In un articolo pubblicato di recente sulla Harvard Business Review, dal titolo emblematico “Why Startups Benefit When Big Investments Come Later”, viene proposta una tesi interessante: Il momento e l’entità dei finanziamenti influenzano l’innovazione delle startup: troppo capitale precoce riduce sperimentazione e crescita sostenibile.
Nell’articolo viene presentato il caso della startup Color Labs. Lanciata nel 2011 con un finanziamento iniziale record di 41 milioni di dollari, l’app di condivisione foto ha registrato oltre un milione di download in meno di un anno. Tuttavia, invece di migliorare le funzionalità e l’esperienza utente, il team ha puntato solo sull’acquisizione di nuovi clienti. In breve tempo, i problemi tecnici e l’insoddisfazione dei clienti hanno fatto crollare l’utilizzo. Nel 2012, nonostante 25 milioni di dollari ancora in cassa, gli investitori hanno deciso di chiudere l’azienda.
Secondo gli analisti, l’errore principale è stata la pressione esercitata da un finanziamento iniziale troppo elevato, che ha spinto l’azienda a scalare rapidamente senza consolidare il prodotto. In altre parole, Color Labs è passata troppo presto dalla sperimentazione allo sfruttamento, sacrificando la fase di apprendimento e di iterazione, cioè quel processo ciclico di miglioramento del prodotto che prevede test continui, raccolta di feedback dagli utenti e successivi aggiustamenti per affinare funzionalità ed esperienza d’uso. Color Labs ha puntato ad avere tanti clienti per “ripagare” l’investimento invece di dedicarsi all’idea originale che nasce piccola e cresce con esperimenti, discussioni animate continue e condivisione.
Questa vicenda ha ispirato studi più approfonditi sul rapporto tra tempistica e ammontare dei finanziamenti e capacità innovativa delle startup. Una ricerca di Harsh Ketkar (University of Texas, McCombs School of Business) e Maria Roche (Harvard Business School) ha analizzato oltre 11.800 imprese tecnologiche statunitensi fondate tra il 2010 e il 2019, basandosi su dati PitchBook e BuiltWith.
Gli studiosi hanno scelto di misurare l’innovazione non attraverso i brevetti — uno strumento poco usato dalle startup, sia perché il processo di deposito è lungo e costoso, sia perché queste imprese si muovono in contesti molto dinamici dove conta arrivare velocemente al product-market fit, più che tutelarsi giuridicamente — ma analizzando invece le combinazioni tecnologiche adottate. Una startup che utilizza tecnologie molto comuni (ad esempio Azure, Amazon RDS e Tableau) è considerata più convenzionale, mentre una che combina strumenti meno noti (es. DigitalOcean, CockroachDB, Metabase) viene classificata come più innovativa. L’idea di fondo è che prodotti rivoluzionari nascano spesso dalla ricombinazione originale di tecnologie già disponibili, come è avvenuto per l’iPhone. In quel caso, Apple non ha inventato da zero componenti completamente nuovi, ma ha integrato in modo inedito tecnologie esistenti — come schermi touch, connessione internet mobile, lettori musicali e interfacce grafiche intuitive — trasformandole in un dispositivo unico e dirompente.
Sappiamo infatti che i casi opposti, in cui il carattere rivoluzionario non deriva dalla ricombinazione, bensì dall’invenzione di nuove tecnologie radicali sono molto più rari. Ad esempio, il laser, che ha introdotto un principio fisico mai applicato prima nei dispositivi ottici; il transistor, che ha sostituito le valvole termoioniche rivoluzionando l’elettronica moderna; o la penicillina, che ha aperto la strada alla medicina antibiotica grazie a una scoperta scientifica totalmente nuova.
Dallo studio citato nell’articolo della HBR, emergono tre considerazioni principali:
- Tempistica – Le startup che ricevono più tardi il primo round di finanziamenti tendono a continuare a sperimentare più a lungo. La sperimentazione è prioritaria per una startup innovativa perché consente di validare ipotesi, testare rapidamente diverse soluzioni e raccogliere feedback dal mercato. Questo processo veloce e iterativo riduce il rischio di sviluppare prodotti non in linea con i bisogni dei clienti e permette di individuare prima le combinazioni tecnologiche più efficaci tenendo d’occhio anche le esigenze dei clienti via via in mutamento. Senza una fase estesa di sperimentazione, le startup rischiano di bruciare risorse in strategie premature di crescita, perdendo la capacità di apprendere e di adattarsi: elementi fondamentali per distinguersi in mercati dinamici e competitivi.
