CADDi raggiunge 1,2 miliardi di dollari risolvendo il problema che nessuno aveva digitalizzato bene
C'è un problema che qualsiasi direttore delle operazioni manifatturiere riconosce all'istante: la propria azienda acquista lo stesso componente da fornitori diversi, a prezzi diversi, senza sapere di averlo già acquistato in precedenza. Non perché gli ingegneri siano negligenti. Ma perché la conoscenza su cosa è stato acquistato, perché è stato scelto quel fornitore e quali difetti aveva quel componente vive in file CAD dispersi, in sistemi ERP che non comunicano tra loro e, soprattutto, nella testa di un ingegnere con trent'anni di esperienza che andrà in pensione il prossimo trimestre.
CADDi, una startup con sede a Tokyo e Chicago, ha identificato quel punto di rottura otto anni fa e ha costruito un software per affrontarlo. Questa settimana ha chiuso un round Serie D da 114 milioni di dollari che la valuta 1,2 miliardi di dollari, più del doppio dei 470 milioni riportati a marzo 2025. Il totale complessivo dei finanziamenti raggiunte 234 milioni di dollari.
Ciò che rende interessante questo caso non è la cifra. È la domanda di fondo a cui quella cifra risponde: in quale momento preciso un'azienda di software per la manifattura smette di essere una nicchia e diventa infrastruttura?
La conoscenza che non è in nessun server
Il punto di partenza di CADDi era onestamente modesto. Il suo primo prodotto, CADDi Drawer, faceva una sola cosa: acquisiva disegni tecnici e cercava nel database del cliente se esisteva già un componente uguale o simile. La proposta era concreta: prima di richiedere un nuovo preventivo, il sistema mostrava se quel componente era già in magazzino, quale fornitore lo aveva prodotto e qual era stato il suo tasso di difetti.
Quel livello di specificità non è banale. Risolverlo richiede che il software comprenda disegni tecnici e file CAD, non testo. Ed è lì che si trova la differenza tecnica che Yushiro Kato, fondatore e CEO dell'azienda, ha indicato direttamente: "Non ho mai visto nessuno usare modelli linguistici per fare revisioni di progetto, perché non capiscono i disegni né i file CAD." CADDi utilizza un modello di IA proprietario per i dati di prodotto come disegni e file CAD, e modelli linguistici di uso generale solo per documenti e fogli di calcolo. La distinzione è importante perché segna il confine tra un chatbot con contesto manifatturiero e un sistema in grado di leggere la geometria di un componente.
Ciò che l'azienda ha costruito a partire da quel prodotto iniziale è ciò che giustifica la valutazione attuale. Il catalogo include ora CADDi Explorer, che sostituisce il Drawer originale, e CADDi Agent, un agente di IA che aiuta a prendere decisioni sulla standardizzazione dei componenti e a valutare come una modifica di progetto impatta le prestazioni e la sicurezza. A questi si aggiungono sei prodotti per i flussi di lavoro dedicati a compiti specifici, tra cui CADDi Design Review, che rileva potenziali errori in nuovi disegni confrontandoli con problemi storici di componenti simili.
L'architettura complessiva forma quella che CADDi chiama una "piattaforma di dati IA per la manifattura": un sistema che integra file CAD, ERP e persino sistemi per la gestione delle risorse umane, strutturando tali informazioni affinché tanto le persone quanto gli agenti di IA possano utilizzarle operativamente. L'ambizione è quella di essere lo strato di intelligenza su cui si prendono decisioni di progettazione, approvvigionamento, qualità ed esecuzione, non un modulo aggiuntivo dell'ERP.
Kato sostiene che oltre l'80% della conoscenza sui processi manifatturieri non viene mai registrata in alcun sistema. Vive nella memoria dei lavoratori esperti. Quando quella persona se ne va, la conoscenza se ne va con lei. Non si tratta di un'ipotesi filosofica: è un attrito operativo che si misura in riprogettazioni inutili, in cicli di prototipazione che si ripetono per problemi già risolti un decennio fa e in fornitori selezionati senza informazioni sul loro reale storico di qualità.
