Per efficienza, così in sintesi Enrico Pochettino motiva la scelta del Gruppo Iren di fare investimenti indiretti sulle startup. Ed è un’argomentazione interessante e utile per tante altre organizzazioni.
Sono ancora poche le aziende italiane che investono sulle startup, che scelgono quindi il corporate venture capital come strumento di innovazione. Una di queste, una pioniera nel suo settore, è il Gruppo Iren, multiutility attiva nei settori dell’energia, dell’ambiente, delle reti e dei servizi tecnologici, con 12.000 dipendenti e una presenza capillare sul territorio.
Circa dieci anni fa Iren ha avviato una strategia di open innovation, che a fine marzo è stata premiata con il Top Utility Award Ricerca & Innovazione. Al cuore di questa strategia c’è proprio un approccio al corporate venture capital che ha cambiato pelle nel corso del tempo: dagli investimenti diretti nelle singole startup, avviati nel 2019, alla scelta più recente di operare come limited partner in fondi specializzati.
Indice degli argomenti
Enrico Pochettino: i vantaggi di investire indirettamente sulle startup
Una scelta che oggi si traduce in oltre 60 startup nel portafoglio — virtuale, come lo chiama Enrico Pochettino, Direttore Innovazione del Gruppo — con un commitment in tre veicoli: Tech4Planet, Mito Tech Ventures e, da marzo 2026, Atlas AI VB Fund I.
Abbiamo incontrato Enrico Pochettino per farci raccontare l’approccio del Gruppo al corporate venture capital, più industriale che finanziario, e quali sono i vantaggi di essere un investitore in startup ma indiretto.
Cominciamo dall’ultimo investimento, i 3 milioni sul fondo Atlas AI. Domandiamo a Enrico Pochettino: è un cambio di passo o un’evoluzione naturale del percorso?
Direi evoluzione. Siamo partiti nel 2019 con investimenti diretti in startup, poi abbiamo progressivamente spostato il baricentro verso gli investimenti indiretti, in cui entriamo come limited partner in fondi terzi specializzati, sempre con un ruolo industriale. Atlas è il terzo passo di questo percorso: parliamo di un commitment economico complessivo di circa 10 milioni di euro.
Il modello è semplice nella logica: con i fondi abbiamo accordi per avere visibilità su tutto il loro deal flow, e in alcuni casi offriamo supporto tecnico come advisor per valutare gli investimenti. Non abbiamo poteri di veto, non possiamo indirizzare le scelte del gestore. Ma al fondo fa piacere confrontarsi con un operatore industriale, e a noi fa piacere leggere quello che vedono loro ed entrare in contatto con le startup.
Quindi proseguite sulla strada degli investimenti indiretti. Perché avete confermato questo approccio?
Per efficienza. Se il nostro obiettivo è industriale e rivolto all’adozione di tecnologia nei diversi business, allora la domanda è: in quante startup dovremmo investire per colmare i nostri bisogni di innovazione? La risposta è che sarebbe troppo oneroso, lento e inefficiente.
Iren è una multiutility, un tipico end user di tecnologia. Non siamo una tech company ma noi adottiamo tecnologia principalmente sviluppata da terzi integrandola nei nostri processi. Abbiamo tanti business, tante esigenze diverse: ci serve un occhio molto ampio. E con gli investimenti indiretti, in poco più di due anni abbiamo raggiunto un portafoglio virtuale di oltre 60 startup — startup in cui i fondi hanno investito e su cui abbiamo visibilità. Con gli investimenti diretti, per arrivare a quel numero, avremmo avuto bisogno di risorse e struttura organizzativa enormemente superiori.
Diciamo “portafoglio virtuale” perché non è il nostro portafoglio in senso stretto: è la somma dei portafogli dei fondi a cui partecipiamo. E man mano che i due fondi ancora attivi — Mito Tech Ventures e Atlas AI VB — continuano a investire, quel portafoglio crescerà ancora ed a questi si sommano le startup che entrano nei loro funnel e che, seppure con soluzioni interessanti per noi, non sono in portafoglio.
Enrico Pochettino: la frontiera dell’intelligenza artificiale
Atlas è diverso dai due precedenti: guarda all’AI, non al cleantech, e ha un orizzonte globale. Come mai questo cambiamento?
Ci siamo resi conto che Iren ha bisogno di innovazione non solo nei processi tecnici di nicchia collegati ai singoli asset o servizi, ma anche su processi corporate, in funzioni trasversali (acquisti, legale, cyber security, ecc.) o in processi tipici di qualunque azienda. Un esempio: Atlas ha già investito in una startup che sviluppa un nuovo paradigma di telecontrollo. Non è cleantech, non è energia o ambiente in senso stretto, ma non c’è un utility al mondo che non viva di telecontrolli. Se ci fossimo limitati alla verticale applicativa del core business, avremmo perso quella opportunità.
In più, nella nostra esperienza con i fondi cleantech abbiamo visto che l’intelligenza artificiale è presente in quasi tutte le tecnologie deep tech che nascono oggi. È difficile che emerga una nuova startup su tematiche chimiche, fisiche o termodinamiche che non abbia un pezzo di AI nei suoi processi. Quindi ci sembrava logico seguire quella frontiera in modo più diretto.
