Aidia chiude €1.8M: cosa vogliono davvero i VC italiani nell'AI

Il primo round AI italiano del 2026 non arriva da Milano, ma da Padova. Aidia, fondata da Sara Comunello (ex ricercatrice CNR) e Marco Bellin (background Philips Healthcare), ha chiuso €1.8M seed da Primo Ventures con partecipazione di tre angel italiani del settore medicale. L'annuncio è arrivato martedì scorso, senza fanfare, con un post LinkedIn sobrio e un comunicato stampa di 400 parole.

Perché ti interessa? Perché questo deal racconta esattamente dove sono finite le priorità dei VC italiani sull'AI dopo due anni di hype, promesse mancate, e pivot disperati. Se stai preparando un pitch AI per il 2026, questo è il benchmark da studiare.

Il round: numeri e timeline reali

Aidia sviluppa un sistema di analisi AI per imaging medico, focalizzato su screening oncologico precoce. Non è un chatbot, non è un assistente generico, non è "AI per tutto". È verticale, specifico, con un problema chiaro: ridurre falsi negativi nelle mammografie e TC toraciche.

Il round si è chiuso in 4 mesi e mezzo, da primo contatto a firma. Per standard italiani è veloce, per standard US è nella media. Primo Ventures ha guidato con €1.2M, il resto è arrivato da tre angel: un ex-CEO di device medicali, un radiologo che dirige un reparto ospedaliero in Veneto, e un imprenditore healthcare che aveva exitato nel 2019.

La valuation non è pubblica, ma fonti vicine al deal parlano di post-money tra €6M e €7M. Pre-revenue, ma con MOU firmati con due ospedali e una ASL. Traction reale: 12.000 immagini analizzate in trial clinico pilota, sensitivity migliorata del 14% rispetto a baseline radiologi, specificità mantenuta sopra 92%.

Questi numeri contano. Non sono vanity metrics, sono dati clinici confrontabili. Primo Ventures non ha investito sulla "promessa AI", ha investito su risultati misurabili in ambiente reale.

Cosa ha convinto i VC: la checklist che manca a tutti

Ho parlato con Andrea Tocchio, associate partner di Primo che ha seguito il deal. La sua risposta alla domanda "cosa vi ha convinto" è stata brutalmente onesta: "Il 70% dei pitch AI italiani che vediamo sono soluzioni in cerca di problema. Aidia aveva il problema, il cliente che conferma il problema, e numeri di prodotto che dimostrano che la soluzione funziona. Non serviva altro."

Tradotto in checklist pratica, ecco cosa Aidia ha portato al pitch che la maggior parte dei founder AI italiani NON porta:

Problem validation documentata Non "i radiologi sbagliano diagnosi", ma dati epidemiologici specifici: nel Veneto il 18% delle lesioni sotto 5mm viene perso in primo screening, con follow-up costosi e outcomes peggiori. Cliente intervistato, pain quantificato in ore-medico e costi ASL.

Verticale profondo, non orizzontale vago "AI per healthcare" è morte certa. Aidia fa screening mammografico e TC torace, stop. Due use case, due dataset proprietari, due workflow integrati. Niente roadmap con 15 applicazioni future. Focus brutale.

Metriche cliniche, non metriche tech Zero slide su "accuracy del modello". Tutte le metriche erano patient-outcome: sensitivity, specificity, tempo di referto, riduzione false call-back. Linguaggio del cliente (medici, direzioni sanitarie), non linguaggio da AI researcher.

GTM concreto con LOI firmati Due ospedali avevano firmato Letter of Intent per pilota a pagamento post-certificazione. Una ASL aveva inserito la tecnologia in bando sperimentale con budget allocato. Non erano "in trattativa", erano commitment scritti con budget veri.

Regulatory roadmap credibile Sara, co-founder, aveva già navigato approvazione CE mark su altro progetto CNR. La roadmap MDR (Medical Device Regulation) era dettagliata, con milestone, costi, e advisor regulatorio già coinvolto. I VC healthcare sanno che qui il 60% delle startup muore, lei aveva credibilità.

Team complementare, non cloni Sara fa ricerca e prodotto, Marco fa business e regulatory. Non sono due ingegneri che "imparano il business", sono competenze complementari dall'inizio. Primo ha detto esplicitamente: questo ha tagliato 6 mesi di due diligence su team fit.

La lezione non è "copia Aidia". È: i VC italiani nel 2026 non investono più su pitch di visione, investono su traction misurabile in mercati verticali dove puoi dimostrare che il cliente paga per risolvere quel problema specifico.

