Partire da Milano con un assegno da 3,2 milioni di euro per ripensare uno dei processi industriali meno digitalizzati: è la scommessa di Compri, startup fondata nel 2024 da Edoardo Arbizzi ed Edoardo Gava, che ha appena chiuso un round seed guidato da Picus Capital con la partecipazione di Shapers, Italian Founders Fund, DFF Ventures e un gruppo di investitori privati. L’operazione porta il capitale complessivo oltre quota 5 milioni e accende i riflettori su un settore – il procurement industriale – ancora intrappolato tra email, fogli di calcolo e sistemi ERP scollegati.

La promessa: agenti AI che lavorano insieme ai team acquisti

La piattaforma di Compri ambisce a funzionare come una sorta di forza lavoro digitale: raccoglie dati da ERP, caselle email, PDF e database esterni, li normalizza e li affida a modelli linguistici di grandi dimensioni (LLM) addestrati su domini specifici del procurement. Il risultato sono agenti software capaci di sollecitare fornitori, raccogliere documentazione, monitorare la conformità e verificare conferme d’ordine, liberando i team umani per attività a più alto valore aggiunto come le negoziazioni strategiche.

Dal punto di vista architetturale, la scelta di combinare LLM con un layer di training su dati proprietari e di contesto non è banale. In assenza di dettagli pubblici sul modello adottato, è lecito ipotizzare l’uso di tecniche di fine-tuning o retrieval-augmented generation (RAG) per ancorare le risposte a basi documentali reali, riducendo le allucinazioni. Questo approccio è particolarmente critico in ambiti come il procurement, dove un errore di interpretazione su un ordine o una certificazione può avere conseguenze operative e legali pesanti.

Il vero spartiacque: dove risiede l’intelligenza?

La notizia del finanziamento, però, solleva una questione che va oltre il prodotto: il deployment dell’AI. Compri non ha dichiarato se la piattaforma giri su infrastruttura cloud pubblica, privata o in modalità ibrida. Eppure, per il target di clienti – imprese manifatturiere europee, spesso restie a spostare dati di fornitura e prezzi al di fuori dei propri perimetri – la collocazione fisica del modello è tutto fuorché un dettaglio. L’adozione di servizi cloud-only può entrare in rotta di collisione con policy aziendali di data residency, requisiti GDPR e la necessità di integrare sistemi legacy che non parlano con il mondo esterno.

Qui si inserisce il dibattito che seguiamo su AI-RADAR: per carichi di lavoro basati su LLM in contesti sensibili, il self-hosted on-premise non è un vezzo tecnico ma spesso l’unica strada percorribile. Esecuzione di inference su GPU locali, modelli ottimizzati via quantization, container orchestrati su Kubernetes: soluzioni che consentono di mantenere il controllo totale sui dati, evitare costi ricorrenti imprevedibili e rispondere a requisiti di audit. Naturalmente, comportano investimenti iniziali più alti e la necessità di competenze interne, ma per un numero crescente di realtà industriali il TCO va calcolato su un orizzonte ben più ampio della semplice bolletta cloud.

Oltre la startup: cosa segnala questo investimento

Il round di Compri è un segnale forte per l’ecosistema italiano ed europeo. Da un lato, conferma che l’AI applicata ai processi industriali – non solo chatbot generici – può attrarre capitali convinti. Dall’altro, mette in luce la tensione tra la promessa di una piattaforma pronta all’uso e le esigenze di deployment che il mercato manifatturiero impone. Chi sceglie oggi un tool di AI procurement deve guardare oltre la demo: deve capire quale modello di deployment viene offerto, se esistono opzioni on-premise o ibride, e come viene gestita la proprietà dei dati utilizzati per il fine-tuning.

In prospettiva, è verosimile che startup come Compri si trovino presto a dover articolare roadmap infrastrutturali differenziate. Non è escluso che la domanda di versioni “air-gapped”, installabili dentro fabbrica e scollegate dalla rete, possa diventare un elemento competitivo decisivo. Per chi valuta queste soluzioni, la trasparenza sullo stack tecnicico e la flessibilità architetturale conteranno almeno quanto le funzionalità applicative. Il procurement del futuro sarà agente-centrico, sì, ma probabilmente anche molto più radicato in sala macchine di quanto i primi round seed lascino immaginare.