INDA chiude €5M con Zernike: dentro il pitch deck HR-tech che ha convinto

Francesco Bacchini e Vito Lomele hanno convinto Zernike Meta Ventures a mettere €5 milioni su una piattaforma che "legge" CV. Sembra semplice, ma dietro INDA c'è un'architettura AI che processa 200 milioni di profili e serve i più grandi player europei del recruiting: Adecco, Gi Group, Randstad, Page Personnel.

Il round Serie A si è chiuso a gennaio 2025, con Zernike (fondo olandese specializzato in deep-tech B2B) come lead investor e partecipazione di Digital Magics e altri angel. Non è il primo capitale: INDA aveva raccolto €1,2M in seed nel 2021 e altri €800K in bridge nel 2023. Totale raccolto: €7M in 4 anni.

Il dato interessante non è la cifra — €5M è un Serie A nella media italiana — ma il fatto che abbiano convinto un fondo estero specializzato portando metriche concrete, un pitch deck pulito e zero hype. Il loro deck è pubblico (34 slide) e vale la pena scomporlo slide per slide, perché mostra esattamente cosa cerca un VC quando valuta AI B2B in Italia.

Il pitch deck: 34 slide, zero buzzword, tutte le metriche

Il deck INDA segue la struttura classica (problema-soluzione-mercato-prodotto-traction-team-ask), ma con tre differenze rispetto alla media italiana:

Slide 1-3: problema quantificato, non generico. Non scrivono "il recruiting è inefficiente". Dicono: "Un recruiter medio riceve 250 CV per posizione, ne screena manualmente 40, intervista 8, assume 1. Tempo medio: 42 giorni, costo medio per hire: €4.200". Numeri precisi, fonte citata (LinkedIn Talent Solutions Report 2024). Questo fa la differenza: non stai vendendo una visione, stai dimostrando che hai studiato il settore.

Slide 4-7: soluzione con architettura tecnica visibile. Mostrano il funzionamento del loro semantic matching engine: modelli NLP custom trainati su 200M+ profili, API REST documentata, latenza media <200ms su query complesse. Non dicono "usiamo AI". Dicono "abbiamo addestrato un transformer model su dataset proprietario di 18 lingue europee, con accuracy del 94% su matching competenze tecniche". Se costruisci in AI, devi dimostrare che non stai wrappando GPT.

Slide 8-12: mercato con angolo specifico. TAM/SAM/SOM classico, ma partono dal mercato europeo dell'outplacement e staffing (€98 miliardi nel 2024, dati Staffing Industry Analysts), poi scendono su "HR-tech software per agenzie" (€4,3 miliardi) e arrivano al loro SOM: "piattaforme AI per semantic search applicato a recruiting, vendute B2B2C ad agenzie enterprise in Italia, Francia, Germania, UK" (€240 milioni addressable nei prossimi 3 anni). È un SOM credibile perché è bottom-up: sanno quante agenzie esistono, quanto fatturano, quanto spendono in software.

Slide 13-18: prodotto con screenshot e flussi UX. Non parlano solo di tecnologia. Mostrano il dashboard che usa il recruiter: search semantica ("trova sviluppatori React senior con esperienza DevOps che parlano tedesco"), filtri AI-generated, ranking automatico con explainability ("questo candidato matcha perché ha X anni di esperienza in Y"). Ogni screenshot ha una caption che spiega il valore business: "questo flusso riduce il time-to-shortlist da 6 ore a 14 minuti". Non vendi AI, vendi tempo risparmiato.

Slide 19-24: traction con customer breakdown. Qui INDA fa vedere i muscoli. 47 clienti paganti (di cui 12 enterprise con ACV >€50K), €1,8M ARR a fine 2024 (+180% YoY), net retention 127%, churn annuo 8%. Mostrano anche il funnel: 340 trial attivati nel 2024, conversion rate trial→paid 18%, tempo medio trial→contratto 45 giorni. Questi sono numeri che un fondo B2B vuole vedere: dimostrano che hai un motion di vendita ripetibile.

Slide 25-27: business model e unit economics. Pricing: €8K/anno per licenza base (1 recruiter, 50K profili indicizzati), €35K/anno per piano enterprise (recruiting team, 500K+ profili, API access). CAC medio €4.200 (sales cycle 3 mesi, deal medio €24K), LTV €76K (retention 4,2 anni media). LTV/CAC ratio 18:1. Gross margin 84% (SaaS puro, costi infra AWS). Questo è il tipo di slide che convince un VC: hai unit economics positivi, sai quanto costa acquisire un cliente, sai quanto vale nel tempo.