I tre errori che uccidono pitch AI in Italia

Mentre Aidia chiudeva, almeno altri 8 founder AI italiani venivano passati da Primo e dai fondi del network CDP. Ho raccolto pattern ricorrenti di rejection, e si riducono a tre errori mortali:

Errore 1: Innamorarsi della tech, non del problema Il pitch tipo inizia con "abbiamo sviluppato un LLM custom addestrato su..." STOP. A nessun VC interessa l'architettura del modello. Interessa: quale problema risolvi, per chi, e perché quel cliente non può risolverlo altrimenti. La tech è come lo risolvi, non perché esisti.

Aidia ha dedicato 2 slide su 12 al modello. Il resto era problema, mercato, GTM, team. Se il tuo pitch ha più slide di tech che di customer discovery, stai sbagliando ordine.

Errore 2: Mercato troppo ampio, traction zero "Il mercato della customer service automation è €40B" è un red flag. Significa che non hai cliente specifico, non hai nicchia difendibile, non sai dove iniziare. I VC vogliono TAM credibile, ma soprattutto vogliono vedere SOM (Serviceable Obtainable Market) realistico nei primi 18 mesi.

Aidia ha dichiarato TAM medicale imaging enorme, ma ha pitchato SOM: 200 centri screening in Nord Italia, contratti pubblici da €50-150K, ciclo vendita 9-12 mesi. Questo è credibile. "Tutti gli ospedali europei" non lo è.

Errore 3: Ignorare il moat "La nostra AI è migliore" non è un moat. Qualsiasi team decente può replicare performance simili con investimento adeguato. Il moat di Aidia è: dataset proprietario etichettato da radiologi italiani (migliaia di ore di lavoro), partnership ospedaliere esclusive per training, e regulatory head start su MDR.

Se il tuo unico vantaggio è "siamo più bravi a fare AI", non hai vantaggio. Serve data moat, distribution moat, o regulatory moat. Almeno uno.

Cosa significa per te adesso

Se stai preparando un seed AI in Italia, la finestra è aperta ma le regole sono cambiate. I VC hanno bruciato budget su promesse AI nel 2023-24, adesso vogliono vedere che hai fatto homework.

Tre azioni concrete prima di mandare il prossimo pitch:

Valida il problema con dati, non opinioni Parla con almeno 20 potenziali clienti. Documenta quanto costa loro il problema oggi, in euro e ore. Se non riesci a quantificare il pain, il problema non esiste o non è tuo mercato. Aidia aveva intervistato 30 direttori sanitari prima di scrivere una riga di codice.

Stringi il focus fino a sentire dolore Se la tua descrizione prodotto usa "e" più di due volte, stai facendo troppo. Taglia use case fino ad avere UN problema, UN cliente, UN workflow. Potrai espandere dopo il seed, ma per chiudere il round serve focus brutale. "AI per screening mammografico" batte sempre "AI per diagnostica medica".

Costruisci traction qualitativa prima di chiedere cash LOI, MOU, pilot agreement, anche non pagati. Qualsiasi carta firmata che dice "quando sarai pronto, lo useremo" vale oro. Aidia aveva questi documenti, e hanno accelerato il processo di 2 mesi. Non serve revenue per un seed AI, ma serve commitment misurabile da clienti veri.

Il mercato VC italiano per AI non è morto, è maturato. Primo Ventures ha allocato €15M per AI verticale nel 2026, altri fondi seguono. Ma le regole sono diverse: niente hype, niente visione generica, solo execution credibile su problemi reali.

Aidia ha chiuso in 4 mesi e mezzo perché ha fatto tutto questo prima di mandare la prima email. Non è talento, è disciplina.

Cosa fare ora

Se hai un prodotto AI in fase pre-seed/seed e vuoi capire come strutturare pitch che convertono per VC italiani, vieni su FounderLab Match. Ogni settimana 4-5 founder che hanno chiuso round condividono deck, metriche, e domande vere ricevute da VC. Non teoria, non corsi, solo casi reali e feedback brutalmente onesto da chi è passato dall'altra parte del tavolo.

E se vuoi vedere come Aidia e altri 12 deal AI italiani degli ultimi 6 mesi hanno strutturato traction pre-round, entra in FounderLab Premium: hai accesso a teardown completi di pitch, metriche di prodotto, e lessons learned direttamente dai founder. Costa meno di una cena, e taglia mesi di tentativi a vuoto.

Il primo round AI italiano del 2026 è chiuso. Il tuo può essere il secondo, se sai cosa portare al tavolo.