PandasAI: Y Combinator visto da founder italiano (Venturi)

Gabriele Venturi arriva all'aeroporto di San Francisco due giorni prima dell'inizio di Y Combinator. Ha l'ESTA, lo stesso visto turistico che YC suggerisce a tutti i founder europei. Lo fermano alla dogana, lo trattengono 24 ore in stato di arresto, gli revocano l'autorizzazione e lo rimandano indietro: sospettavano volesse migrare clandestinamente. Il suo Y Combinator inizia così, con l'ambasciata americana e un visto B1/B2 ottenuto a tempo di record. Il batch dura due mesi invece di tre.

Questa intervista di Risorse Artificiali (Stefano Maestri) a Gabriele Venturi, founder di PandasAI (22.000 stars su GitHub, YC alumnus), è uno dei pochi approfondimenti italiani su cosa significhi costruire una startup AI tra Europa e Silicon Valley. Novanta minuti densi di lezioni operative su Y Combinator, pivot, fundraising, open source, agent AI e mercato enterprise.

Prima di PandasAI: come diventa founder un builder autodidatta

Venturi nasce a Siena, impara a programmare a 12 anni andando in biblioteca a prendere libri di programmazione. La prima startup arriva a 17 anni, durante gli studi di economia mai completati. Sceglie economia "perché volevo qualcosa di complementare all'ingegneria": già allora pensava sia da builder sia da venditore.

Tra il 2018 e il 2022 fa un passo indietro consapevole. Lavora come software engineer in startup tra Berlino, Monaco, Parigi e Londra. La motivazione è esplicita: "Volevo vedere come funziona un'azienda strutturata da dentro. Per crescere, per andare oltre certe barriere che poi trovi, devi averle viste". È la trappola che molti founder italiani sottovalutano: l'ossessione per il "fai da subito" può far saltare l'apprendimento delle logiche enterprise che servono al primo round serio.

Ad aprile 2023, durante il ponte del 25, Venturi nota un gap nei modelli LLM appena usciti: generano codice in modo straordinario, ma non hanno skill matematiche native. Una libreria che traducesse domande in linguaggio naturale in operazioni su dataframe pandas avrebbe colmato la lacuna. In due giorni costruisce il core di PandasAI: una riga di codice, un dataframe, una query in linguaggio naturale, una risposta strutturata con grafici via matplotlib.

Il progetto esplode. Oggi PandasAI ha 22.000 stars su GitHub. I VC iniziano a contattarlo da soli.

Le lezioni da Chatpick: perché l'idea giusta nel momento sbagliato fallisce

Prima di PandasAI, Venturi aveva lanciato Chatpick: un Photoshop conversazionale dove modificavi immagini scrivendo in linguaggio naturale. Secondo Venturi era esattamente l'idea dietro a quello che Google ha sviluppato dopo, da lui chiamato Nano Banana. La differenza è il momento: Chatpick arriva troppo presto, con tecnologia immatura, founder solitario e zero esperienza di fundraising.

Le lezioni che Venturi esplicita sono tre, e valgono per qualunque founder pre-seed.

Prima: senza tecnologia matura nessuna scommessa sulla vision (vision-driven bet) regge un round serio. Chatpick richiedeva investimenti da Big Tech per funzionare, non a caso quella tecnologia oggi è in mano a Google con Nano Banana. Seconda: VC e accelerator vogliono team, non eroi solitari. PandasAI ha avuto lo stesso difetto, ma la traction ha compensato. Terza: il fundraising è un mestiere a sé. Venturi era abituato al bootstrapping. Sul primo round di PandasAI ha sbagliato tutto nelle prime settimane; una volta capite le regole del gioco, ha aperto e chiuso il round in due settimane.

La lezione operativa: il fundraising è un mestiere a sé, non una conseguenza naturale del prodotto. Se non l'hai mai fatto, parti dal presupposto che la prima fase sarà un disastro.

