CADDi Series D、評価額は2倍超に──だが真の試金石は工場データ
CADDiは、評価額12億ドルでSeries Dにおいて1億1,400万ドルを調達した。これにより、製造業AIスタートアップとしての報告上の企業価値は2025年3月以降で2倍以上に拡大した。CADDi Series Dは、AIが工場内にある図面、生産記録、そして文書化されていない意思決定を扱えるかどうかを問う、注目度の高い試金石となる。
東京とシカゴを拠点とする同社が掲げるのは、より優れた汎用チャットボットではない。CADファイル、技術図面、購買記録、基幹業務ソフトウェア、その他の製造システムをまたぐ共通データレイヤーの構築だ。その接続された情報を用い、検索、設計レビュー、購買判断、専門AIエージェントを支援する。
このアプローチでCADDiが対峙するのは、単独のスタートアップをはるかに超える根強い相手である。製造業者はすでに、既存ベンダーの製品ライフサイクル管理、ERP、文書保管、エンジニアリングツールに依存している。CADDiは、新たなインテリジェンスレイヤーが、それらのシステムを別の孤立したリポジトリにならずに接続できることを証明しなければならない。
CADDi Series Dが製造業AIへの投資判断を塗り替える
今回の資金調達が評価しているのは、技術図面を検索する能力だけではなく、CADDiのデータ戦略だ。
このラウンドは2026年9月15日に報じられた。企業側とFortuneが公開した資金調達に関する報道によると、新規および既存の投資家8社が参加した。
新規投資家には、Moore Strategic Ventures、Coreline Ventures、Salesforce Ventures、Toyota支援のWoven Capital、Recruit HoldingsのHR Tech Fundが含まれる。既存投資家のAtomico、Globis Capital Partners、日本郵政銀行の子会社が運用するファンドも参加した。
CADDiの日本語版Series D発表では、取引額を177億円、企業価値を1,820億円としている。累計エクイティ調達額は363.1億円に達したという。
今回の資金調達に先立ち、短期間で大幅な評価見直しがあった。CADDiは2025年3月時点で評価額4億7,000万ドルを報告していた。最新の12億ドルという数字は、その約2.6倍に当たる。
同社によると、今回のラウンドで累計調達額は2億3,400万ドルとなった。この資金は、独自AIの開発、製造業データプラットフォームの拡張、北米を中心とした海外展開、人材採用という4つの優先事項に充てられる。
これらの優先事項は、CADDiの志向がどのように変化したかを示している。同社は当初、重複部品、技術図面、調達判断に関する、より限定的な課題から始まった。現在は、複数のエンジニアリングおよび生産ワークフローを支える情報基盤になることを目指している。
初期製品のCADDi Drawerは、技術図面を取り込み、製造業者の記録から類似部品を見つけ出した。この検索により、顧客は在庫を再利用したり、既存サプライヤーに戻ったり、購買判断を見直したりできた。
CADDiはその後、この製品をCADDi Explorerに改称し、より広範なソフトウェアポートフォリオを整備した。CADDi Agentは定義された製造分析を担い、ワークフローアプリケーションは設計レビュー、原価分析、見積もり、生産準備を対象とする。
この拡張は、ユニコーンという呼称以上に重要だ。図面を探し回ることへの不満は従業員にすぐ理解されるため、検索は有用な導入ポイントとなる。より大きな商機は、その検索インデックスを製品ライフサイクル全体で使われるインフラへと転換できるかにかかっている。
CADDiは、売上高が年率で2倍超のペースで成長しているとするが、売上額や顧客数は開示していない。顧客は22カ国におり、日本の大手製造業者100社の半数超が同社ソフトウェアを利用しているとしている。