Ciò che la lista degli investitori rivela sul mercato che si stanno contendendo
La composizione del gruppo che ha partecipato alla Serie D merita più attenzione del numero totale. Otto investitori, nuovi ed esistenti, si sono aggiunti: Moore Strategic Ventures, Coreline Ventures, Woven Capital (il fondo di crescita di Toyota), Salesforce Ventures, HR Tech Fund (il braccio di investimento aziendale di Recruit Holdings in Giappone), oltre agli investitori già presenti Atomico, Globis Capital Partners e i fondi JPS Growth gestiti da una sussidiaria di Japan Post Bank.
Woven Capital, il fondo di Toyota, non investe in tecnologia generica. Investe in scommesse che incidono direttamente sulla catena di produzione automobilistica. La sua partecipazione in un'azienda che promette di ridurre i cicli di revisione del progetto e di catturare la conoscenza tacita di ingegneri veterani non è una scommessa finanziaria passiva; è un segnale che un costruttore di automobili con decenni di processi sedimentati vede in CADDi uno strumento capace di modificare la propria velocità di sviluppo del prodotto.
Salesforce Ventures, da parte sua, inquadra l'investimento con precisione: la manifattura è uno dei settori più grandi che ancora non dispone di una piattaforma di IA in grado di definire la categoria. Questa affermazione ha conseguenze strategiche chiare. Significa che c'è spazio perché qualcuno si installi nella posizione che Salesforce occupa nelle vendite, o SAP nella gestione aziendale, ma al livello dell'intelligenza sui dati ingegneristici manifatturieri. Chi occuperà quella posizione per primo avrà vantaggi di fidelizzazione molto difficili da ribaltare, perché i dati storici di progettazione e qualità che si accumulano sulla piattaforma diventano asset propri del cliente vincolati al sistema.
Ciò configura uno scenario di acquisizione progressiva. Non per clausole contrattuali, ma perché migrare verso un altro sistema significa perdere lo storico strutturato di revisioni, fornitori, difetti e decisioni progettuali che CADDi è andato accumulando. Per un produttore automobilistico che ha caricato quelle informazioni per dieci anni, il costo di cambio non è il prezzo di una licenza; è la perdita di memoria istituzionale digitalizzata.
La crescita di oltre il doppio anno su anno nelle vendite, combinata con la presenza in 22 paesi e con oltre la metà dei 100 maggiori produttori giapponesi come clienti, suggerisce che l'azienda ha già superato la fase di validazione iniziale nel proprio mercato domestico. La domanda ora è se riesce a replicare quella penetrazione in Nord America, dove la concorrenza per i budget tecnologici dei produttori è più frammentata e il potere degli incumbent ERP più radicato.
Il collo di bottiglia fisico come tesi di investimento
Kato ha un modo di inquadrare il problema che risulta più utile della maggior parte dei discorsi delle startup. Lo chiama "il collo di bottiglia fisico". L'idea è diretta: l'IA può generare teorie, progetti e analisi a una velocità senza precedenti, ma se il processo di portare un prodotto dal disegno alla produzione in serie continua a richiedere quattro anni, il guadagno di velocità cognitiva si dissolve contro l'attrito del mondo fisico.
Un'automobile tipica attraversa circa 20 cicli di revisione del progetto tra la pianificazione e la consegna al mercato. Molti di questi cicli esistono perché i problemi non vengono rilevati fino al prototipo fisico. CADDi scommette che, se è possibile eseguire più di questi passaggi in parallelo e rilevare gli errori in anticipo grazie alla conoscenza accumulata di ingegneri veterani, il ciclo complessivo si comprime. L'obiettivo dichiarato è ridurre quel processo da quattro anni a quattro o cinque mesi entro il 2035, il che implicherebbe un'accelerazione dell'innovazione fisica di dieci volte.