Y Combinator dentro: selezione, network, mindset shift

Y Combinator riceve migliaia di applicazioni per batch. Circa il 10% raggiunge l'interview, e di quelli circa il 10% viene accettato. L'imbuto totale è intorno all'1%. Venturi è entrato alla terza o quarta applicazione.

La prima volta era arrivato all'interview con un'altra startup AI (rifiutato: "team forte, ma non crediamo nell'idea"). Anche con PandasAI, già a 12.000 stars, è stato rifiutato senza neppure interview. Il post-mortem: probabilmente il sito non comunicava la professionalità necessaria, non emergeva che PandasAI veniva usato dal Fortune 500. Il dettaglio fa la differenza tra "tanto hype" e "tanto hype, e ti usa Google".

Il colloquio dura dai cinque ai dieci minuti. La prima domanda è quasi sempre la stessa: "So what do you guys do?". Devi avere il one-liner pronto, perché ti interromperanno presto. Venturi descrive l'esperienza come una sessione di speed dating con i partner più amichevoli del previsto: la pressione te la metti da solo.

Una volta dentro, il vero valore di YC non sono le porte aperte (che sono molte di più dopo, non durante). Il valore è il network e la competizione interna. Vedere altre startup crescere del 100% settimana su settimana ti porta a dare il meglio. Tre mesi che ti prosciugano nel senso positivo.

Il vero shift è culturale. Il founder europeo, soprattutto se tecnico, è ossessionato dal prodotto: costruisce, costruisce, costruisce, e poi vende. Silicon Valley ribalta il pattern: vendi, e poi costruisci quello che hai venduto. Venturi cita founder usciti dal demo day con una pipeline commerciale da centinaia di migliaia di dollari per prodotti che ancora non esistevano. Bisogna tenere a mente il survival bias (delle 2.000 startup che pivotano due settimane prima del demo day, una diventa unicorno; le altre no), ma il punto resta chiaro: la fase di vendita non viene dopo, viene prima.

PandasAI, Annie e il data meshing cross-fonte

PandasAI resta open source. Su questa scelta Venturi è netto: la community è il principale asset di difendibilità. Costruisci un prodotto per qualcuno che ti dà feedback, non nella tua cameretta. Open source significa anche audit, fiducia e contributi esterni. Lo svantaggio è la cannibalizzazione del mercato e il calo della sponsorship: Venturi cita il caso di Tailwind CSS, che secondo lui sarebbe stata costretta a licenziare gran parte della workforce perché gli AI agent leggono la documentazione e nessuno chiede più supporto a pagamento. Aggiunge anche un'osservazione amara sulla tossicità crescente di alcune community open source ("GitHub sta diventando il nuovo Instagram"): utenti senza cultura del contributo che pretendono feature gratis.

Annie è il prodotto closed source costruito sopra PandasAI. È un ibrido tra Power BI e Tableau in versione AI-native: connetti il tuo database con un prompt, e in 30 secondi hai una dashboard editabile e condivisibile. La parte più innovativa, secondo Venturi, è il data meshing: l'AI permette di interrogare in modo trasversale fonti diverse senza ETL. Hai dati su HubSpot, Stripe, il tuo database operativo e Meta Ads? Una query omnicomprensiva li mette insieme in pochi secondi.

Il target è enterprise. Non perché le startup non interessino, ma perché il pain principale (data team che diventa collo di bottiglia, decisioni rallentate da una settimana di attesa per un report) è strutturale solo nelle organizzazioni con più stakeholder. La strategia go-to-market è bottom-up: pricing accessibile per data analyst e CFO che testano in autonomia, e poi conversazione enterprise quando il prodotto è già adottato.

Trade-off, guardrail e il mito dell'AI affidabile

Sulla domanda affidabilità Venturi è realista. I workflow agentici stanno diventando deterministici (eseguili dieci volte e ottieni lo stesso risultato), ma il problema vero non è più l'allucinazione: è la prompt injection. Se un agent può eseguire codice, l'attaccante esterno può forzarlo a cancellare il sistema operativo. Per il code execution servono per forza sandbox e virtualizzazione.

