ARR gonfiato nelle startup AI: come valutarle davvero

Il contesto: perché le metriche ARR delle startup AI sono sotto esame

A maggio 2026, TechCrunch ha pubblicato un’analisi approfondita 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.

Il fenomeno non è 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.

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.

I numeri che contano: come viene distorto l’ARR nel settore AI

L’ARR, o Annual Recurring Revenue, misura i ricavi annualizzati da contratti ricorrenti. È una metrica standard nel SaaS tradizionale. Tuttavia, nel contesto AI subisce diverse forme di manipolazione.

La prima tecnica è l’annualizzazione aggressiva. Una startup con un contratto mensile da 10.000 euro dichiara un ARR di 120.000 euro, anche se il contratto dura solo tre mesi. Pertanto, il numero appare solido, ma non riflette alcun impegno pluriennale del cliente.

La seconda tecnica riguarda l’inclusione dei servizi professionali. Consulenze, implementazioni e formazione vengono conteggiate come ricavi ricorrenti. Al contrario, per definizione non lo sono: si esauriscono con il progetto.

La terza distorsione coinvolge i contratti pilota. Alcune startup contano come ARR anche i progetti proof-of-concept, che spesso non si convertono in contratti definitivi. Dunque, il tasso di conversione reale rimane nascosto agli osservatori esterni.

Secondo un’analisi di Gartner sulle metriche delle startup AI, oltre il 40% delle aziende nel settore utilizza definizioni non standard di ARR nelle comunicazioni pubbliche. Inoltre, meno del 20% specifica chiaramente quali componenti di ricavo include nel calcolo.

Lettura strategica: cosa significa per chi deve scegliere un fornitore AI

Le PMI B2B si trovano spesso a dover valutare fornitori di soluzioni AI senza disporre degli strumenti analitici dei fondi di venture capital. Tuttavia, esistono segnali leggibili anche senza accesso ai bilanci certificati.

Il primo segnale riguarda la composizione del cliente base. Una startup con 500 clienti paganti a basso ticket è strutturalmente più solida di una con 5 enterprise a contratto pilota, anche se l’ARR dichiarato è identico. Pertanto, è opportuno chiedere quanti clienti attivi pagano mensilmente, non solo il numero totale.

Il secondo elemento da verificare è il Net Revenue Retention (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.

Il terzo criterio è la struttura contrattuale. Contratti annuali prepagati indicano commitment reale da parte dei clienti. Invece, accordi mensili rescindibili in qualsiasi momento riducono significativamente la solidità del ricavo ricorrente.

In questo senso, Harvard Business Review ha dedicato un’analisi alla valutazione della stabilità dei vendor AI. L’articolo sottolinea come la due diligence operativa sia oggi più importante della reputazione mediatica del fornitore.

Il rischio nascosto per le PMI: dipendenza da piattaforme fragili

Adottare uno strumento AI da una startup con metriche gonfiate espone le PMI a rischi concreti. In particolare, il rischio principale è la discontinuità del servizio. Se la startup esaurisce i fondi o viene acquisita, i contratti in essere possono essere interrotti con preavvisi minimi.

Noi di SHM Studio abbiamo osservato questo scenario in almeno tre casi negli ultimi diciotto mesi. Aziende clienti avevano integrato strumenti AI di terze parti nei loro processi di digital marketing e SEO. Successivamente, i fornitori hanno chiuso o pivotato il prodotto. Di conseguenza, si è resa necessaria una migrazione urgente, con costi e interruzioni non pianificate.

Oltre a questo, esiste un rischio di lock-in tecnologico. 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 facilità di uscita dal contratto.

Infine, c’è il rischio reputazionale. Associarsi pubblicamente a una startup che poi risulta aver gonfiato le metriche può danneggiare la credibilità dell’azienda cliente, soprattutto in contesti B2B dove la fiducia è un asset critico.

Implicazioni operative: una checklist per la valutazione dei vendor AI

Sulla base di questi elementi, è 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.

• Richiedere la breakdown dell’ARR: quanta parte proviene da contratti annuali prepagati, quanta da mensili, quanta da servizi professionali non ricorrenti.
• Verificare il numero di clienti attivi: non solo il totale storico, ma quanti pagano oggi e con quale frequenza.
• Chiedere il Net Revenue Retention: un dato superiore al 100% è un segnale positivo di solidità del prodotto.
• Analizzare la runway finanziaria: quanti mesi di operatività garantisce la liquidità attuale, indipendentemente dai ricavi dichiarati.
• Valutare le clausole di uscita: tempi di preavviso, portabilità dei dati, disponibilità delle API in caso di chiusura del servizio.
• Controllare la concentrazione del cliente base: se il 50% dell’ARR proviene da uno o due clienti, il rischio di volatilità è elevato.

Questi criteri si applicano sia alla scelta di strumenti per la gestione dell’AI in azienda, sia alla selezione di piattaforme per campagne Google Ads o campagne LinkedIn con componenti di automazione intelligente.

Quello che nessuno dice apertamente: il ruolo dei VC nella costruzione del mito

L’inchiesta di TechCrunch solleva una questione che va oltre la contabilità creativa. I venture capitalist non sono vittime inconsapevoli di queste pratiche. Al contrario, spesso le incoraggiano attivamente.

Il meccanismo è 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. Così, il mercato secondario assorbe valutazioni che non reggerebbero a un’analisi rigorosa.

Secondo McKinsey nel suo State of AI 2025, la pressione a mostrare crescita rapida ha portato molte organizzazioni a privilegiare metriche di vanità rispetto a indicatori di valore reale. Inoltre, la competizione per i talenti e la visibilità mediatica amplifica questo effetto nel settore AI più che in qualsiasi altro verticale tecnologico.

Per le PMI, questo significa operare in un mercato dove le informazioni pubbliche sui vendor sono strutturalmente distorte. Dunque, la due diligence indipendente non è un’opzione accessoria: è una necessità operativa.

La prospettiva di SHM Studio: come orientiamo le scelte tecnologiche dei clienti

SHM Studio accompagna le PMI italiane nella selezione e nell’integrazione di tecnologie digitali, incluse le soluzioni AI applicate a sviluppo web, copywriting SEO e automazione del marketing. In questo contesto, la valutazione critica dei vendor è parte integrante del nostro processo di consulenza.

In particolare, quando valutiamo strumenti da integrare nei flussi di lavoro dei clienti, applichiamo sistematicamente i criteri descritti in questo articolo. Inoltre, monitoriamo la stabilità finanziaria dei fornitori nel tempo, non solo al momento dell’onboarding. Così, riduciamo il rischio di dover gestire migrazioni urgenti o interruzioni di servizio non pianificate.

Per le aziende che stanno valutando l’adozione di strumenti AI o che vogliono rivedere il proprio stack tecnologico, il blog di SHM Studio offre aggiornamenti regolari su questo tipo di dinamiche. Inoltre, il team è disponibile per una valutazione personalizzata attraverso la pagina contatti.

Infine, per chi gestisce attività di digital marketing con componenti AI, suggeriamo di rivedere periodicamente i contratti con i fornitori di piattaforme automatizzate. Perciò, è utile impostare alert interni quando un vendor cambia pricing, modifica le API o annuncia round di finanziamento con valutazioni anomale rispetto ai ricavi dichiarati. Questi segnali, letti insieme, offrono un quadro più affidabile della salute reale di una startup AI rispetto a qualsiasi comunicato stampa.