美国基建行业正在经历一场扩张潮,数据中心、清洁能源工厂一个接一个开工。但很少有人注意到,这些项目背后有一张密密麻麻的合规网:工资怎么发、谁能雇、安全标准怎么定,稍有差错,罚单能开到几百万美元。Dili 就是盯着这张网做生意的公司,它刚拿到 1500万美元 A轮融资,由 Khosla Ventures 领投。
速读:钱、规则、活儿
这轮融资加上此前 670万美元种子轮,Dili 累计融资 2170万美元。参投方还有 Allianz、Rebel Fund,以及 Brick and Mortar Ventures 的 Darren Bechtel 和 YC 的 Garry Tan——Dili 本身出身 YC 2023夏季批次。
它要解决的合规问题很具体:联邦资金项目要遵守 Davis-Bacon 法案规定的最低工资标准;IRA 拨款的清洁能源项目另有一套工资与学徒制规则;再叠加 OSHA、EPA 各类安全环保要求。CEO Anand Chaturvedi 说得直接:“违规可能让一个项目被罚上百万美元。”
Dili 的软件目前用在 约700个项目上,从制造工厂到数据中心都有。客户分成两种:一半自己用软件在内部跑合规,另一半干脆把整个合规流程外包给 Dili,按承包商模式收费。
关键分水岭:大模型只读,规则来判
真正有意思的地方不在“AI合规”这个词本身,而在架构分工。Dili 把大模型严格限制在数据提取这一层:读公司内部文档、供应商发票、ERP 记录、薪资系统,把一堆非结构化的原始材料翻译成结构化数据。至于合规判断——某项工资是否达标、某类学徒配比是否合规——由一套确定性规则系统来下结论,不经大模型的手。
Chaturvedi 的说法是,这样做能把原来要花一整天的核查压缩到几分钟。这个效率数字来自公司自己的表述,没有独立数据支撑,但架构逻辑是清楚的:模型负责“看懂”,规则负责“说话”。这跟一部分企业软件把大模型直接推去做最终判断的做法,是两条不同的路。
我的判断
“AI合规”这四个字这两年被喊得太滥,几乎成了每个SaaS融资稿的标配开场白。Dili 值得多看一眼,不是因为它喊得响,而是它把责任边界画得比较老实:模型出错,顶多是提取信息不准,还能被规则拦一道;要是让模型直接下合规结论,一旦幻觉,代价是几百万美元的罚款,谁都担不起这个责任。
这套分工听起来稳,但没解决所有问题。数据提取层依然是大模型在跑,一旦读错关键字段,规则系统照单全收,一样会出错——只是错误的性质从“判断错”变成了“输入错”,风险没有消失,只是挪了位置。CEO 说“系统不会让模型的模糊性混进最终结果”,这个说法目前只能算创始人的自我表态,不是经过审计的结论。
更值得琢磨的是那句“软件会开始吞掉专业服务的工作流”。这句话说得轻巧,现实是 Dili 现在一半客户仍然选择把合规整个外包出去,用的是承包商模式,不是自助软件。这个比例本身就是答案:合规不只是数据处理问题,还是责任归属问题——出了错,谁签字、谁担责,企业目前更愿意把这份责任继续交给一个“人”,哪怕这个人背后也是软件在跑。
- 结论.AI合规的胜负手不在模型准不准,而在谁来为错误负责,这才是软件替代专业服务的真正门槛。
- 风险.数据提取层仍由大模型完成,一旦读错关键字段,规则系统会把错误原样放大,而这块的可靠性目前只有创始人一方在担保。
断案权归规则,不归模型,这条边界才是Dili真正的护城河。
基建大潮会持续几年,合规罚单也不会消失。Dili 这轮融资说明资本愿意为“分工清楚的AI”买单,但这套架构能不能扛住更多项目、更复杂的规则组合,现在还只是创始人的一面之词。接下来最该盯的,是那条“一半外包、一半自助”的比例会不会真的往软件一侧倒——如果三年后还是五五开,说明这生意的天花板比想象中低。