ainews
Dili привлекла $21,7M на AI-комплаенс для инфраструктурного бума в США
Стартап Dili поднял $21,7M (Series A от Khosla Ventures) на автоматизацию compliance для строительных проектов — особенно тех, что получают федеральное финансирование. Используют LLM для извлечения данных из документов, а дальше детерминированная система проверяет соответствие сложным федеральным правилам (Davis-Bacon, IRA, OSHA). Уже работают на ~700 проектах — от дата-центров до заводов. Половина клиентов использует как SaaS, половина — outsourcing compliance целиком.
Если вы делаете B2B AI, строите дата-центр или ищете ниши для AI-продуктов — это кейс, как вертикальный AI зарабатывает на скучных, но критичных задачах. Compliance для федеральных проектов — миллиардный рынок, куда consumer-стартапы даже не смотрят.
Что произошло
Dili, стартап из Y Combinator (лето 2023), закрыл Series A на $15M (лид — Khosla Ventures, участвуют Allianz, Rebel Fund, Brick and Mortar Ventures, Garry Tan). Вместе с seed-раундом ($6,7M) общий капитал — $21,7M.
Компания автоматизирует compliance для инфраструктурных проектов в США — особенно тех, что получают федеральные деньги (гранты по IRA, стройки дата-центров, заводов). Суть: федеральные правила (Davis-Bacon по зарплатам, PWA для чистой энергетики, OSHA, EPA) — запутанный клубок, ошибка стоит миллионы в штрафах.
Архитектура Dili: LLM извлекают структурированные данные из документов (контракты, платёжки, ERP, поставщики), а дальше детерминированная система проверяет по чётким правилам — без галлюцинаций. Задача, занимавшая день, теперь — минуты.
Уже используют на ~700 проектах (дата-центры, заводы). Половина клиентов берут как SaaS-инструмент, половина — outsourcing всего процесса. Основатель Ананд Чатурведи ожидает сдвига в сторону in-house SaaS по мере созревания AI.
Автор: Юлия Тарасова · Источник: TechCrunch AI
Разработчикам. Интересная архитектура: LLM только для data extraction (неструктурированные документы → структурированные данные), а compliance-логика — детерминированная, без галлюцинаций. Это шаблон для enterprise AI: ML где нужна гибкость, rule-based где критична точность. Интеграции с ERP, payroll, vendor systems — реальные кейсы для B2B-продуктов.
Бизнесу. Инфраструктурный бум (дата-центры для AI, IRA-проекты) создаёт огромный рынок compliance-as-a-service. Риски штрафов — миллионы, спрос на автоматизацию растёт. Dili показывает путь: не просто SaaS, но и managed service (аутсорс) — можно монетизировать двумя способами. Вертикальный AI-продукт под регулируемые отрасли — сильная ниша.
Инвесторам. Khosla Ventures делает ставку на AI для compliance в regulated industries — это не consumer-хайп, а B2B с предсказуемым revenue и высокими switching costs. Бум дата-центров и IRA создают tailwind на годы. 700 проектов — хорошая traction для Series A. Вопрос: как быстро рынок перейдёт от outsourcing к SaaS и насколько велик TAM за пределами US federal projects.
- Вертикальные AI-compliance инструменты для других регулируемых отраслей (фарма, финансы, медтех) — та же архитектура (LLM для extraction + deterministic rules), другая vertical
- Консалтинг и интеграция для подрядчиков, получающих федеральные гранты (IRA, CHIPS Act) — помощь во внедрении Dili или аналогов
- AI-агенты для автоматизации ERP/payroll интеграций в строительных компаниях — смежная боль, которую Dili решает частично
- Managed compliance-as-a-service для малых и средних подрядчиков, не готовых нанимать in-house команду — модель, на которой Dili уже зарабатывает
- Инструменты для аудита и risk scoring федеральных проектов — для страховых, инвесторов, банков, кредитующих стройки
- Узкая ниша (US federal compliance) — если рынок не взлетит или правила изменятся, рост замедлится
- Зависимость от федерального финансирования инфраструктуры — политические риски, смена администрации может ударить по потоку проектов
- Конкуренция со стороны крупных enterprise-вендоров (Oracle, SAP, Procore), которые могут встроить подобный AI-модуль
- Технический риск: если LLM начнут галлюцинировать на критичных данных (хоть и заявлена deterministic layer), репутация пострадает мгновенно
Dili — отличный пример того, как AI зарабатывает в enterprise: не заменяет людей полностью, а автоматизирует самую скучную и дорогую часть — извлечение данных из документов и проверку по запутанным федеральным правилам. Это не sexy, но это деньги: ошибка в compliance стоит миллионы штрафов, и никто не доверит это чистому LLM. Поэтому гибридная архитектура (ML для extraction, deterministic для проверки) — умное решение.
Инфраструктурный бум (AI дата-центры, IRA, CHIPS Act) даёт Dili огромный tailwind на годы вперёд. 700 проектов — уже не MVP, а реальная traction. Вопрос в том, насколько быстро они смогут масштабироваться и выйти за пределы федеральных проектов — рынок корпоративного строительства тоже огромен, но там другие правила игры. Khosla Ventures, похоже, делает ставку на то, что вертикальный AI для regulated industries — это новая нефть, и они правы.
Комментарии