これらは監査済み上場企業の指標ではなく、会社側が提供した数値である。それでも、投資家が単一機能の製品ではなく事業拡大を支持する理由を説明する手がかりにはなる。
今回のラウンドはCADDiに、エンタープライズ導入を進める時間も与える。通常こうした導入には、セキュリティレビュー、統合、データ準備、従業員トレーニングが伴う。これらのプロジェクトは、消費者向けソフトウェアの採用サイクルで評価することはできない。
したがって、この資金調達は厳しい基準も生み出す。CADDiは、拡大した製品ラインがエンジニアリング、調達、品質、生産チームにわたって、より深く再現可能な利用を生み出すことを示す必要がある。
製造業データが争奪の対象となった理由
製造業者に情報が不足しているわけではない。異なる人、形式、システムによって作成された情報を、信頼できる形で接続する手段が不足しているのだ。
技術図面には、形状以上の情報が含まれる。材料、公差、表面処理、寸法、改訂履歴、製造上の注記などを含み得る。関連する判断は、購買システム、品質報告書、スプレッドシート、メール、あるいは熟練エンジニアの記憶の中に存在する場合がある。
汎用言語モデルは、アクセスしやすいテキストを扱う際に最も力を発揮する。形状の解釈、視覚的に似た部品の照合、設計変更を生産・品質記録まで追跡する作業では、信頼性が低下しやすい。
CADDiは、二次元図面や三次元CADファイルを含む製造業特有のデータ向けに独自モデルを用い、この隔たりに対応するとしている。文書やスプレッドシートには、汎用の大規模言語モデルを活用する。
この区別が同社の戦略を形づくる。1つのモデルにあらゆる産業フォーマットを理解させるのではなく、プラットフォームは専門的な解釈と広範な言語能力を組み合わせる。
同社の製造業プラットフォームは、概念上4つのレイヤーから成る。第1層は業務データを取り込み、分析する。第2層は関係性とビジネスコンテキストを加える。第3層は検索とエージェントを通じて情報を提供する。その後、ワークフロー製品が新たな判断と成果を取り込む。
この最後の段階は重要だ。日々の業務が継続的に構造化されたコンテキストを追加すると、データプラットフォームはより有用になる。図面検索で過去の不具合が明らかになり、完了したレビューでは、エンジニアが新設計を承認した理由を記録できる。
時間の経過とともに、このループは分断されたファイルを組織の記録へと変え得る。また、文書の保管場所や、以前のチームが特定のサプライヤーを選んだ理由を覚えている従業員への依存も減らせる可能性がある。
CEOの加藤勇志郎氏はFortuneに対し、製造業の業務プロセスに関する知識の80％超は記録されないと語った。CADDiはこの正確な割合を裏付ける独立調査を示していないため、創業者による評価として扱うべきだ。
根底にある課題は広く認識されている。McKinseyの調査では、回答した最高執行責任者の46％が、データまたはIT・OTシステムの制約を指摘した。老朽化したインフラと低品質なデータは、同社の製造業AIに関する調査で特定された具体的な障壁の一部だった。
この結果は、今回のラウンドのタイミングを説明する一助となる。製造業者はAIを試しているが、業務データが断片化したままであるため、多くは限定的な実証実験を超えて進めない。
CADDiは、データの問題をアプリケーションの問題と並行して解決すべきだと賭けている。同社のプラットフォームは、顧客に既存システムすべての廃棄を求めない。それらのシステムから情報を取り込み、関係性を確立し、統合された記録を利用可能にすることを目指す。
このアプローチには実用上の魅力がある。中核ERPや製品ライフサイクル管理システムの置き換えは、複数年にわたるプロジェクトになり得る。インテリジェンスレイヤーは、検索の遅さや重複作業が明確なコストを生むワークフローから始める、より段階的な道筋を約束する。
