CADDi llega a 1.200 millones de dólares resolviendo el problema que nadie había digitalizado bien
Hay un problema que cualquier director de operaciones de manufactura reconoce al instante: su empresa compra la misma pieza, de distintos proveedores, a distintos precios, sin saber que ya la compró antes. No porque los ingenieros sean descuidados. Sino porque el conocimiento sobre qué se compró, por qué se eligió ese proveedor y qué defectos tuvo esa parte vive en archivos CAD dispersos, en sistemas ERP que no hablan entre sí y, sobre todo, en la cabeza de un ingeniero con treinta años de experiencia que se jubila el próximo trimestre.
CADDi, una startup con sede en Tokio y Chicago, identificó ese punto de ruptura hace ocho años y construyó software para atacarlo. Esta semana cerró una ronda Serie D de 114 millones de dólares que la valúa en 1.200 millones de dólares, más del doble de los 470 millones que reportaba en marzo de 2025. El total acumulado de financiamiento llega a 234 millones de dólares.
Lo que hace interesante este caso no es la cifra. Es la pregunta de fondo que esa cifra responde: ¿en qué momento exacto una empresa de software de manufactura deja de ser un nicho y se convierte en infraestructura?
El conocimiento que no está en ningún servidor
El punto de partida de CADDi fue honestamente modesto. Su primer producto, CADDi Drawer, hacía una sola cosa: ingería planos técnicos y buscaba en la base de datos del cliente si ya existía una pieza igual o similar. La propuesta era concreta: antes de pedir una cotización nueva, el sistema te mostraba si ya tenías esa pieza en inventario, qué proveedor la había fabricado y cuál había sido su tasa de defectos.
Ese nivel de especificidad no es trivial. Resolverlo requiere que el software entienda dibujos técnicos y archivos CAD, no texto. Y ahí está la diferencia técnica que Yushiro Kato, fundador y CEO de la compañía, señaló directamente: "Nunca he visto a nadie que use modelos de lenguaje para hacer revisiones de diseño, porque no entienden los planos ni los archivos CAD." CADDi usa un modelo de IA propio para datos de producto como dibujos y archivos CAD, y modelos de lenguaje de propósito general solo para documentos y hojas de cálculo. La distinción importa porque marca el límite entre un chatbot con contexto manufacturero y un sistema que puede leer la geometría de una pieza.
Lo que la empresa construyó desde ese producto inicial es lo que justifica la valoración actual. El catálogo ahora incluye CADDi Explorer, que reemplaza al Drawer original, y CADDi Agent, un agente de IA que ayuda a tomar decisiones sobre estandarización de partes y a evaluar cómo un cambio de diseño impacta el rendimiento y la seguridad. A eso se suman seis productos de flujo de trabajo dirigidos a tareas específicas, entre ellos CADDi Design Review, que detecta errores potenciales en planos nuevos comparándolos con problemas históricos de piezas similares.
La arquitectura de conjunto forma lo que CADDi llama una "plataforma de datos de IA para manufactura": un sistema que integra archivos CAD, ERP y hasta sistemas de recursos humanos, y estructura esa información para que tanto personas como agentes de IA puedan usarla operativamente. La ambición es ser la capa de inteligencia sobre la cual se toman decisiones de diseño, compras, calidad y ejecución, no un módulo adicional del ERP.
Kato sostiene que más del 80% del conocimiento sobre los procesos de manufactura nunca se registra en ningún sistema. Vive en la memoria de los trabajadores con experiencia. Cuando esa persona se va, el conocimiento se va con ella. Eso no es una hipótesis filosófica: es una fricción operativa que se mide en rediseños innecesarios, en ciclos de prototipado que se repiten por problemas ya resueltos hace una década y en proveedores seleccionados sin información sobre su historial real de calidad.
Lo que la lista de inversores indica sobre el mercado que están peleando
La composición del grupo que participó en la Serie D merece más atención que el número total. Ocho inversores, nuevos y existentes, se sumaron: Moore Strategic Ventures, Coreline Ventures, Woven Capital (el fondo de crecimiento de Toyota), Salesforce Ventures, HR Tech Fund (el brazo de inversión corporativa de Recruit Holdings en Japón), además de los existentes Atomico, Globis Capital Partners y los fondos JPS Growth gestionados por una subsidiaria de Japan Post Bank.
Woven Capital, el fondo de Toyota, no invierte en tecnología genérica. Invierte en apuestas que afectan directamente la cadena de producción automotriz. Su participación en una empresa que promete reducir los ciclos de revisión de diseño y capturar el conocimiento tácito de ingenieros veteranos no es una apuesta financiera pasiva; es una señal de que un fabricante de automóviles con décadas de procesos sedimentados ve en CADDi una herramienta que podría modificar su velocidad de desarrollo de producto.
Salesforce Ventures, por su parte, encuadra la inversión con precisión: la manufactura es uno de los sectores más grandes que todavía no tiene una plataforma de IA que defina la categoría. Esa afirmación tiene consecuencias estratégicas claras. Significa que hay espacio para que alguien se instale en la posición que Salesforce ocupa en ventas, o SAP en gestión empresarial, pero en el nivel de inteligencia sobre datos de ingeniería manufacturera. El que ocupe esa posición primero tendrá ventajas de retención muy difíciles de revertir, porque los datos históricos de diseño y calidad que se acumulan en la plataforma se vuelven activos propios del cliente vinculados al sistema.