Quella cifra può sembrare ambiziosa al punto da risultare irrilevante per un'analisi di breve periodo. Ma la sua funzione strategica è un'altra: definisce lo spazio di valore che CADDi sta rivendicando di fronte ai propri clienti, investitori e potenziali concorrenti. Non è un'azienda che ottimizza una fase del processo. È un'azienda che afferma di poter cambiare la velocità con cui il mondo fisico risponde all'intelligenza digitale.
La credibilità di quella tesi dipende da qualcosa che Kato ha riconosciuto senza mezzi termini come l'ostacolo più difficile: la gestione del cambiamento. Convincere un ingegnere con vent'anni di esperienza a registrare il proprio giudizio in un sistema, o a cambiare il modo in cui conduce le revisioni di progetto, non si risolve con una buona interfaccia. Per questo CADDi impiega più di 100 persone dedicate al successo del cliente, più della propria forza vendita, e ha iniziato ad assumere ingegneri dispiegati sul campo che lavorano all'interno delle organizzazioni clienti per assicurarsi che l'adozione si traduca in un impatto misurabile. Il prodotto si vende; l'adozione operativa si installa.
Quella decisione di investire più nella fidelizzazione e nell'adozione che nell'acquisizione riflette un modello di business che punta sul fatto che il valore per cliente aumenta nel tempo. Ogni nuovo disegno caricato, ogni decisione relativa a un fornitore registrata e ogni revisione di progetto documentata rende il sistema più utile per quel cliente specifico. L'accumulo di dati proprietari è la forma più tangibile di differenziazione che una piattaforma di questo tipo può costruire, ed è anche il motivo per cui la crescita dell'organico da 600 a 900 persone in meno di due anni si concentra su questo tipo di profili.
La manifattura non si conquista dall'esterno; si conquista dall'interno
Il denaro della Serie D ha destinazioni dichiarate: espansione del catalogo di prodotti, sviluppo di modelli di IA specifici per file CAD in 3D e disegni 2D, espansione globale con focus sul Nord America e assunzioni. Questi quattro vettori sono coerenti tra loro. Migliorare i modelli di IA proprietari amplia il divario tecnico rispetto ai concorrenti che dipendono da modelli linguistici generali. Espandersi in Nord America prima che un concorrente ben capitalizzato occupi quello spazio riduce il costo di acquisizione futuro. Assumere più personale dedicato al successo del cliente garantisce che l'espansione non generi abbandoni per adozione fallita.
Ciò che non appare in quella lista, e vale la pena notarlo, è qualsiasi riferimento alla riduzione dei costi operativi o all'automazione del processo di implementazione stesso. Questo dice qualcosa sullo stato attuale del business: è ancora intensivo in termini di talento umano dal lato della delivery, il che è coerente con la difficoltà che Kato ha riconosciuto per la gestione del cambiamento. L'azienda non ha ancora trovato, o non ha ancora deciso di puntare su, un modo per scalare l'adozione senza scalare il team di implementazione nella stessa proporzione.
Questo è il punto di tensione più interessante nella traiettoria che CADDi ha davanti a sé. Se riesce a codificare una conoscenza sufficiente su come implementare con successo presso diversi tipi di produttori, potrebbe ridurre quella dipendenza dal talento interno. Se non ci riesce, la crescita avrà un tetto operativo definito da quante persone può assumere e trattenere nel customer success, non dalla domanda di mercato.
La valutazione di 1,2 miliardi di dollari sconta che quel problema verrà risolto. I dati di crescita e penetrazione attuali suggeriscono che l'azienda ha tempo e capitale sufficienti per lavorarci prima che diventi un problema strutturale. Ma quel margine non è indefinito, e l'espansione in Nord America, dove i cicli di vendita enterprise sono più lunghi e la concorrenza per i budget più intensa, lo restringe. CADDi ha già dimostrato che il problema che risolve è reale e che i produttori pagano per risolverlo. Ciò che viene dopo richiede di scalare senza che la complessità di implementazione cresca allo stesso ritmo del numero di clienti.