ただし、断片化されたシステムの上にソフトウェアを重ねても、根本的なデータが自動的に修復されるわけではない。重複する部品名、欠落した改訂情報、一貫しないアクセスルール、不正確な記録には、依然としてガバナンスが必要となる。
AIは接続されたデータセットを照会しやすくできる。しかし、そのデータセットが現在の工場、承認済み仕様、あるいは現場作業者が把握するすべての例外を反映していることまでは保証できない。
そのため資金調達は好機に訪れた一方で、難しい局面でもある。エンタープライズの購買担当者は今すぐ使えるAIを求めているが、それを支えるための情報は、何十年にもわたるソフトウェアと現場慣行に分散したままだ。
CADDiが挑む、断片化された工場ソフトウェアスタック
CADDiの主な相手は、エンジニアリング知識を利用可能な単一の視点で提供することがほとんどない、不可欠なシステム群から成る断片化された工場ソフトウェアスタックだ。
製造業者はすでに、製品設計、企業計画、品質管理、文書管理、調達、工場実行のためのソフトウェアを所有している。Siemens、PTC、Autodesk、Dassault Systèmes、SAP、Oracleなどの大手ベンダーが、この環境の各領域を占めている。
これらのベンダーはCADDiと同じものではない。一部は製品の正本記録を管理し、他は設計、計画、生産を支援する。また、それぞれのプラットフォームにAI機能を追加し続けている。
CADDiの主張は、製造業者がそうしたシステムを導入した後でも、価値ある知識は依然として取得しにくいというものだ。エンジニアは、過去の設計を再利用できるか判断する前に、図面サーバーを検索し、ERP記録を確認し、品質文書を開き、ベテランの同僚に尋ねることになるかもしれない。
このスタートアップは、CADDi Explorerをそのプロセス全体にまたがる発見レイヤーにしたいと考えている。その上でCADDi Agentとワークフロー製品に、定義された分析タスクを担わせる狙いだ。
例えばCADDi Design Reviewは、新しい図面やモデルを、類似部品に関連する問題と照合する。同社によると、これにより潜在的なエラーを早期に検出し、そうでなければ個々のプロジェクト履歴にとどまる教訓を保持できる。
CADDi Agentは、部品の標準化や品質影響評価にも対応する。こうした場面では、ソフトウェアは関連記録を特定し、提案された変更が性能や安全性にどう影響するかを従業員が評価するのを支援しなければならない。
これは、製造業向けインターフェースを備えた汎用アシスタントを提供するよりも、防御可能性の高い提案だ。技術図面や生産履歴には、専門的な取り込み、インデックス化、権限管理、ドメイン上の関係性が必要となる。
同時に、提供の難度も高い。ソフトウェアは、情報を信頼できるかを左右する改訂ステータス、製品コンテキスト、アクセス制御を失わずに記録を接続する必要がある。
CADDiの優位性は、同じデータ基盤上に複数のアプリケーションを展開することから生まれるかもしれない。図面検索から始めた顧客は、ツールごとに別個のデータセットを構築せずに、設計レビュー、原価分析、見積もりのワークフローを追加できる。
リスクは、既存ソフトウェアプロバイダーも同様の道筋をたどれることだ。製品ライフサイクル管理ベンダーはすでに重要なエンジニアリング記録を管理している。ERPプロバイダーは購買と計画のコンテキストを保有する。クラウドプラットフォームは、ストレージ、モデル、エージェント構築ツールを提供できる。
したがってCADDiは、それらのシステムの間で価値を示さなければならない。製造業者の社内統合チームよりも効果的に記録を接続しつつ、既存ベンダーがすでに提供していないアプリケーションを届ける必要がある。
1つの発見製品から6つのワークフロー製品へ拡大したことは、同社がその立場をどう守る計画かを示している。各ワークフローは、より多くの構造化データを生み出し、中核プラットフォームを置き換えにくくする可能性がある。