Slide 28-30: competitive landscape e moat. Competitor principali: HireVue (USA, €200M funding, focus video interview AI), Phenom (USA, unicorn, talent experience platform), Eightfold (USA, unicorn, talent intelligence). In Europa: Beamery (UK), Jobandtalent (Spagna). Posizionamento INDA: "semantic matching engine verticale su recruiting, 18 lingue EU, API-first per integrazioni con ATS esistenti (Bullhorn, Greenhouse, Workday), pricing 60% più basso dei competitor USA perché infra EU e team dev in Italia/Polonia". Il moat è triplice: dataset proprietario (200M profili arricchiti), modelli custom per lingue europee (i transformer USA fanno schifo su italiano/tedesco/francese), go-to-market via partner (Adecco non compra software USA per GDPR).

Slide 31-32: team e advisor. Francesco Bacchini (CEO): precedente founder di una società di ricerca executive venduta nel 2019, MBA Bocconi. Vito Lomele (CTO): ex ML engineer Amazon Alexa, PhD Politecnico Milano. Team tech 14 persone (10 in Italia, 4 remoti EU), sales 6 persone. Advisor: Paolo Barberis (Nana Bianca), Marco Trombetti (Translated). Non è il team più stellare d'Italia, ma ha credibilità: un founder che ha già exitato, un CTO con background AI solido, advisor riconosciuti.

Slide 33-34: use of funds e roadmap. €5M allocati così: €2M product (espansione modello NLP a 25 lingue, lancio modulo "skill gap analysis" per upskilling interno aziende), €1,8M sales & marketing (assunzione 8 AE per espansione Germania/Francia/UK, partner program con ATS), €1M ops (compliance GDPR/AI Act, infra scaling), €200K buffer. Roadmap 18 mesi: chiudere 2025 a €4,5M ARR (+150%), break-even operativo Q2 2026, Serie B da €15-20M entro fine 2026. È un piano credibile: crescita aggressiva ma non folle, focus su profittabilità, Serie B quando hai dimostrato la scalabilità.

Cosa ha funzionato (e cosa no) in questo pitch

Ha funzionato:

• Metriche verticali, non vanity metrics. Non dicono "abbiamo 200 milioni di profili nel database". Dicono "processiamo 2,3 milioni di query di matching al mese, con accuracy media 94%, per 47 clienti paganti che generano €1,8M ARR". La differenza è enorme: stai dimostrando che il tuo AI serve a fare soldi, non a fare demo.

• Positioning chiaro. Non competono con LinkedIn o con Indeed. Competono con il recruiter che passa 6 ore a scremare CV a mano. Il nemico non è un altro software, è il processo manuale. Questo semplifica la vendita: non devi convincere qualcuno a switchare da competitor X, devi convincerlo che automating questo pezzo di workflow gli fa risparmiare €40K/anno in costo-recruiter.

• Go-to-market via partner, non direct. Vendere diretto a PMI è un inferno in Italia: sales cycle lungo, deal piccoli, churn alto. INDA vende ad Adecco, Gi Group, Randstad, che poi rivendono l'accesso ai propri recruiter. È un canale più lento da attivare ma più scalabile: un contratto enterprise ti porta 50-200 end user, invece di chiudere 50-200 contratti singoli.

• Team italiano, clienti europei, investitore olandese. Questo è un pattern vincente: costruisci in Italia (costo dev competitivo), vendi in Europa (GDPR compliance nativa, niente competitor USA), raccogli da fondi EU che capiscono il mercato. Zernike ha in portfolio 12 società B2B SaaS europee, sa come si scala da €2M a €20M ARR senza bruciare capitale.

Non ha funzionato (o poteva essere meglio):

• Valuation non disclosure. Il deck non menziona la valuation pre/post money. Questo è normale in un deck pubblico, ma significa che probabilmente hanno negoziato al ribasso. Un Serie A da €5M su €1,8M ARR implica un multiplo 2,7x-3,5x (assumendo valuation €10-15M post-money), che è conservativo per AI B2B. Probabile che abbiano dato più equity di quanto volessero per chiudere.

• Espansione geografica troppo aggressiva. Roadmap 18 mesi prevede lancio Germania, Francia, UK in parallelo. Questo è rischioso: stai diluendo sales capacity su 3 mercati invece di dominarne uno. Meglio sarebbe stato: Germania Q1-Q3 2025 (mercato più grande, culturalmente vicino), Francia Q4 2025 (se Germania funziona), UK 2026 (se hai dimostrato il pattern di espansione). Espandere in 3 paesi simultaneamente con 8 AE nuovi è una ricetta per burn rate alto e risultati mediocri ovunque.

• Nessun accenno al rischio AI Act. L'AI Act europeo entra in vigore progressivamente tra 2025 e 2027, e l'uso di AI per screening CV è classificato come "high-risk application" (può impattare decisioni di employment). INDA dovrà dimostrare trasparenza, fairness, auditability dei propri modelli. Non menzionarlo nel deck è una red flag: o non lo sanno (improbabile), o lo sanno e hanno scelto di non portarlo up (rischioso, perché il VC lo scoprirà in due diligence). Meglio sarebbe stato dedicare 1 slide a "AI Act compliance roadmap" mostrando che ci stanno lavorando.

