01 / 12
Investor deck · Settembre 2026

Rendiamo profittevoli gli investimenti in AI.

Trasformiamo i processi aziendali in processi nativi AI, con agenti che imparano dai feedback delle persone e dalla loro personalità.

Get Sh!t Done · Seed €2.000.000
Il problema
95%

Le imprese hanno comprato l'AI dimenticandosi del ritorno dell'investimento.

Il 95% dei progetti di AI aziendale non arriva mai a un'applicazione reale enterprise. Non falliscono in laboratorio: falliscono dopo il proof of concept e non vanno in produzione.

~0,3%

E il ritorno economico resta l'eccezione anche lì: solo il 6% delle organizzazioni attribuisce all'AI un impatto reale sui margini (almeno il 5% dell'EBIT). Composto con il 5% che arriva in produzione: circa 3 progetti su 1.000 finiscono per rendere davvero.

La differenza è il nostro mercato: oltre metà delle grandi imprese italiane ha già il budget, ma lo sta sprecando.

Adozione italiana: Osservatorio Artificial Intelligence, Politecnico di Milano, 2025. Quota che arriva in produzione: MIT NANDA, «The GenAI Divide», 2025. Impatto sui margini: McKinsey, «The State of AI», agosto 2026 — il 6% delle organizzazioni attribuisce all'AI almeno il 5% dell'EBIT, e solo il 37% dichiara un contributo all'EBIT di qualunque entità. Le quattro rilevazioni hanno campioni e denominatori diversi: l'imbuto illustra un ordine di grandezza, non una progressione della stessa coorte. Lo ~0,3% è una stima nostra: composizione dei due tassi (5% × 6%).

Perché falliscono

L'AI generica non impara il mestiere.

Un modello che sa tutto del mondo e niente dell'azienda produce ottime demo, non applicabili davvero. Il MIT lo chiama learning gap: quello che manca è l'adattamento al contesto, non la potenza.

È l'era degli agenti, dei loop, degli harness, dei graph. Nessuno sta lavorando per trasferire la personalità delle persone come unicità lavorativa.

Sotto il mercato degli agenti esistono due paure che si rafforzano a vicenda.

L'azienda

«Il patrimonio esce dalla porta»

Quando un software esterno si collega a CRM ed email, know-how e proprietà intellettuale escono dal perimetro. Quindi l'IT blocca. Ed è un istinto corretto.

La persona

«Se lo fa la macchina, io cosa sono?»

In gioco non c'è solo il posto, ma il ruolo. Chi teme di essere sostituito non alimenta il sistema e non lo corregge. E il progetto non ha nulla da cui imparare.

Perché adesso

L'elettricità ci mise quarant'anni. Per lo stesso identico motivo.

GROUP DRIVE · 1880–1920 un solo motore albero di trasmissione cinghie Le macchine stanno dove arriva la cinghia. Il layout lo detta la trasmissione. Guadagno: ≈ 0 UNIT DRIVE · DAL 1920 motore flusso del materiale Un motore per macchina. Ogni macchina sta dove serve al lavoro. Il layout lo detta il processo. +63% in dieci anni

Per quarant'anni le fabbriche sostituirono la macchina a vapore con un grande motore elettrico mantenendo la stessa trasmissione: guadagno quasi nullo. Poi arrivò un motore per ogni macchina.

~1%

crescita annua della produttività totale dei fattori nel 1900–1920, con la fabbrica elettrificata ma non riprogettata

~5%

all'anno nel manifatturiero negli anni Venti: cinque volte il decennio precedente, tre volte la media di lungo periodo

84%

della crescita di produttività dell'intera economia americana negli anni Venti venne dal solo manifatturiero

Non diamo all'azienda un motore grande che fa lavorare tutti allo stesso modo. Ne diamo uno a ogni persona.

La soluzione

Un agente per ogni persona, dentro un guardrail enterprise.