その戦略は、知識が複利的に蓄積されるシステムに似ている。検索によって過去のデータを利用可能にし、アプリケーションが実務の最中にそれを活用し、完了した業務が後の判断に向けた新たなコンテキストを生み出す。
同時に、慎重なプロダクト規律も求められる。設計、調達、品質、製造エンジニアリングを支援するうちに、各アプリケーションが不可欠なものになる前に、製品群だけが広がってしまう可能性がある。
投資家は、CADDiがこの緊張関係を管理できるかどうかに大きく賭けている。同社は共有インフラとして機能する十分な広がりを持つ一方で、専門ツールと競争できなくなるほど拡散してはならない。
図面検索からAIエージェントへ
CADDiの評価額を支える仕組みは、ファイルを見つけることから、製造コンテキストに基づいて意思決定を実行することへの転換にある。
従来のエンタープライズ検索は、「関連文書はどこにあるか」という所在の問いに答える。CADDiは、自社プラットフォームで「この設計は過去の部品、サプライヤー、コスト、不具合、意思決定とどのようにつながるか」という関係性の問いに答えようとしている。
そのためには、光学式文字認識だけでは足りない。システムはテキストと図形を解釈し、関連する記録を結び付け、ソースシステム由来のメタデータを保持する必要がある。
図面同士の視覚的な一致から、異なるチームがほぼ同一の部品を別々の番号で発注していたことが分かる場合がある。購買データは各部品の価格や製造元のサプライヤーを示せる。品質記録は、あるバージョンで不具合が繰り返し発生したかを明らかにできる。
こうした関係が可視化されると、プラットフォームは単にファイルを取り出すのではなく、事業上の意思決定を支援できる。エンジニアは再利用を評価し、バイヤーは調達履歴を比較し、品質チームは過去の是正措置を確認できる。
AIエージェント層は、このモデルを拡張する。エージェントとは、モデルとツールを使って定義された一連の業務を完了するソフトウェアである。CADDiの場合、関連業務には標準化の機会の分析や、設計変更による影響の評価が含まれる。
図面とCADデータ向けの独自モデルを構築するという同社の判断は、現実的な制約に対応するものだ。Kato氏はFortuneに対し、汎用言語モデルは技術図面を十分に理解できず、単独で設計レビューを行える水準にはないと語った。
だからといって、CADDiのモデルが安全上重要なエンジニアリング変更を独自に承認できるわけではない。同社は自社製品を分析と意思決定支援のツールとして位置付けており、エンジニアリング上の判断に対する責任は人間のチームが担い続ける。
実例として、米国の構造用ファスナーメーカーUnytiteがある。同社はCADDi Drawerを用いて、6万件超の図面と生産文書を一元化した。
CADDiによれば、Unytiteの研究開発チームは、エンジニアリングおよび生産に関する検索時間を90%以上削減した。公開された顧客事例では、品質担当者が図面、アラート、是正措置を相互参照していることも説明されている。
この事例はCADDiが公開したものであるため、この改善効果の主張はベンダー報告による顧客エビデンスとして読むのが適切だ。それでも、検索が有効な出発点となる理由を示している。
初期の課題は理解しやすく、顧客は導入前後で記録を探す時間を測定できる。検索は、複雑な判断を直ちにエージェントへ委ねなくても価値を提供できる。
より難しい段階は、顧客が接続されたデータを用いて設計、購買判断、生産プロセスを変更し始めたときに始まる。その場合、誤りはより大きな業務上の結果を伴う。
誤った検索結果は時間を浪費する。不完全な品質影響評価は、重大なリスクを見落としかねない。この違いにより、トレーサビリティが不可欠になる。
ユーザーは、AIの回答にどの記録が使われたのか、それらが現行リビジョンを示しているのか、不確実性がどこに残るのかを知る必要がある。製造業向けAIは、もっともらしい文章だけに依存することはできない。
