Vedrai.ai: 2.1M da investitori USA per portare la computer vision nel retail

Mentre metà delle startup AI italiane insegue il sogno del "LinkedIn ma con l'AI" o del "Canva per tutto", Vedrai.ai ha chiuso €2.1M di seed con lead statunitense puntando su un problema noiosissimo: contare magliette e scarpe sugli scaffali dei negozi di moda.

Zero glamour, massima concretezza. E investitori che hanno detto sì.

Il round è stato guidato da Everywhere Ventures (US), con partecipazione di Lakestar, Pi Campus e alcuni angel italiani del settore retail. Non è il round più grande della settimana, ma è interessante per tre motivi: hanno convinto americani a investire su un caso d'uso italiano, hanno scelto un verticale strettissimo invece di inseguire il mercato orizzontale, e stanno monetizzando da subito con contratti annuali da €15-40K per punto vendita.

Fondata nel 2023 da Marco Ferretti (ex ML engineer in Zalando) e Chiara Bianchi (background operations in Prada), Vedrai parte da un'osservazione banale: nei negozi di moda e luxury, il 60-70% del tempo dello staff va in attività manuali di inventory check, riordino scaffali, verifica stock. Operazioni che costano, sono soggette a errore umano, e sottraggono tempo alla vendita vera.

La loro soluzione: telecamere con computer vision che monitorano in tempo reale gli scaffali, riconoscono SKU, tracciano movimenti, inviano alert quando manca un prodotto o quando serve riassortimento. Il sistema si integra con i software gestionali esistenti (SAP, Oracle Retail, piattaforme proprietarie) e fornisce una dashboard per area manager e HQ.

Perché un fondo USA ha investito in un prodotto per il retail italiano

Everywhere Ventures non investe a caso in Europa. Cercano founder che costruiscono per mercati di nicchia ad alto valore, dove la competizione globale è bassa e il know-how locale è una barriera all'entrata.

Il retail fashion italiano — soprattutto luxury e premium — è esattamente questo. È un mercato da miliardi, con margini alti, processi legacy, e zero pressione da parte di player tech globali. Amazon e Google non stanno costruendo soluzioni verticali per boutique Valentino o corner Ferragamo. Troppo frammentato, troppo local, troppo dipendente da relazioni.

Vedrai ha fatto pitch su tre punti:

Traction reale in un mercato difficile. Avevano già 8 installazioni pilota pagate (non POC gratuiti) in negozi di brand medio-alto di gamma a Milano, Firenze, Roma. Contratti da €18K/anno in media, ciclo di vendita 3-4 mesi, retention 100% dopo i primi 6 mesi.

Problema costoso, misurabile, ripetibile. Non stavano vendendo "efficienza generica" o "insights". Il pitch era: "Riduciamo del 40% le ore/settimana che il tuo staff dedica a verifiche manuali di stock, con ROI positivo in 8 mesi". Numero preciso, caso d'uso replicabile in ogni punto vendita dello stesso brand.

Vantaggio non replicabile facilmente. La computer vision per retail esiste da anni (Amazon Go, Trigo, AiFi). Ma riconoscere prodotti fashion in ambienti non controllati — luci variabili, angolazioni complesse, SKU simili che differiscono per dettagli minimi — è un problema diverso. Vedrai ha costruito un dataset proprietario su 120K immagini di prodotti moda italiana, addestrato modelli specifici per texture, pattern, micro-varianti. Un competitor USA dovrebbe ricostruire tutto da zero.

Risultato: hanno convinto un fondo americano che l'Italia non è un mercato piccolo e arretrato, ma un terreno di caccia per soluzioni verticali ad alto margine che poi si possono esportare in Francia, UK, US.

Il verticale batte l'orizzontale quando sei una startup AI in fase seed

Vedrai avrebbe potuto posizionarsi come "piattaforma computer vision per qualsiasi retail". Invece ha scelto moda, e dentro moda ha scelto luxury e premium (no fast fashion, no mass market).

Scelta contro-intuitiva per chi ragiona da zero: il mercato totale sembra più piccolo, il pitch meno scalabile. Ma nella realtà del seed, il verticale vince per quattro motioni.

Ciclo di vendita più corto. Un direttore operations di una catena fashion capisce il problema in 10 minuti. Non devi educare il mercato, non devi convincerlo che la computer vision funziona. Devi solo dimostrare che funziona per il SUO caso d'uso. Vedrai chiude contratti in 90-120 giorni. Una soluzione generica impiegherebbe 6-9 mesi.

Pricing power superiore. Nel luxury retail, €20-30K/anno per punto vendita non sono nulla. Il costo di un part-time dedicato a inventory management è più alto. Quando vendi una soluzione orizzontale, competi su prezzo con tool generici. Quando vendi verticale, competi su valore specifico. E vinci.