Software on-premise installabile in private AI. Ogni persona riceve il suo agente: automatizza l'80% del lavoro ripetitivo, scrive con la sua voce, e lavora dentro i sistemi dove il lavoro vive davvero.

Privato

Il dato non esce

Macchina degli agenti installabile e ispezionabile, con modelli locali. È la risposta alla paura che blocca il 95% dei progetti.

Umanizzato

Parla come chi lo usa

Lavora sotto la firma della persona, con il suo tono e il suo criterio. È la risposta alla paura dell'altro lato.

Integrato

Dentro il guardrail

Permessi, limiti e regole di brand codificati nell'agente. L'IT governa, la persona opera.

Collegato agli asset aziendali
CRMERPEmail DocumentiSocialSoftware enterprise
Il meccanismo

Dalla correzione nasce l'anima dell'agente.

Knowledge base quello che l'azienda sa Correzioni come le persone lavorano L'ANIMA dell'agente Dati aziendali CRM, ERP, documenti DATASET DI VALIDAZIONE personalizzato e privato Dati dal mondo reale risposte, call, contratti L'AGENTE CHE SBAGLIA SEMPRE MENO 1 · L'ANIMA Il sapere dell'azienda più il modo unico in cui ogni persona lavora. 2 · IL DATASET Innestata nei dati aziendali, diventa un dataset di validazione che nessun concorrente possiede. 3 · LA VERIFICA I risultati veri dicono cosa ha funzionato. Il ciclo si stringe.

Un prompt dice cosa una persona vorrebbe. Un pollice in su dice che andava bene. Solo una correzione dice cosa era sbagliato e come si fa in quel mestiere, in quell'azienda.

Il prodotto

Il valore resta al cliente. L'intelligenza si accumula da noi.

PERIMETRO DEL CLIENTE · ON-PREMISE Private AI installata modelli locali, ispezionabili Agenti Get uno per persona, con guardrail Connettori agli asset aziendali CRM · ERP · email · documenti · social · software enterprise Dataset di validazione privato knowledge + correzioni + dati aziendali — resta al cliente Le persone lavorano e correggono revisione o autopilota, deciso azione per azione cruscotto di profittabilità per processo GET CLOUD Gestione della conoscenza cura, versioning, rilascio Training degli agenti staging, validazione, produzione L'ASSET DI GET Telemetria Persistenza del dato di correzione Ogni deployment rende il successivo più rapido telemetria correzioni agenti aggiornati

Il cliente possiede la piattaforma, i modelli e il proprio dataset — e può farla girare anche senza di noi. Quello che paga è l'evoluzione. Quello che resta a noi è la telemetria e la persistenza delle correzioni: l'unica cosa che si accumula deployment dopo deployment.

Trazione

Agenti attualmente in produzione.

Arvedi · Gruppo siderurgico

Agente di supporto clienti in produzione dal 2025.

Agrieuro · E-commerce

Software AI per la redazione della manualistica tecnica conforme allo standard ISO 20607.

Metacasa · Deployment interno

Agenti su vendite, contenuti e recupero crediti. Banco di prova continuo.

€30k

fatturato generato tra ricorrente e custom

5 mesi

di agenti installati e verificati in aziende vere

Banking

trattativa aperta con il team Innovation di un gruppo bancario italiano

Non è trazione da Serie A e non la presentiamo come tale. Abbiamo tastato il mercato per capire cosa serve davvero e da dove si entra. Ora sappiamo entrambe le cose — ed è il motivo per cui raccogliamo adesso.

Mercato

Un mercato che raddoppia, e una casella vuota dentro.

