料没有充分区分 Duvo 创造的价值与部署期间进行的流程重设计、管理层关注或其他运营变革所带来的价值。

年化节省也不同于实际实现的现金节省。新流程可能识别出机会，却无法保证每一笔识别出的金额都会体现在损益表中。

买家应询问 Duvo 如何建立基线、归因收益，以及如何核算参与实施和审查的员工。他们还应研究，当初始流程扩展到不同国家、团队和软件配置后，结果会如何变化。

可靠性同样需要具体衡量。如果 agent 选择错误操作，或将过多案例转交人工审核，仅看完成率是不够的。

有用的运营指标包括异常发生频率、审批率、错误严重程度、回滚频率，以及员工监督各项流程所花费的时间。这些数据将显示产品究竟是在消除工作，还是仅仅改变工作的形式。

安全和治理同样值得关注。Duvo 表示，它会记录审批过程以及写入客户系统的变更。它还称已获得 SOC 2 Type II、ISO 27001 和 ISO 42001 认证。

认证证明既定控制措施的存在，但无法保证每项自动化决策都是正确的。客户仍需要针对具体流程制定权限、监控、测试和升级规则。

更广泛的 agent 市场给了买家保持谨慎的理由。Gartner 预测，到 2027 年底，超过 40% 的 agentic AI 项目将被取消。其agent 项目预测提到成本上升、商业价值不明确以及风险控制不足。

Duvo 明确将自身定位为应对这些失败模式的方案。它强调可衡量的成果、受治理的审批、可复用的连接，以及跨客户现有系统的部署能力。

不过，该公司仍必须面对同样的经济压力。模型调用、浏览器会话、支持、监控和人工审查都会构成自动化流程的实际成本。

能够创造显著价值的工作流可以证明这些成本合理。一个价值较低且频繁出现异常的流程，无论 agent 在演示中看起来多么强大，都可能永远无法实现经济效益。

客户留存将比早期案例研究提供更有力的检验。向更多部门扩展将表明共享平台正在产生复合价值；有限的续约则意味着性能依赖于异常有利的流程。

Duvo 的 A 轮融资为公司收集这些证据提供了时间，但并未解决成果能否在不同客户、行业和不断变化的运营条件下保持稳定这一问题。

三个信号将显示 Duvo 能否实现规模化

Duvo 的下一项考验是，其流程发现优势能否带来可重复部署、更广泛的客户采用和可持续的运营经济效益。

第一个信号是现有客户内部的扩展。Duvo 表示，一个平台可支持金融、供应链、客户服务、营销和人力资源等领域的流程。

买家应关注客户是否会从一个成功工作流扩展到多个部门。这种扩展将支持这样一种观点：连接、控制和流程知识可以被重复利用。

这些扩展的质量与数量同样重要。部署多个相似的供应商工作流，比进入财务审批、劳动力流程或受监管的客户决策领域更容易。

更广泛的部署将强化 Duvo 的平台主张。如果大多数客户仍局限于一个狭窄用例，该产品可能更像一个专门化的自动化项目。

第二个信号来自其美国市场推广的证据。Duvo 已聘请经验丰富的商业领导者，并将目标锁定在零售和消费品公司；这些企业分散的供应商和库存系统提供了明显的自动化机会。

美国客户在评估期间可能推进得更快，但企业合同仍需经过安全、法律、集成和采购审查。Duvo 必须证明，更快的流程发现也能缩短通往生产环境的完整路径。

案例研究应披露部署时间、实施人员配置、异常率和实际成果。独立客户的陈述将比更多汇总价值主张更具分量。

第三个信号是 Duvo 的模式如何经受竞争对手和咨询合作伙伴的考验。工作流发现和 agent 自动化领域的竞争者将持续改进，而成熟自动化厂商也可以将生成式 AI 添加到其已部署的平台中。

咨询公司同样拥有选择。它们可以分销 Duvo、采用竞争产品、构建内部工具，或在客户重视人工分析时保留更多人工发现工作。

当合作伙伴决定该平台是扩大其业务，还是压缩有利润的工作时，Duvo 的联盟战略将受到检验。可重复的合作伙伴渠道将支持 Duvo 的主张：软件能够改善咨询交付，而不会消除战略服务。

技术证据将在这三个信号中都很重要。Duvo 应展示，当屏幕发生变化、员工给出相互矛盾的指示，或底层模型表现不同，旗下 agent 将如何应对。

买家还应关注自动化决策与人工审批之间的比例。在错误率稳定的情况下，自动化程度提高将强化这一论点；不断增长的审核队列则会削弱它。

最具揭示性的指标或许是到第二个流程的时间。Duvo 表示，首次部署可在数周内上线。如果后续流程显著加快，共享执行层便正在创造所承诺的杠杆效应。

如果每个新工作流都需要再经历一次漫长的发现和工程周期，其经济性将更接近传统企业实施模式。

Duvo 选择了一个艰难但重要的目标。企业系统之间的工作之所以昂贵，正是因为它结合了碎片化数据、人类判断和组织历史。

Duvo 的 A 轮融资并未证明 agent 能够吸收所有这些复杂性。它为一次严肃尝试提供资金：在不替换底层系统的情况下，将隐藏的运营知识转化为受治理的软件。

企业买家现在应提出一个实际问题：在演示结束后，Duvo 是否降低了理解、自动化和维护某项流程所需的总工作量？未来数月应跟踪重复部署、独立结果数据和人工审查率。这些信号将表明，Duvo 企业 AI 正在成为持久的基础设施，还是又一个依赖特殊支持、看似充满前景的试点项目。