Atlas investe specificamente in startup nate dentro venture builder. Perché questo elemento vi ha convinto?
Il venture builder crea startup partendo da bisogni validati da operatori di settore, costruendo team adeguati alla sfida: un data scientist, un CFO, le competenze commerciali, ecc. Il risultato è tendenzialmente una startup che parte già un po’ più forte rispetto a quella nata magari da due ricercatori molto bravi tecnicamente, che però si devono improvvisare imprenditori. In teoria questo si traduce in un tasso di mortalità più basso. Per noi, come investitori industriali indiretti, significa meno rischio sulla parte finanziaria dell’investimento.
Va detto che il modello del venture building — sia corporate che indipendente — sta crescendo molto, mentre incubatori e acceleratori tradizionali sembrano attraversare una fase di crisi. La combinazione di corporate venture capital indiretto con startup nate da venture builder ci sembra una configurazione interessante.
Dall’investimento alla collaborazione con le startup
Questo approccio non riduce la possibilità di acquisire qualche startup?
No, anzi. Quando sei azionista diretto di minoranza di una startup, sei un suo cliente importante che è anche nel capitale: questo può far perdere ad altri clienti potenziali — magari concorrenti di Iren — la voglia di lavorare con quella startup. E può creare nella startup stessa una certa inerzia: “tanto Iren è già nel capitale, continueranno a finanziarmi e a lavorare con me”. Con l’investimento indiretto questi rischi scompaiono, e la possibilità di fare un’acquisizione rimane intatta. Se una startup del portafoglio ci piace particolarmente e vogliamo entrare direttamente in quel settore, possiamo tranquillamente presentarci per acquisirla. Non è ancora successo con le startup dei fondi, ma non è da escludere.
Avete già costruito collaborazioni concrete con startup del portafoglio virtuale?
Sì. Con alcune stiamo collaborando attivamente. Mi vengono in mente Finapp, con cui lavoriamo sulla ricerca perdite nelle reti idriche e Rareheart, che si occupa di riciclo di magneti da motori elettrici evitando di estrarre terre rare da una miniera — cinese, nella gran parte dei casi.
Lavorare con le startup con il cappello dell’investitore — anche indiretto — ti dà un’informazione molto più profonda rispetto a essere semplicemente un loro cliente. Il fondo analizza bene la startup prima di investire e poi la segue passo passo. Questo ci permette di avere una conoscenza approfondita della tecnologia, ma anche dei concorrenti di quella startup. E a volte il concorrente risponde meglio alle nostre esigenze.
Con alcune startup siamo arrivati a co-sviluppi, con proprietà intellettuale condivisa. La relazione può quindi evolvere dal cliente puro al partner co-sviluppatore, a seconda delle situazioni.
Le applicazioni dell’AI nelle utility
Dove vedete le applicazioni più promettenti dell’AI per un utility come Iren?
Farei una distinzione. C’è un livello già molto maturo: l’analisi del dato con algoritmi di machine learning e data analytics. Siamo partiti su questo fronte quasi dieci anni fa. La sfida era, ed è ancora, avere un flusso dati pulito e fluido, e restituire informazioni utili agli utenti interni.
A mio parere, la frontiera più interessante oggi è la physical AI: l’interpretazione di dati non strutturati — immagini, suoni, vibrazioni — per produrre azioni fisiche nel mondo reale. Iren è un’azienda molto asset intensive e molto human intensive: 12.000 dipendenti nel gruppo, più della metà in campo. Poter supportare in tempo reale, tramite immagini, sia gli asset che le persone mentre lavorano è qualcosa che fino a poco fa era impensabile.
Un esempio: sulle linee di trattamento delle plastiche, l’interpretazione delle immagini guida l’operatore tramite smart glasses, indicandogli quale rifiuto prendere sul nastro. Non è il robot che fa tutto da solo, è la realtà aumentata che aumenta le capacità di chi lavora.
Questo tramite una informazione destrutturata come un flusso video in tempo reale. La stessa tipologia di dati che da anni rilevavamo con voli aerei le immagini termiche delle città per identificare dispersioni nelle tubazioni del teleriscaldamento. Oggi l’AI interpreta quelle immagini in automatico e, avendo analizzato le stesse foto per più anni, riesce a prevedere con oltre il 70% di precisione quali tubi si guasteranno nell’anno successivo. Quindi non solo un “semplice” machine learning da dati strutturati, ma una previsione che parte da immagini.
Oppure nei termovalorizzatori: stiamo sperimentando una soluzione che, tramite AI, calcola il potere calorifico della superficie della fossa e lo restituisce all’operatore come mappa termica. L’operatore riesce così a vedere la differenza tra inerti che bruciano poco e ad esempio cartone che brucia bene — due materiali che dall’alto, a occhio nudo, sono quasi indistinguibili. Insomma, gli dà un superpotere visivo.
Qual è la sfida più difficile nell’adottare queste tecnologie?
Cambiare i processi. Non è solo adottare uno strumento: devi ridisegnare il processo in funzione dello strumento. E questo cambia il modo in cui le persone lavorano. È la parte più lenta, quella che richiede più energia e tempo. A livello di gruppo stiamo lavorando su questo: aprire i processi, identificare dove l’AI già dà benefici concreti e dove li darà a breve, e intervenire non solo sul tool ma sull’intera catena operativa.