TAM · Europa 2029
$290 mld

spesa AI europea, CAGR 33,7%. Le piattaforme agentiche crescono del 52,5% l'anno: il sotto-segmento più rapido di tutti. IDC

SAM · Italia 2029
~€1,4 mld

processi nativi AI e orchestrazione agentica in Italia, dai €72M del 2025. Stima su base Osservatorio PoliMi

SOM · a 5 anni
~€45M

ricavo ricorrente annuo: 300 clienti enterprise a ~€150k, il 3% del SAM italiano

← GENERICO, UGUALE PER TUTTI IMPARA IL MESTIERE E LA PERSONA → CLOUD MULTI-TENANT PRIVATO / ON-PREM Microsoft Copilot l'AI di default, non impara il mestiere Salesforce Agentforce legata al CRM, dato nel cloud Glean ricerca aziendale, non esecuzione Sierra · Decagon verticali forti, ma SaaS multi-tenant Mistral · modelli sovrani privati ma generici: modelli, non processi System integrator su misura progetti su misura: non si accumula nulla G Get Sh!t Done Privato, e impara da come le persone correggono. La casella è vuota.

Chi è privato è generico. Chi impara il mestiere lo fa in cloud multi-tenant, o come progetto su misura che non si accumula. Nessuno tiene insieme sovranità del dato e apprendimento dalla persona.

Proiezioni 2026–2029, valore per cliente e SOM: elaborazioni nostre, non ricavi contrattualizzati. Posizionamento dei concorrenti: nostra valutazione.

Il team

Ingegneri applicati. Non un laboratorio di ricerca.

Daniele Scaglia
Daniele Scaglia
CEO · co-founder

Ingegnere dei processi industriali al Politecnico di Milano. Co-founder di Friendz: €5M di ricavi al picco, 60 persone su 4 sedi, €24M raccolti in una delle più grandi ICO italiane — e due anni dentro una crisi d'impresa gestita fino in fondo. Oggi CEO di Metacasa in turnaround.

5 aziende fondate€24M raccoltiScale-up e crisi
Juxhin Radhima
Juxhin Radhima
CTO · co-founder

Software architect, conversational AI, ethical hacker. Primo chatbot in C++ a 16 anni. Founder e CTO di Ipervox: team di 18 persone, capitale raccolto da venture capital, progetti AI conclusi con banche, pubbliche amministrazioni e PMI. Amazon Alexa Champion.

Alexa ChampionAI in banche e PACybersecurity
Leonardo Raffi
Leonardo Raffi
Product engineer

Full stack e integrazioni AI nei processi aziendali. Ha costruito il software AI per la manualistica ISO 20607 di Agrieuro e il modello AI di pricing macchine per Ambrosi. Speaker Confindustria su AI per le piccole imprese.

Manualistica ISOPricing AIFull stack
Advisory board
Francesco Meani
Francesco Meani
Technical advisor

Ex CTO e direttore generale del gruppo FullSix. Architetture software enterprise per ING Direct, Barilla, Pirelli, Sky, Airbus. Scelto da Microsoft tra i 100 «Microsoft heroes» a livello mondiale.

Adriano Coccia
Adriano Coccia
Business advisor

Enterprise revenue e go-to-market. Tre linee di business portate da zero a ricavi multimilionari. Partnership strategiche globali e operazioni di co-investimento.

Marco Caradonna
Marco Caradonna
Strategic advisor

President & General Partner di BlackSheep Ventures. Ex CEO di Carat Italia, prima agenzia media del Paese, con oltre €1,5 miliardi di investimento pubblicitario gestito. Co-fondatore di Simple Agency.

Chi assumiamo

Team prodotto

  • 2 AI / agent engineer
  • 1 product engineer
  • 1 platform engineer on-prem

Team processi aziendali

  • 2 forward deployer
  • 1 solution architect di processo
  • 1 referente compliance e sicurezza

Team business

  • 1 partnership manager system integrator
  • 1 business developer enterprise
  • 1 finance & operations

Fino a dieci assunzioni nei diciotto mesi. Sede operativa a Milano. I profili difficili sono quelli che tengono insieme la parte tecnica e quella di business: è lì che va speso il tempo, e parte del capitale.