- Dimensione – Quelle che ricevono grandi investimenti adottano più tecnologie, ma in combinazioni più convenzionali, riducendo la capacità esplorativa. Le combinazioni convenzionali tendono a replicare soluzioni già diffuse nel settore: questo rende i prodotti più prevedibili e meno differenziati, limitando la possibilità di scoprire approcci realmente innovativi. Al contrario, la capacità esplorativa è fondamentale per una startup innovativa perché consente di sperimentare vie non battute, individuare nuove nicchie di mercato e creare vantaggi competitivi sostenibili. Senza un orientamento all’esplorazione, la startup rischia di diventare imitativa, perdendo la propria ragion d’essere e la possibilità di generare discontinuità significativa rispetto ai concorrenti.
- Track record degli investitori – La storia degli investitori nelle startup influisce sul grado di sperimentazione consentito e sulla loro longevità. Gli investitori con una lunga esperienza di exit (la strategia con cui un investitore realizza un guadagno uscendo da un’impresa, startup o azienda matura) tendono a esercitare una maggiore pressione per replicare schemi già vincenti, spingendo verso strategie di crescita rapida e riducendo la tolleranza al rischio esplorativo. Al contrario, investitori abituati a sostenere imprese giovani e ad alto contenuto innovativo sono più inclini a concedere tempo e spazio alla sperimentazione. Questo fattore è cruciale perché una cultura finanziaria orientata alla pazienza e all’innovazione aumenta le probabilità che la startup sviluppi capacità distintive nel lungo periodo, mentre un approccio focalizzato solo sull’exit rapida può accorciare drasticamente il suo ciclo di vita.
A conferma di questa dinamica arriva la testimonianza di Josh Walker, cofondatore e CEO di Sports Innovation Lab, un’azienda di Boston che offre soluzioni di AI e analisi dati per lo sport. Fondata nel 2017, ha dovuto affrontare momenti critici, soprattutto durante la pandemia, quando ha perso il 30% dei clienti in un solo giorno.
La flessibilità nel modello di business — dal focus sulle tecnologie sportive alla raccolta e analisi dei dati dei fan — è stata resa possibile dalla natura delle relazioni personali tra gli investitori e il team, che hanno garantito fiducia e pazienza. Walker sottolinea che grandi istituzioni finanziarie avrebbero probabilmente “tagliato le perdite” dopo le prime difficoltà, mentre investitori vicini al team hanno creduto nella capacità di adattamento e di innovazione.
La sua raccomandazione alle startup è di evitare di raccogliere troppo capitale troppo presto: valutazioni elevate senza ricavi generano pressioni insostenibili, diluiscono il controllo dei fondatori e creano aspettative irrealistiche. È meglio cercare investimenti consistenti solo dopo aver dimostrato la capacità di vendere e fidelizzare i clienti.
Nella maggior parte dei casi, invece, gli investitori professionali non mostrano né fiducia né pazienza, perché sono vincolati da obiettivi di rendimento a breve termine, dalla necessità di ridurre il rischio e dalla pressione a dimostrare ritorni rapidi ai loro stakeholder. Questo li porta a privilegiare strategie conservative e a disinvestire appena emergono difficoltà, anche a scapito del potenziale innovativo di lungo periodo.
Conclusione
Le esperienze di Color Labs, la ricerca di Ketkar e Roche e il caso Sports Innovation Lab convergono su un punto centrale: non è solo la quantità di capitale a determinare il successo di una startup, ma il suo timing, l’atteggiamento degli investitori e la capacità di preservare la sperimentazione come parte del DNA aziendale.
Con Widecons®, le startup accelerano il ciclo di apprendimento: sperimentazione veloce, raccolta strutturata dei feedback, ottimizzazione delle funzionalità e rapido raggiungimento del product–market fit.
Autore: Gaetano Rizzitelli