CADDiのワークフロー製品は、エージェントを定義済みのコンテキストとタスクに限定することで役立つ可能性がある。あらゆる製造上の質問に答えようとするオープンエンドなアシスタントより、限定的なワークフローの方が評価しやすい。
それでも、製品転換には実証が必要だ。CADDiは、他の場所でのレビュー負担を増やさずに、自社エージェントがエンジニアリングのリードタイムや材料費を削減できることを示さなければならない。
成功すれば、データプラットフォームは検索可能なアーカイブ以上のものになる。メーカーが組織知を再利用し、部門横断で意思決定を調整するための層となる。
評価額が証明しないこと
12億ドルの評価額は投資家の信頼を示すが、CADDiの拡張プラットフォームが持続的な導入を実現したことを裏付けるものではない。
同社は売上高、顧客数、継続率、契約規模、複数製品を利用する顧客の比率を開示していない。これらの指標は、CADDiがインフラになりつつあるのか、それとも有望な導入事例の集合にとどまるのかを評価するうえで重要だ。
報道によれば、過去1年で売上高は2倍超に増加した。基準となる規模や売上高が開示されていないため、この成長を他の産業向けソフトウェア企業と直接比較することはできない。
従業員数も不完全なシグナルを与える。CADDiは2025年初頭のおよそ600人から、約900人へと拡大した。この増員は製品開発と海外販売を支える一方、成長を維持するコストも押し上げる。
北米は特に要求の厳しい市場となる。メーカーごとにデータ成熟度、規制上の義務、社内用語、ソフトウェアアーキテクチャが大きく異なる。ある顧客で機能する統合でも、別の顧客には大幅な適応が必要になる可能性がある。
変革管理も障害となる。Fortuneによれば、Kato氏はこれを導入における最大の障壁と位置付けた。従業員は結果を信頼し、慣れ親しんだプロセスを改め、共有データ層を改善できるだけ一貫して意思決定を記録しなければならない。
ここには難しい循環がある。CADDiは暗黙知を取り込むためにユーザー参加を必要とするが、プラットフォームが確実に役立つようになるまでは、従業員は参加しにくい。
同社はガバナンス上の問題にも対応しなければならない。エンジニアリングファイルには、輸出管理対象の情報、営業秘密、個人データ、サプライヤー契約条件、安全に関わる仕様が含まれる可能性がある。
記録を接続すれば有用性は高まるが、権限管理が不十分だった場合の影響も広がる。検索やエージェントのインターフェースは、複数のソースシステムから引き継がれる制限を尊重する必要がある。
精度はワークフローのレベルで評価する必要がある。モデルはデモでは有効に見えても、特殊な公差、廃止されたリビジョン、文書化されていない生産上の制約を見落とす可能性がある。
製造チームが求めるのは、裏付けのない推奨ではなく、追跡可能な出力だ。また、データを修正し、その修正をシステムへフィードバックするための手順も必要になる。
競争はさらに不確実性を増す。既存のエンジニアリングおよびエンタープライズソフトウェア企業は、すでに顧客が信頼する製品にAIを組み込める。クラウドプロバイダーは、カスタムの検索システムやエージェントを構築するためのツールを提供できる。
既存ベンダーとの関係を維持できるため、一部のメーカーはそれらの選択肢を好むだろう。また、データやワークフローが共有製品には特化しすぎている場合、社内システムを開発する企業もあるだろう。
CADDiの対応は垂直統合だ。同社は、データ取り込み、領域特化の解釈、発見、エージェント、ワークフローアプリケーションを一つのプラットフォームに統合している。
この幅広さが差別化を生むのは、構成要素が相互に強化し合う場合に限られる。導入に広範なサービスや手作業の準備が必要なら、成長を標準化することは難しくなる可能性がある。
最も強い証拠は、次の資金調達発表ではない。顧客が部門をまたいで利用を拡大し、最初の測定可能なユースケースの後にも更新を続けることにある。
CADDiがより多くの運営指標を報告するまでは、その評価額を将来のプラットフォーム到達範囲に関する主張として見るべきだ。それは、同社が接続しようとしている断片化されたシステムをすでに置き換えた証拠ではない。
