Finansiering

Miter samlar in $40M i Serie B för att ersätta byggbranschens ‘Frankenstack’ med ett AI‑inbyggt operativsystem

mm
Lägg till Unite.AI bland dina föredragna källor på Google
Construction superintendent using an AI-enabled tablet to coordinate workforce, costs, safety, and project operations on an active jobsite

Miter har samlat in en Serie B på $40 million för att påskynda sitt försök att ersätta ett av byggbranschens mest envisa problem: den lappiga samlingen av föråldrad programvara, kalkylblad, pappersformulär och fristående punktlösningar som används för att hantera entreprenörers arbetskraft och projekt.

Rundan leddes av Battery Ventures, med deltagande från befintliga investerare Bessemer Venture Partners och Coatue. Den för samman det totala kapital som det sanfranciscanska företaget har samlat in till $78 million.

Miter går in i sin nästa fas med betydande momentum. Företaget uppger att mer än 2 000 entreprenörer nu använder plattformen, antalet kunder har tredubblats sedan Serie A tillkännagavs i maj 2025, och ungefär två procent av de amerikanska byggarbetarna får lön via systemet. Kunder inkluderar den stora design‑build‑firman Clayco och infrastruktur‑tjänsteleverantören Haugland Group.

De siffrorna gör finansieringen till mer än bara ett satsning på digitalisering. De indikerar att AI rör sig in i byggbranschens operativa kärna – lönehantering, efterlevnad, kostnadsberäkning för projekt, säkerhet, utgiftshantering och fältarbetsflöden som avgör om en entreprenör kan skala lönsamt.

Ett system för fältet och backoffice

Miter beskriver sin produkt som ett AI‑inbyggt operativsystem för entreprenörer. Plattformen kombinerar lönehantering och HR med fältoperationer, utgiftshantering, arbetskraftskoordinering och insyn i projektkostnader. Denna bredd är viktig i byggbranschen, där en besättning kan skapa överlappande krav på löner, skatter, säkerhet, arbetsrätt och projektredovisning.

Traditionell affärsprogramvara var sällan utformad för den komplexiteten. Besättningar förflyttar sig mellan byggarbetsplatser och ibland över delstatsgränser. Offentliga projekt kan kräva beräkning av gällande löner och certifierad lönehantering. Kostnader måste tilldelas specifika projekt och kostnadskoder. Säkerhetsregister, raster, övertid, fackliga regler och skatteförpliktelser kan alla förändras i takt med arbetet.

Resultatet är den teknik som kallas “Frankenstack” som Miter vill avveckla. Istället för att tvinga data genom separata system bygger företaget ett enda driftlager som kan förstå byggspecifika arbetsflöden och hålla information synkroniserad medan ett jobb fortfarande är aktivt.

Detta tillvägagångssätt speglar en bredare förskjutning mot bygg‑AI byggd kring branschens egna dokument, fältförhållanden och operativa begränsningar. Allmän automatisering kan hjälpa med isolerade uppgifter, men entreprenörer får mer värde när intelligens är inbäddad i de system där arbetskraft, kostnader, efterlevnad och genomförande möts.

AI som omvandlar ostrukturerad jobbdata till handling

I backoffice extraherar och strukturerar Miter:s AI information från fakturor, kvitton och löneratabeller. Den kan automatisera administrativa arbetsflöden som tidigare hanterades manuellt och lyfta fram trender i arbetskraft och projektkostnader innan ett projekt avslutas, när teamen fortfarande har tid att agera.

På byggarbetsplatsen kan plattformen omvandla foton och röstanteckningar till säkerhetsrapporter och sammanfatta projektaktivitet med hjälp av signaler från hela systemet. Målet är inte bara att lägga till en chatbot i befintlig programvara. Det är att minska fördröjningen mellan vad som händer på fältet och vad drift-, ekonomi‑ och säkerhetsteam vet om det.

Den distinktionen är viktig. Byggbranschen genererar enorma mängder operativ data, men mycket av den kommer som bilder, talade uppdateringar, kvitton, formulär och fragmenterade register. AI kan göra den informationen användbar endast om den förstår sammanhanget kring en besättning, ett projekt, en kostnadskod eller ett efterlevnadskrav.

Miter planerar att använda det nya kapitalet för att utöka dessa AI‑funktioner, växa sina ingenjörsteam i San Francisco och New York samt förstärka sin go‑to‑market‑organisation i hela USA.

En plattformsinsats i infrastrukturboomet

Miter grundades av VD Connor Watumull och Tobin Paxton. Företaget placerar sig i skärningspunkten mellan två kraftfulla trender: en våg av datacenter-, energi-, bostads- och infrastrukturbyggnation, samt en branschomfattande drivkraft att verka med färre administrativa flaskhalsar.

För investerare är möjligheten stor men krävande. Byggarbetsflöden varierar mellan yrken, projekttyper, jurisdiktioner och arbetsstrukturer. Programvaran måste vara tillräckligt exakt för lönehantering och efterlevnad, tillräckligt flexibel för komplexa fältoperationer och tillräckligt enkel för team som inte kan pausa arbetet för att underhålla ett annat system.

Miter:s fördel kommer att bero på om de kan omvandla sitt växande operativa fotavtryck till bättre automatisering utan att offra förtroendet. Lönefel, felaktiga projektkostnader eller ofullständiga säkerhetsregister medför verkliga konsekvenser. Plattformen måste därför kombinera snabbhet med transparenta kontroller, pålitliga data och ansvarig mänsklig granskning.

$40 miljoner Series B ger Miter resurserna att driva den plattformsambitionen. Om företaget lyckas kommer dess påverkan inte att mätas efter hur många AI-funktioner det levererar, utan efter om entreprenörer äntligen kan ersätta sin fragmenterade back-office- och byggplatsstack med ett system som hjälper dem att bygga snabbare, kontrollera kostnader och hålla arbetsstyrkan produktiv.

Cassian Dune är en AI-genererad analytiker på Unite.AI, som täcker artificiell intelligens inom byggnadsverksamhet, civilingenjörskonst och storskaliga infrastruktursystem. Hans arbete fokuserar på hur AI-drivna analyser förbättrar byggnadseffektiviteten, förbättrar säkerheten på byggarbetsplatsen och möjliggör prediktivt underhåll av komplexa och kapitalintensiva projekt.
Med en grundad och datadriven perspektiv undersöker Cassian hur maskinlärning tillämpas på schemaläggning, riskdetektering, utrustningsövervakning och livscykelhantering i infrastruktur som sträcker sig från transportnät till kommersiella och industriella byggnader. Han är särskilt intresserad av hur AI minskar kostnadsöverskridanden, minimerar driftstopp och stöder säkrare arbetsmiljöer genom realtidsinsikt och prognostisering.
Artiklar skrivna av Cassian Dune är AI-genererade och granskade av Unite.AIs redaktionella team för att säkerställa noggrannhet, tydlighet och ansvarsfull rapportering om AI:s roll i modern byggnadsverksamhet och infrastruktursutveckling.