In May 2026, TechCrunch ha pubblicato un’analisi approfondita<\/a> su una pratica ormai diffusa nell’ecosistema AI. Alcune startup gonfiano le proprie metriche di Annual Recurring Revenue per costruire narrative di crescita convincenti. Inoltre, i venture capitalist che le finanziano sono spesso consapevoli di questa distorsione. Tuttavia, continuano a diffondere quei numeri pubblicamente.<\/p>\n Il fenomeno non \u00e8 nuovo nel mondo tech. Tuttavia, nell’era dell’intelligenza artificiale assume contorni particolari. Infatti, i modelli di business delle startup AI sono spesso ibridi: combinano licenze software, servizi professionali, crediti API e contratti pilota. Di conseguenza, la definizione stessa di “ricavo ricorrente” diventa elastica e manipolabile.<\/p>\n Per le PMI italiane che operano in ambito B2B o retail, questo scenario ha implicazioni dirette. In particolare, riguarda chiunque stia valutando l’adozione di strumenti AI, la scelta di partner tecnologici o l’integrazione di piattaforme di terze parti nei propri flussi di lavoro.<\/p>\n L’ARR, o Annual Recurring Revenue, misura i ricavi annualizzati da contratti ricorrenti. \u00c8 una metrica standard nel SaaS tradizionale. Tuttavia, nel contesto AI subisce diverse forme di manipolazione.<\/p>\n La prima tecnica \u00e8 l’Aggressive annualization<\/strong>. A startup with a monthly contract of 10,000 euros declares an ARR of 120,000 euros, even though the contract only lasts three months. Therefore, the number looks solid, but it does not reflect any multi-year commitment from the customer.<\/p>\n La seconda tecnica riguarda l’inclusione dei Professional services<\/strong>. Consulting, implementations, and training are counted as recurring revenue. Conversely, by definition, they are not: they are project-based.<\/p>\n The third distortion involves the pilot agreements<\/strong>. Some startups also count proof-of-concept projects as ARR, which often do not convert into definitive contracts. Therefore, the real conversion rate remains hidden from outside observers.<\/p>\n According to an analysis by Gartner on AI Startup Metrics<\/a>, more than 40% of companies in the sector use non-standard definitions of ARR in their public communications. Furthermore, less than 20% clearly specify which revenue components are included in their calculations.<\/p>\n B2B SMEs often find themselves having to evaluate AI solution providers without having the analytical tools of venture capital funds. However, there are observable signs even without access to certified financial statements.<\/p>\n The first sign is about the Base customer composition<\/strong>. Una startup con 500 clienti paganti a basso ticket \u00e8 strutturalmente pi\u00f9 solida di una con 5 enterprise a contratto pilota, anche se l’ARR dichiarato \u00e8 identico. Pertanto, \u00e8 opportuno chiedere quanti clienti attivi pagano mensilmente, non solo il numero totale.<\/p>\n Il secondo elemento da verificare \u00e8 il Net Revenue Retention<\/strong> (NRR). Questa metrica misura quanto i clienti esistenti spendono nel tempo. Un NRR superiore al 100% indica espansione organica. Al contrario, un NRR sotto il 90% segnala churn elevato, indipendentemente dall’ARR dichiarato.<\/p>\n Il terzo criterio \u00e8 la contractual structure<\/strong>. Contratti annuali prepagati indicano commitment reale da parte dei clienti. Invece, accordi mensili rescindibili in qualsiasi momento riducono significativamente la solidit\u00e0 del ricavo ricorrente.<\/p>\n In this sense, Harvard Business Review ha dedicato un’analisi<\/a> alla valutazione della stabilit\u00e0 dei vendor AI. L’articolo sottolinea come la due diligence operativa sia oggi pi\u00f9 importante della reputazione mediatica del fornitore.<\/p>\n Adottare uno strumento AI da una startup con metriche gonfiate espone le PMI a rischi concreti. In particolare, il rischio principale \u00e8 la discontinuit\u00e0 del servizio<\/strong>. If the startup runs out of funds or is acquired, existing contracts can be terminated with minimal notice.