L'ask

€2M per diciotto mesi e tre processi che rendono.

Round
€2M
Seed
Valutazione
€10M
pre-money
Orizzonte
18 mesi
copertura piena
Prossimo round
€8M
Serie A, per scalare

Uso dei fondi

55% Team tecnico
20% Deployment sui tre casi
15% Piattaforma e modelli locali
10% Operazioni e compliance
Cosa sarà vero fra diciotto mesi
  • Piattaforma in produzione, installabile on-premise
  • Tre casi enterprise con il ritorno misurato
  • Il quarto deployment più rapido del primo

Go-to-market · partnership con i system integrator

Non bussiamo alle porte: entriamo con chi le ha già aperte. Gli integratori hanno il contratto quadro e la fiducia dell'IT; oggi vendono progetti AI che nel 95% dei casi non arrivano al conto economico del cliente — e il secondo progetto non si vende. Noi portiamo la parte che manca.

Banking e assicurazioni, per primi
AccentureEngineeringReply NTT DataDeloitteDinova

Sono i settori con il vincolo di dato più stretto e il budget più alto: se la soluzione regge in una banca, regge ovunque. La trattativa bancaria già aperta è il primo varco.

Get Sh!t Done

Non rendere le persone sostituibili. Get Sh!t Done le renderà indispensabili.

Daniele Scaglia · CEO
daniele.scaglia@shitdone.ai
Juxhin Radhima · CTO
juxhin.radhima@shitdone.ai
shitdone.ai · Seed €2M · Settembre 2026
Fonti
  1. MIT NANDA, «The GenAI Divide: State of AI in Business 2025» — 52 interviste a dirigenti, 153 survey, oltre 300 deployment analizzati. L'80% delle aziende ha sperimentato la GenAI; il 5% degli strumenti costruiti su misura arriva in produzione; il 95% non registra ritorno sul conto economico. Causa indicata: mancanza di apprendimento, integrazione e adattamento al contesto.
  2. Osservatorio Artificial Intelligence, Politecnico di Milano, 2025 — mercato AI italiano €1,8 mld (+50% sul 2024); 71% delle grandi imprese con almeno un progetto avviato; una su cinque con buona pervasività nelle funzioni; orchestrazione dei processi e AI agentica al 4% del mercato; 84% delle grandi aziende ha acquistato licenze GenAI.
  3. McKinsey, «The State of AI», agosto 2026 — il 37% delle organizzazioni dichiara un contributo dell'AI all'EBIT; circa il 6% attribuisce all'AI almeno il 5% dell'EBIT; il 40% delle aziende sopra $1 mld di ricavi sta scalando agenti AI, contro il 27% dell'anno precedente.
  4. IDC — spesa AI europea a $290 mld entro il 2029, CAGR 33,7%; il software è il 58,5% della spesa nel 2026 con CAGR 42,9%; le piattaforme AI crescono del 52,5% annuo.
  5. Congressional Budget Office, «Total Factor Productivity Growth in Historical Perspective» — negli anni Venti il manifatturiero statunitense crebbe di circa il 5% annuo di produttività totale dei fattori, contro ~1% nel 1900–1920 e una media di lungo periodo dell'1,6–1,8%; l'84% della crescita aggregata del decennio venne dal manifatturiero.
  6. P. A. David, «The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox», American Economic Review 80(2), 1990.
  7. W. D. Devine Jr., «From Shafts to Wires: Historical Perspective on Electrification», The Journal of Economic History 43(2), 1983.
  8. P. A. David e G. Wright, «General Purpose Technologies and Surges in Productivity», Oxford Discussion Papers in Economic and Social History, 1999.

Dati di mercato e di adozione: rilevazioni pubblicate. Proiezioni 2026–2029, valori per cliente, SOM e posizionamento competitivo: elaborazioni nostre, indicate come stime. Documento riservato.