Cosa significa per te che costruisci in HR-tech o AI B2B

Se stai costruendo una startup AI in Italia e prepari un round seed o Serie A, il caso INDA ti dice tre cose:

1. I VC vogliono vedere AI applicata a workflow specifici, non AI generica. "Piattaforma AI per recruiting" non basta. Devi dire: "Il nostro modello NLP riduce il tempo di screening CV da 6 ore a 14 minuti, con accuracy 94%, su dataset di 200M profili europei multilingua, venduto via API a recruitment agencies enterprise". Specificity sells.

2. Le metriche contano più della tecnologia. INDA non ha inventato un nuovo algoritmo. Ha preso transformer esistenti, li ha fine-tunati su un dataset verticale, li ha wrappati in un prodotto SaaS con UX decente, e li ha venduti a clienti che pagano. Il valore non è "abbiamo AI avanzata", è "i nostri clienti risparmiano €40K/anno e noi facciamo €1,8M ARR con churn 8%". Se hai metriche così, puoi raccogliere capitale anche senza PhD in ML nel team.

3. Raccogliere da fondi esteri richiede traction europea, non solo italiana. Zernike ha investito perché INDA serve clienti multinazionali (Adecco, Randstad) e ha roadmap EU. Se sei un founder italiano e vuoi capitale da fondi EU seri (Zernike, Lakestar, Creandum, Atomico), devi dimostrare che pensi europeo dal giorno zero: prodotto multilingua, GDPR native, sales motion che funziona oltre confine. Se sei solo Italia, raccogli da fondi italiani (più piccoli, meno connessi, meno follow-on nei round successivi).

Cosa fare ora se prepari un Serie A in AI B2B

Scrivi il tuo deck come se lo leggesse un Partner VC alle 23:00 dopo aver visto altri 6 pitch. Significa: numeri chiari nelle prime 5 slide (problema quantificato, soluzione con metriche di efficacia, traction con ARR/churn/CAC/LTV), competitive positioning in 1 slide sola (non 4 slide di matrix incomprensibili), use of funds preciso al mese (non "useremo i soldi per crescere").

Se fai AI, mostra l'architettura tecnica ma traduci in business impact. Dire "usiamo transformer fine-tunati" non basta. Devi dire: "il nostro modello ha accuracy 94% vs 67% di GPT-4 su questo task specifico, perché è trainato su dataset proprietario di 200M esempi verticali, e questo ci permette di vendere a €8K/anno invece di €25K/anno dei competitor USA". Il VC non è un ML engineer, ma sa che moat tecnico = pricing power = margin.

Trova 1-2 clienti enterprise che ti danno case study con numeri. INDA può dire "Adecco ha ridotto time-to-hire del 40% usando INDA su 12.000 posizioni nel 2024". Questo vale più di 100 testimonial generici. Se stai per raccogliere, negozia con i tuoi top 3 clienti: sconto 20% sul rinnovo annuale in cambio di case study pubblico con metriche reali. I VC comprano case study, non pitch.

Non mentire sulle metriche, ma scegli il timeframe che ti fa vedere meglio. INDA dice "ARR growth +180% YoY". Vero. Potevano anche dire "MRR growth +220% negli ultimi 6 mesi" (probabilmente anche vero, visto che hanno chiuso deal enterprise in H2 2024). Non è manipolazione, è framing. Se hai avuto un Q4 forte, mostra QoQ. Se hai consistenza annuale, mostra YoY. Ma non inventare: i VC fanno due diligence su fatturato, e se scopri che hai gonfiato numeri, il deal salta.

Budget 6-9 mesi per processo di fundraising Serie A. INDA ha probabilmente iniziato a parlare con Zernike a metà 2024, chiuso a gennaio 2025. Un Serie A richiede: 2-3 mesi di prep (deck, data room, allineamento soci esistenti), 2-3 mesi di pitch e selezione lead, 2-3 mesi di due diligence e legal. Se hai bisogno di soldi entro 6 mesi, sei già in ritardo. Se hai runway <12 mesi, devi partire ORA.

Chiudi la newsletter

INDA ha fatto quello che funziona: prodotto verticale, metriche solide, pitch chiaro, espansione europea, investitore specializzato. Non è la exit miliardaria, ma è il tipo di successo replicabile in Italia se sai costruire AI B2B seria.

Se stai raccogliendo capitale e vuoi confrontarti con altri founder in fase di fundraising, o vuoi feedback sul tuo deck da chi ha già chiuso round in Italia, entra in FounderLab Premium: oltre 180 founder italiani che costruiscono prodotti AI, con canali dedicati a fundraising, legal, metriche SaaS. Match con co-founder, advisor, primi angel investor. Scopri FounderLab Premium →