<\/p>\n We of SHM Studio<\/a> We have observed this scenario in at least three cases over the past eighteen months. Client companies had integrated third-party AI tools into their processes. digital marketing<\/a> e SEO<\/a>. Successivamente, i fornitori hanno chiuso o pivotato il prodotto. Di conseguenza, si \u00e8 resa necessaria una migrazione urgente, con costi e interruzioni non pianificate.<\/p>\n Besides this, is there a risk of technological lock-in<\/strong>. Alcune piattaforme AI costruiscono dipendenze profonde nei flussi di lavoro aziendali. Pertanto, cambiare fornitore diventa costoso anche quando il servizio peggiora. Dunque, la valutazione iniziale del vendor deve includere anche la facilit\u00e0 di uscita dal contratto.<\/p>\n Infine, c’\u00e8 il rischio reputazionale. Associarsi pubblicamente a una startup che poi risulta aver gonfiato le metriche pu\u00f2 danneggiare la credibilit\u00e0 dell’azienda cliente, soprattutto in contesti B2B dove la fiducia \u00e8 un asset critico.<\/p>\n Sulla base di questi elementi, \u00e8 possibile costruire un processo di valutazione strutturato. Di seguito, i criteri principali che suggeriamo di applicare prima di firmare qualsiasi contratto con un fornitore AI.<\/p>\n These criteria apply to both the selection of tools for gestione dell’AI in azienda<\/a>, both to the selection of platforms Google Ads campaigns<\/a> o LinkedIn campaign<\/a> with intelligent automation components.<\/p>\n L’inchiesta di TechCrunch solleva una questione che va oltre la contabilit\u00e0 creativa. I venture capitalist non sono vittime inconsapevoli di queste pratiche. Al contrario, spesso le incoraggiano attivamente.<\/p>\n Il meccanismo \u00e8 semplice. Un fondo che ha investito in una startup ha interesse a massimizzare la valutazione al momento dell’exit. Pertanto, diffondere narrative di crescita basate su ARR generosi serve a preparare il terreno per round successivi o acquisizioni a multipli elevati. Cos\u00ec, il mercato secondario assorbe valutazioni che non reggerebbero a un’analisi rigorosa.<\/p>\n According to McKinsey in its State of AI 2025<\/a>, la pressione a mostrare crescita rapida ha portato molte organizzazioni a privilegiare metriche di vanit\u00e0 rispetto a indicatori di valore reale. Inoltre, la competizione per i talenti e la visibilit\u00e0 mediatica amplifica questo effetto nel settore AI pi\u00f9 che in qualsiasi altro verticale tecnologico.<\/p>\n Per le PMI, questo significa operare in un mercato dove le informazioni pubbliche sui vendor sono strutturalmente distorte. Dunque, la due diligence indipendente non \u00e8 un’opzione accessoria: \u00e8 una necessit\u00e0 operativa.<\/p>\n SHM Studio<\/a> accompagna le PMI italiane nella selezione e nell’integrazione di tecnologie digitali, incluse le soluzioni AI applicate a web development<\/a>, SEO copywriting<\/a> e automazione del marketing. In questo contesto, la valutazione critica dei vendor \u00e8 parte integrante del nostro processo di consulenza.<\/p>\n In particolare, quando valutiamo strumenti da integrare nei flussi di lavoro dei clienti, applichiamo sistematicamente i criteri descritti in questo articolo. Inoltre, monitoriamo la stabilit\u00e0 finanziaria dei fornitori nel tempo, non solo al momento dell’onboarding. Cos\u00ec, riduciamo il rischio di dover gestire migrazioni urgenti o interruzioni di servizio non pianificate.<\/p>\n Per le aziende che stanno valutando l’adozione di strumenti AI o che vogliono rivedere il proprio stack tecnologico, il SHM Studio Blog<\/a> offre aggiornamenti regolari su questo tipo di dinamiche. Inoltre, il team \u00e8 disponibile per una valutazione personalizzata attraverso la pagina contacts<\/a>.<\/p>\nI numeri che contano: come viene distorto l’ARR nel settore AI<\/h2>\n
Strategic Reading: What It Means for Those Choosing an AI Provider<\/h2>\n
The Hidden Risk for SMEs: Dependence on Fragile Platforms<\/h2>\n
Operational Implications: A Checklist for Evaluating AI Vendors<\/h2>\n
\n
What no one says openly: the role of VCs in myth-building<\/h2>\n
SHM Studio's Perspective: How We Guide Clients' Technology Choices<\/h2>\n