Dili ha levantado 15 millones en Serie A liderada por Khosla Ventures, 21,7 millones en total contando la seed, segun TechCrunch. Vende compliance automatizado para obra con financiacion federal, y ya opera en unos 700 proyectos, de plantas de manufactura a centros de datos.
Puntos clave
- Serie A de 15 millones de dolares liderada por Khosla Ventures. Con la seed de 6,7 millones, el total es 21,7.
- Tambien entran Allianz, Rebel Fund, Brick and Mortar Ventures (de Darren Bechtel) e Y Combinator, de cuyo batch de verano de 2023 salio la empresa.
- Cofundador y consejero delegado: Anand Chaturvedi.
- Operan en unos 700 proyectos simultaneos.
- El producto hace dos cosas en orden: convierte documentos no estructurados en datos estructurados, y despues aplica comprobacion determinista de reglas contra la normativa. Cubre salarios Davis-Bacon, requisitos de salario prevalente y aprendizaje, OSHA y EPA.
- El modelo esta repartido a medias entre licencia de software y servicio de contratista externalizado.
La arquitectura es la parte interesante y no es glamurosa
Dili no usa un modelo para decidir si algo cumple la normativa. Usa un modelo para extraer datos de documentos, y despues aplica reglas deterministas sobre esos datos.
Esa separacion es la unica forma de montar compliance con IA que aguante una inspeccion. Un modelo generativo no puede ser la autoridad sobre si un salario cumple Davis-Bacon, porque no es reproducible: la misma pregunta puede dar respuestas distintas, y no hay forma de auditar por que dijo lo que dijo.
Un motor de reglas si. Si el salario es 34,20 dolares por hora y el prevalente para ese oficio en ese condado es 36,50, la regla dispara siempre, igual, y se puede ensenar a un inspector.
El modelo hace lo que hace bien: leer un albaran escaneado, una nomina en PDF, un parte de obra manuscrito, y sacar de ahi los campos. La decision la toma codigo verificable. Es el mismo patron que OpenAI aplica a los kernels que genera su propio modelo, validandolos con una herramienta determinista antes de produccion.
Por qué ahora y por que centros de datos
Porque hay un boom de obra de infraestructura con dinero publico detras, y ese dinero viene con condiciones.
En Estados Unidos, un proyecto con financiacion federal esta sujeto a Davis-Bacon, que obliga a pagar el salario prevalente de la zona, y a requisitos de aprendizaje que exigen un porcentaje de horas trabajadas por aprendices. Documentar eso a mano en un proyecto con 8.000 trabajadores es imposible sin un ejercito administrativo, y el incumplimiento cuesta millones en multas.
El volumen viene de donde ya sabemos. Brookfield y NextEra acaban de anunciar un campus de mas de 100.000 millones en Kentucky con 8.000 empleos de construccion. Y Meta, Google y BlackRock ponen 265 millones para formar los oficios que van a trabajar en esas obras, lo que multiplica precisamente los requisitos de aprendizaje que Dili verifica.
Que Allianz este en la ronda encaja: una aseguradora tiene interes directo en que el riesgo regulatorio de las obras que cubre sea medible.
El modelo mitad software mitad servicio
Repartir los ingresos a medias entre licencia y contratista externalizado no es lo que un inversor de software quiere ver, porque el servicio escala peor. Pero es honesto sobre donde esta el trabajo: en la casuistica.
Cada estado tiene su variacion, cada tipo de proyecto su normativa, cada cliente sus documentos en un formato distinto. Vender solo software obligaria al cliente a configurar todo eso, y el cliente no puede. Lo mismo pasa en cualquier proyecto de automatizacion serio en una empresa grande: la fase de prueba no se mide en semanas porque las casuisticas son demasiadas.
Por qué importa
El patron de Dili se aplica a cualquier empresa espanola con obligacion documental repetitiva, y en Espana eso es casi cualquiera: prevencion de riesgos, coordinacion de actividades empresariales, certificados de subcontratistas, justificacion de subvenciones y fondos europeos.
El circuito es el mismo y no requiere nada exotico. El modelo lee el documento y extrae los campos. Una regla escrita por ti comprueba si el campo cumple. Y lo que no pasa la regla va a una bandeja para que lo mire una persona.
La tentacion del atajo es pedirle al modelo directamente "dime si esto cumple". No lo hagas. Cuando llegue la inspeccion vas a necesitar ensenar la regla, no el prompt.
Relacionado
Microsoft prohíbe a sus empleados usar Claude Fable 5 por la política de retención de datos de Anthropic
Gritt sale del anonimato con 32 millones para robots que montan plantas solares a 4 veces la velocidad humanaBrookfield y NextEra montan un campus de datos de 100.000 millones en una planta de uranio de Kentucky