Eso plantea un escenario de captura progresiva. No por cláusulas contractuales, sino porque migrar a otro sistema significa perder el historial estructurado de revisiones, proveedores, defectos y decisiones de diseño que CADDi fue acumulando. Para un fabricante automotriz que lleva diez años cargando esa información, el costo de cambio no es el precio de una licencia; es la pérdida de memoria institucional digitalizada.
El crecimiento de más del doble año sobre año en ventas, combinado con presencia en 22 países y más de la mitad de los 100 mayores fabricantes de Japón como clientes, sugiere que la empresa ya pasó la fase de validación temprana en su mercado doméstico. La pregunta ahora es si puede replicar esa penetración en Norteamérica, donde la competencia por el presupuesto tecnológico de los fabricantes es más fragmentada y el poder de los incumbentes ERP más entrenado.
El cuello de botella físico como tesis de inversión
Kato tiene una forma de enmarcar el problema que resulta más útil que la mayoría de los discursos de startup. Él lo llama "el cuello de botella físico". La idea es directa: la IA puede generar teorías, diseños y análisis a una velocidad sin precedentes, pero si el proceso de llevar un producto desde el plano hasta la producción en serie sigue tomando cuatro años, la ganancia de velocidad cognitiva se diluye contra la fricción del mundo físico.
Un automóvil típico atraviesa aproximadamente 20 ciclos de revisión de diseño entre la planificación y la entrega al mercado. Muchos de esos ciclos existen porque los problemas no se detectan hasta el prototipo físico. CADDi apuesta a que, si se pueden correr más de esos pasos en paralelo y detectar errores antes mediante el conocimiento acumulado de ingenieros veteranos, el ciclo total se comprime. Su objetivo declarado es reducir ese proceso de cuatro años a cuatro o cinco meses para 2035, lo que implicaría una aceleración de la innovación física de diez veces.
Esa cifra puede sonar ambiciosa hasta el punto de ser irrelevante para un análisis de corto plazo. Pero su función estratégica es otra: define el espacio de valor que CADDi está reclamando frente a sus clientes, inversores y competidores potenciales. No es una empresa que optimiza un paso del proceso. Es una empresa que dice que puede cambiar la velocidad a la que el mundo físico responde a la inteligencia digital.
La credibilidad de esa tesis depende de algo que Kato reconoció sin rodeos como el obstáculo más difícil: la gestión del cambio. Convencer a un ingeniero con veinte años de experiencia de que registre su criterio en un sistema, o de que cambie la forma en que hace revisiones de diseño, no se resuelve con una buena interfaz. Por eso CADDi emplea más de 100 personas de éxito de cliente, más que su fuerza de ventas, y ha comenzado a contratar ingenieros desplegados en campo que trabajan dentro de las organizaciones cliente para asegurar que la adopción se traduzca en impacto medible. El producto vende; la adopción operativa se instala.
Esa decisión de invertir más en retención y adopción que en adquisición refleja un modelo de negocio que apuesta a que el valor por cliente aumenta con el tiempo. Cada nuevo plano cargado, cada decisión de proveedor registrada y cada revisión de diseño documentada hace que el sistema sea más útil para ese cliente específico. La acumulación de datos propios es la forma más tangible de diferenciación que una plataforma de este tipo puede construir, y también es la razón por la que el crecimiento de headcount de 600 a 900 personas en menos de dos años se concentra en ese tipo de perfiles.
La manufactura no se captura desde afuera; se captura desde adentro
El dinero de la Serie D tiene destinos declarados: expansión del catálogo de productos, construcción de modelos de IA específicos para archivos CAD en 3D y planos 2D, expansión global con foco en Norteamérica y contratación. Esos cuatro vectores son consistentes entre sí. Mejorar los modelos de IA propietarios amplía la brecha técnica frente a competidores que dependen de modelos de lenguaje generales. Expandirse en Norteamérica antes de que un competidor bien capitalizado ocupe ese espacio reduce el costo de adquisición futuro. Contratar más customer success asegura que la expansión no genere churns por adopción fallida.
Lo que no aparece en esa lista, y vale notar, es cualquier mención a reducción de costos operativos o a automatización del propio proceso de implementación. Eso dice algo sobre el estado actual del negocio: todavía es intensivo en talento humano del lado de la entrega, lo cual es coherente con la dificultad que Kato reconoció para la gestión del cambio. La empresa aún no encontró, o no decidió apostar por, una forma de escalar la adopción sin escalar el equipo de implementación en la misma proporción.
Ese es el punto de tensión más interesante en la trayectoria que CADDi tiene por delante. Si logra codificar suficiente conocimiento sobre cómo se implementa con éxito en distintos tipos de fabricantes, podría reducir esa dependencia de talento propio. Si no lo logra, el crecimiento tendrá un techo operativo definido por cuántas personas puede contratar y retener en customer success, no por la demanda del mercado.
La valoración de 1.200 millones de dólares descuenta que ese problema se resuelve. Los datos actuales de crecimiento y penetración sugieren que la empresa tiene tiempo y capital suficiente para trabajarlo antes de que se vuelva un problema estructural. Pero ese margen no es indefinido, y la expansión en Norteamérica, donde los ciclos de venta empresarial son más largos y la competencia por presupuesto más intensa, lo estrecha. CADDi ya demostró que el problema que resuelve es real y que los fabricantes pagan por resolverlo. Lo que viene a continuación requiere escalar sin que la complejidad de implementación crezca al mismo ritmo que el número de clientes.