Dataset come moat. Se costruisci computer vision generica, competi con Google, AWS, Azure. Se costruisci computer vision per fashion retail italiano, il tuo dataset — immagini, annotazioni, casi edge, varianti stagionali — diventa una barriera difficile da replicare. Vedrai ha passato 8 mesi a costruire un training set che copre le collezioni dei 30 brand più rilevanti del segmento premium italiano. Nessun competitor globale ha questo.

Referenze che contano. Meglio avere 10 installazioni in brand riconoscibili (anche se non puoi nominarli) che 100 POC sparsi in settori diversi. Quando Vedrai entra in un pitch con un nuovo prospect fashion, può dire "lavoriamo già con 3 brand del tuo segmento, stessa tipologia di store, stesso gestionale". Questo chiude deal.

La lezione per founder AI in Italia: se parti da zero, scegli il verticale più stretto che riesci a servire bene. Poi espandi. Non viceversa.

Cosa serve davvero per chiudere un seed AI in Italia nel 2025

Vedrai non ha chiuso il round con un deck bellissimo e una demo impressionante. Ha chiuso con numeri difficili da ignorare.

€120K di ARR al momento del primo incontro con Everywhere. Otto clienti paganti, non beta user. Contratti annuali, non mensili. Nessun churn dopo sei mesi (piccolo sample, ma positivo). Roadmap prodotto chiara: espansione a UK e Francia entro Q3 2025, integrazione con sistemi POS per dynamic pricing, modulo predittivo per ottimizzare riassortimento.

Il pitch non era "abbiamo costruito una figata di AI". Era "abbiamo trovato un mercato verticale disposto a pagare €20K/anno per risolvere un problema ripetitivo, abbiamo validato che il prodotto funziona, ora servono soldi per assumere sales e espandere".

Tre elementi che hanno fatto la differenza:

Traction pagante prima del seed. Non hanno aspettato il round per andare sul mercato. Hanno venduto una versione MVP a clienti veri, incassato soldi veri, imparato cosa manca al prodotto. Questo ha reso il pitch credibile. Gli investitori non compravano una promessa, compravano un'accelerazione.

Founder con domain expertise. Marco veniva da ML in e-commerce, Chiara aveva lavorato in operations retail per 6 anni. Sapevano il linguaggio del cliente, conoscevano i pain point invisibili, capivano i processi interni. Un founder puramente tech avrebbe costruito un prodotto bellissimo ma inutilizzabile. Un founder puramente business non avrebbe capito i limiti tecnici della computer vision. Insieme, funzionavano.

Go-to-market chiaro e realistico. Il piano non era "conquistiamo tutto il retail italiano". Era "chiudiamo 25 installazioni nei prossimi 12 mesi in brand premium con 5-15 punti vendita, assumiamo 2 sales, 1 customer success, costruiamo playbook replicabile". Obiettivo preciso, metriche chiare, timeline credibile.

Il seed AI italiano si chiude così: non con la migliore tecnologia, ma con la migliore combinazione di tech solida, mercato validato, founder che sanno cosa stanno facendo.

Cosa significa per te che costruisci AI in Italia

Vedrai dimostra tre cose.

Uno: puoi chiudere round con lead stranieri anche se costruisci per il mercato italiano, se scegli un verticale dove l'Italia ha vantaggio competitivo (moda, design, food, manufacturing). Non devi fingerti globale dal giorno uno. Devi essere locale in modo strategico.

Due: il prodotto AI non basta. Serve un business model chiaro (Vedrai fa SaaS annuale + fee setup + upsell moduli), un ICP definito (brand premium 5-20 store), un sales process ripetibile (demo dal vivo in store, POC 30gg, contratto annuale). La tech è necessaria, non sufficiente.

Tre: la trazione pre-seed conta più del pedigree. Vedrai non è uscita da acceleratori top, non ha founder con exit precedenti, non ha pubblicato paper su NeurIPS. Ha venduto un prodotto a clienti veri e costruito un caso d'uso replicabile. Questo batte tutto.

Se stai costruendo AI in Italia e fai fatica a raccogliere, chiediti: ho scelto un verticale abbastanza stretto? Ho almeno 3-5 clienti paganti? So spiegare il ROI in numeri concreti, non in "value propositions" generiche? Ho founder che conoscono davvero il problema del cliente?

Se la risposta è no, il problema non è il mercato italiano. Sei tu che stai costruendo una soluzione in cerca di un problema.

Cosa fare ora

Vedrai ha validato che si può costruire AI di successo in Italia senza inseguire use case affollati o mercati orizzontali impossibili. Computer vision per fashion retail non è sexy. Ma funziona, paga, scala.

La lezione è semplice: verticale stretto, problema costoso, clienti disposti a pagare subito, founder che conoscono il dominio. Il resto viene dopo.

Se costruisci AI in Italia e vuoi confrontarti con altri founder che stanno validando mercato e prodotto, entra nel Lab di FounderLab. Trovi founder che condividono numeri reali, errori fatti, deal chiusi. Zero fuffa, solo esecuzione.

Se invece stai cercando co-founder tecnico per un progetto AI verticale, usa FounderLab Match. Trovi builder italiani con competenze ML/AI che cercano progetti concreti.