Il disclaimer qui è che non sono un consulente finanziario e se scrivo questo testo è solo per condividere con voi cosa ho capito ad oggi del panorama delle startup tecnologiche. Penso che tutta la community sappia bene che non vendo corsi né consulenze quindi il mio unico interesse è scrivere un bell'editoriale e stimolare una conversazione.

Ho dovuto dividere questo articolo in due perché stava venendo troppo lungo e in realtà in questa prima parte parlo un pochino di più delle startup sulle quali non investirei, ma con qualche riferimento anche a settori invece interessanti.

Solo nel 2024, in media è nata una startup AI ogni 4-5 ore (mentre di startup non specificatamente AI, ne nascono 90 al minuto), a livello globale. Indossare la tuta da founder non è mai stato così semplice come oggi: chiunque può vibe codare un prodotto, costruire una landing senza vedere una riga di codice, avviare le campagne su Meta, e se non ti riesce basta chiedere all'IA.

Ma facciamo un passo indietro perché qualcuno potrebbe chiedersi cosa c'entro con il mondo startup: in realtà la mia carriera tech è sempre ruotata intorno al settore, a partire dal 2013, quando sono entrato per la prima volta nell'incubatore fiorentino di Nana Bianca e ho lavorato come designer a numerosi progetti. Poco dopo ho fatto da advisor a centinaia di startup e anche da mentor presso l'incubatore del polo universitario di Sesto Fiorentino. Ho scritto retrospettive qui e qui specializzandomi nella metodologia Lean UX, studiata a fianco al suo fondatore Jeff Gothelf, che ha anche ripubblicato e commentato i miei articoli.

Detto ciò, finiti i convenevoli sull'autorevolezza, iniziamo.

Partiamo dalle parole di Darren Mowry, vicepresidente dell'organizzazione che gestisce le startup di Google a livello globale insieme a Cloud, DeepMind e Alphabet: ci sono due tipi di startup AI che "hanno la spia del motore accesa" — una parabola per indicare che presto smetteranno di correre.

Le due startup alle quali si riferisce sono gli aggregatori e i wrapper — quest'ultimi per intendersi sono i "ChatGPT + interfaccia carina sopra". Attenzione però, Darren parla dei wrapper "generalisti" quindi quelli che ti ottimizzano le email, o ti gestiscono i task della giornata, ti aiutano con la tesi, ti riempiono il calendario, ecc. — ma che di fatto lo fanno fare agli LLM dietro — mentre non si pronuncia contro i wrapper verticali sulle nicchie: ad esempio "ChatGPT addestrato per gli avvocati + interfaccia carina + data moat." Con "data moat" si intendono quei servizi che raccolgono dati degli utenti e li memorizzano in maniera intelligente, in modo da riutilizzarli successivamente o addestrarci un'IA.

Quindi se hai un wrapper AI che non è abbastanza verticale su una specifica nicchia di professionisti o utenti, potresti essere contento perché hai venduto delle licenze ma i grandi LLM sfornano nuove funzionalità a velocità impareggiabili e presto sforneranno anche la tua — come farai a combattere contro un OpenAI che non solo potrebbe fare meglio di te quello che stai facendo, ma offre anche un'ecosistema enorme di servizi interconnessi fra loro? Invece, un wrapper che si occupa di semplificare la vita agli (sparo a caso) avvocati in Italia con uno studio e che si occupano di un certo tipo di casi, ecco questo è un esempio di nicchia che può sopravvivere.

Il confine tra wrapper AI e non è sottile: di fatto diventi "wrapper" se l'80/90% (stima indicativa) del valore che fornisci proviene da un LLM, mentre puoi essere un software che si integra con l'IA (e non un wrapper) se di base fornisci una struttura — ad esempio un SaaS — con tante funzionalità, alcune AI, alcune no, e fai data moat. Detto ciò, io personalmente non investirei in nessun wrapper AI: sono troppi e troppo rischiosi.