CADDiの製造業AI戦略を試す3つのシグナル
次の段階は、製品の深度、北米での導入、そして顧客が検索から再現可能なAIワークフローへ移行していることを示す証拠によって評価される。
第1のシグナルは、複数製品の導入だ。CADDiはExplorerからAgentと6つのワークフローアプリケーションへ拡大している。重要な問いは、既存の検索顧客が設計レビュー、コスト分析、見積もり、生産向けのアプリケーションを追加するかどうかである。
この拡大は、プラットフォームという論点を強める。一つの接続された製造データセットが、単一の文書検索製品ではなく、複数のワークフローを支えられることを示すからだ。
限定的な拡大は、逆の方向を示すだろう。それは、図面検索は価値ある課題を解決する一方で、より広範なアプリケーションは導入が難しい、あるいは既存ソフトウェアと重複していることを意味する可能性がある。
第2のシグナルは、北米の顧客成長だ。CADDiは2023年から米国で事業を展開しており、現在はこの地域をグローバル拡大の中心に据える計画だ。
拠点拡大や採用よりも、実名の導入事例、契約更新、顧客からの紹介が重要になる。北米のメーカーは多様なレガシーシステムを運用し、厳格なセキュリティ要件を課すことが多いため、要求の厳しい試験の場となる。
複数業界からのエビデンスは、特に意味を持つ。自動車、産業機器、エレクトロニクス、受託製造はいずれもデータ上の課題を抱えるが、ワークフローと規制圧力は異なる。
第3のシグナルは、AI支援による意思決定の検証可能な業務上の影響だ。検索時間の短縮は有用だが、CADDiのより高い評価額は、設計サイクルの短縮、重複設計の削減、材料費の低下、品質調査の迅速化といった成果にかかっている。
こうした成果には、明確なベースラインと定義された測定期間が必要だ。また、ソフトウェアによる結果と、導入時に加えられたより広範なプロセス変更の効果を区別しなければならない。
CADDiはすでに、自社プラットフォームで削減できた時間や調査時間の短縮など、顧客成果を強調している。より独立して文書化された事例が増えれば、同社のパフォーマンスは評価しやすくなる。
読者は、CADDiが人間による監督をどのように説明するかにも注目すべきだ。検索から設計や品質に関する判断へ移行すれば、説明可能性、権限、検証に対する基準は高くなる。
最も信頼できる拡大は、ソース記録へのリンクを維持し、結果が重大なワークフローに責任ある従業員を関与させ続けるものだ。流暢な回答の裏に不確実性を隠すシステムは、より広範な導入の根拠を弱める。
CADDiの資金調達は、投資家が製造データをエンタープライズAIにとって価値ある基盤と見ていることを示す。この賭けは理解できる。工場には数十年分の知識が蓄積されているが、それを取得、接続、再利用することは依然として難しい。
未解決の問いは、一つのプラットフォームが、その知識をシステム横断で整理しつつ、解決するために構築された断片化を再現せずに済むかどうかだ。
エンジニアリングおよびオペレーションのチームにとって、実践的な対応は、まず測定可能な一つのワークフローを検討することである。従業員が繰り返し図面を探し、過去の判断を再構築し、類似部品を比較している場所を特定する。そのうえで、トレーサビリティを維持しながらプラットフォームがその業務を改善できるかを評価する。
独自の検索可能な技術リポジトリを構築するチームは、エンジニアリング知識ベースが、散在する文書と検索をどのように扱うべきかも確認できる。
これらの初期ワークフローが、部門横断で利用される信頼できるデータ層へ拡大すれば、CADDiのシリーズDは正当化されるだろう。導入が文書検索で止まるなら、この資金調達は有用な製品をはるかに大きなプラットフォームとして再評価したことになる。
今後数件の顧客導入によって、どちらの結果が形になりつつあるのかが明らかになるはずだ。