L'approccio scelto da Annie è radicale: invece di generare SQL diretto, genera un DSL (un'astrazione sopra SQL) che per costruzione produce solo SELECT, mai UPDATE o DELETE. La chiave di accesso al database è in sola lettura. Il problema dell'affidabilità diventa così un problema by design, non di runtime. Sopra c'è un semantic layer che documenta la funzione di ogni colonna, riducendo la simmetria informativa quando il database ha colonne nominate male.

Venturi ribadisce la necessità di alfabetizzazione AI nelle aziende. Esistono due tipi di C-level pericolosi: quelli che vietano l'AI per principio, e quelli che spingono progetti AI inutili che producono disillusione. Entrambi vanno educati. Su privacy, segnala il paradosso: i log con password verso Sentry vanno bene, ma dati anonimizzati a un LLM provider no. Per chi ha vincoli reali (sanità, finanza, regolamentati) la risposta sono modelli locali self-hosted, e i lavori dei team cinesi ne stanno producendo di eccellenti.

Cosa fare oggi se vuoi costruire una startup AI

Il consiglio operativo di Venturi per chi vuole lanciare oggi una startup AI è netto: padroneggiare l'agentic AI e cavalcare il trend delle AI agencies. La differenza rispetto al SaaS classico è il modello di vendita. Non si vende più un tool che permette al cliente di fare qualcosa meglio. Si vende direttamente il risultato end-to-end. Esempio: un'azienda enterprise spende l'equivalente di 200 giorni-uomo al mese in reporting? Non le proponi un SaaS che riduce quel costo del 50%. Le proponi i report fatti da agenti, con SLA. Il cliente non si occupa più del processo.

Questo modello, secondo Venturi, è un approccio nuovo: difendibile, perché lavora su pain talmente specifici che le Big Tech non hanno né l'esperienza né l'incentivo a coprirli. Il rischio per i prodotti orizzontali (come Cursor o Windsurf nel coding) è invece tangibile: quando Anthropic o OpenAI capiscono il pain, te lo prendono. Il caso di Claude che ha escluso Windsurf dopo l'acquisizione da parte di OpenAI mostra quanto sia rischioso costruire sopra il layer di intelligenza di altri.

Per chi si sta affacciando al mondo da universitario, Venturi cita il paradosso di Jevons: l'abbassarsi del costo di sviluppo software non sta riducendo la domanda di software engineer, la sta aumentando. Le aziende decidono di investire in più software, non di fare lo stesso software a meno. La conseguenza è che il mercato per i senior si allarga, ma per i junior diventa più difficile: la proattività e il fare progetti pratici già durante l'università sono diventati discriminanti.

L'ultima raccomandazione è la più sottovalutata: isolare il rumore. Venturi racconta di aver lanciato un anno fa un post su Bitnet di Microsoft (modelli quantizzati a 1,5 bit) diventato virale; nei giorni successivi una pioggia di influencer ha copiato il post chiedendo a ChatGPT di riscriverlo per non sembrare plagio. Bitnet alla fine non ha funzionato, ma il telefono senza fili degli influencer ne ha amplificato comunque la presunta rilevanza. Provare tutto, ma non lasciarsi trasportare. Avere una vision propria, sposarla, assecondarla. Saltare da un trend all'altro è il modo più rapido per non costruire niente.

Nota: il video è del canale italiano Risorse Artificiali, uno dei pochi canali italiani con focus su builder e founder tecnici. Format intervista, 1 ora e 33 minuti, registrato a inizio 2026. Per approfondire il tema dei pivot e dei motori di crescita citati indirettamente da Venturi, vedi il riassunto del Lean Startup di Eric Ries (categoria Strategia & Business Plan, order 1).