Per quanto riguarda gli aggregatori, cioè tutti quei tool conversazionali che uniscono vari LLM diversi insieme per selezionarti la risposta migliore del momento, la situazione è simile. Tu quindi da utente vedi un chatbot che in realtà dietro nasconde GPT, Gemini, Claude, DeepSeek, ecc. e ti fornisce la risposta migliore scegliendo fra questi. Questo "format" non può funzionare a lungo, perché risponde a un'esigenza nata in un periodo in cui gli LLM hanno ancora carenze o difetti, ma non sarà così per sempre. Mowry paragona il fenomeno al boom del cloud che c'è stato tra il 2000 e il 2010: sono nate tantissime startup che volevano intermediare l'accesso ad AWS, facilitarlo, ma poi proprio lei ha iniziato a migliorare quell'aspetto e tutti quei founder hanno chiuso baracca e burattini e scritto post mortem. Secondo Mowry gli aggregatori oggi fanno fatica a fare margine e le grandi aziende di LLM stanno puntando tantissimo sul lavoro con le enterprise, emarginando ulteriormente prodotti di quel tipo.

Uscendo dal mero software digitale, ci sono settori che seguo con ossessione e che, se esplodono, esplodono bene, ma ancora il rischio è troppo alto. Mi riferisco ai robot umanoidi, ai robotaxi, ai data center spaziali e alla fusione nucleare. Credo fortemente nel successo di questi campi, fatta eccezione per i data center spaziali che ancora hanno pochissimi dati (ad oggi abbiamo solo un esperimento che ha visto Gemma, la versione light e non-cloud di Gemini, runnata su un satellite con successo, ma nient'altro). Le sfide sono ancora troppe e le conferme troppo poche.

Chiaro è che questi settori hanno dei problemi da risolvere: ad esempio i robot umanoidi fanno fatica con la destrezza delle mani e con un'IA che funzioni bene in contesti nuovi; e i robotaxi fanno fatica con l'apprendimento tramite sensori dallo spazio circostante. È chiaro che se nascono startup promettenti che risolvono questi problemi sarebbe un investimento interessante ma non aspettiamoci dei round da pochi milioni di dollari perché sono tecnologie che hanno grosse esigenze — per fare un esempio, la britannica Wayze, che risolve proprio l'apprendimento dei robotaxi tramite software AI, ha appena raccolto 1.5 miliardi di dollari con investitori come Uber e Nvidia.

Altri settori generalisti che stanno facendo fatica e su cui stanno mettendo la croce in molti sono i tool AI di creatività legati a scrittura e produttività in generale. Torniamo sempre allo stesso punto dei servizi troppo "generalisti": se non ti verticalizzi su una nicchia gli LLM ti schiacceranno. Solo i big player consolidati possono permettersi di procedere per una via generalista, oppure realtà come Lovable o Replit che hanno cavalcato il momento giusto, ma quella finestra temporale per quanto mi riguarda è chiusa.

Facciamo un recap: non investirei in AI wrapper e aggregatori perché condivido il pensiero di Darren Mowry. Poi, sono piuttosto sicuro che i robot umanoidi destinati all'uso industriale avranno successo, il problema è che non sappiamo chi e non sappiamo quando. Non è come per l'IA che la vediamo già funzionare allora è facile dire "investo in tutto ciò che può aiutarla a funzionare meglio, come addestramento, cybersecurity, indicizzazione, ecc."; i robot umanoidi sono ancora un settore pieno di sfide. Stessa cosa vale per i robotaxi, i data center spaziali e l'energia a fusione nucleare.

Nella prossima parte vorrei parlare delle startup sulle quali invece investirei. Parleremo di smart glasses, world models, AI training, e tanto altro ancora.

Google VP warns that two types of AI startups may not survive | TechCrunch

As generative AI evolves, a Google VP warns that LLM wrappers and AI aggregators face mounting pressure, with shrinking margins and limited differentiation threatening their long-term viability.

^{Rebecca Bellan (TechCrunch)}