Nel venture capital che ruota attorno all’intelligenza artificiale si sta allargando una frattura sempre più visibile: da una parte chi concentra capitali e attenzione sui grandi sviluppatori di modelli, dall’altra chi ritiene che il valore dell’AI si distribuirà lungo una filiera molto più ampia. Insight Partners si colloca nel secondo gruppo. Devin Parekh, che guida la società d’investimento da 26 anni, ha spiegato a TechCrunch che il fondo intende conservare un portafoglio diversificato anche mentre OpenAI e Anthropic catalizzano round, valutazioni e competizione tra investitori.
La posizione non equivale a ignorare i laboratori che costruiscono i modelli di frontiera. Insight Partners possiede partecipazioni sia in OpenAI sia in Anthropic, due società che competono direttamente in una delle aree più costose e strategiche dell’industria. Ma Parekh non considera questa esposizione un motivo per trasformare il resto della strategia in una scommessa esclusiva su pochi nomi. Per una piattaforma con 90 miliardi di dollari di asset in gestione, la logica è distribuire il rischio tra fasi di investimento, geografie e aziende, senza applicare percentuali rigide prefissate a ogni categoria.
È una scelta che mette in discussione l’idea, oggi molto diffusa, secondo cui l’AI generativa avrà pochi vincitori capaci di assorbire la maggior parte dei rendimenti. Il ragionamento di Insight parte da una distinzione pratica: possedere una quota nei fornitori dei modelli non obbliga a rinunciare alle società che usano quei modelli, costruiscono software specializzato o operano in mercati adiacenti. Anzi, per Parekh, poter effettuare investimenti più piccoli nelle fasi iniziali e aumentare l’esposizione soltanto quando emergono segnali concreti è una componente centrale della gestione del portafoglio.
Quote in concorrenti, conflitti gestiti come parte del mestiere
La presenza contemporanea nel capitale di OpenAI e Anthropic richiama inevitabilmente il tema dei conflitti d’interesse. Parekh non lo tratta come un’eccezione: nel venture capital, soprattutto nei settori in rapida evoluzione, investire in aziende con sovrapposizioni competitive è una situazione ricorrente. L’elemento rilevante è il perimetro in cui il conflitto viene riconosciuto e gestito, non la pretesa di eliminarlo del tutto rinunciando a ogni esposizione vicina.
Questa impostazione è coerente con un fondo che attraversa venture capital, growth equity, buyout e operazioni secondarie. Parekh descrive l’allocazione come variabile nel tempo, non come una formula statica. Nei sette fondi più recenti di Insight, la ripartizione tra investimenti early stage, crescita e acquisizioni sarebbe cambiata di volta in volta. Il contesto macroeconomico e le condizioni dei mercati incidono direttamente sulle decisioni: secondo il manager, l’attuale fase non è favorevole ai grandi buyout software, a causa di tassi elevati, debito meno disponibile e multipli di uscita ridotti. Insight non ha effettuato un buyout rilevante dal 2024.
La diversificazione, quindi, non riguarda soltanto il confronto tra OpenAI, Anthropic e le startup applicative. Serve anche a non restare vincolati a un singolo strumento finanziario nel momento sbagliato del ciclo. In una stagione in cui l’AI ha riacceso l’appetito per il rischio, il messaggio di Parekh è che la dimensione del fondo può essere usata per entrare con gradualità anziché per inseguire ogni round con assegni sempre più grandi.
Valutazioni in salita e ritorno agli investimenti iniziali
Il dirigente ha segnalato una dinamica che ricorda il 2021: le valutazioni venture stanno accelerando. Il problema, a suo avviso, è che i round successivi si chiudono talvolta con una rapidità tale da non aggiungere informazioni significative sullo sviluppo dell’azienda. In teoria, un nuovo finanziamento dovrebbe offrire più dati e ridurre l’incertezza, giustificando un prezzo più alto. Se quella riduzione del rischio non arriva, l’investitore può trovarsi a pagare di più senza avere una base più solida per farlo.
Da qui la preferenza per un ingresso più precoce e modulabile. Parekh cita il caso di Wiz: Insight ha partecipato alla Series A e ha continuato a investire in seguito. L’approccio permette di limitare l’esborso iniziale e di concentrare ulteriori risorse sulle partecipate che dimostrano di funzionare. Per un fondo delle dimensioni di Insight, un investimento iniziale da 20-25 milioni di dollari ha un profilo molto diverso rispetto a un assegno da 500 milioni: se l’azienda non mantiene le attese, l’impatto sul veicolo è contenuto; se cresce, le successive partecipazioni possono aumentare sensibilmente l’esposizione al risultato positivo.
Applicata all’AI, questa disciplina contrasta con l’impressione che ogni società collegata ai foundation model debba essere finanziata immediatamente e a qualsiasi prezzo. Il capitale disponibile resta abbondante, ma le aziende hanno modelli di business, costi di calcolo, dipendenze tecnologiche e prospettive competitive assai diverse. Avere una quota nei due principali laboratori citati da Parekh consente a Insight di partecipare alla crescita dell’infrastruttura di base; una rete di investimenti in altre fasi e categorie offre invece la possibilità di intercettare l’adozione dell’AI senza dover prevedere fin d’ora quale laboratorio prevalga.
Il caso Legora e una competizione globale per il talento
L’intervista lascia spazio anche a ciò che Insight non è riuscita a ottenere. Parekh ha confermato che il fondo ha gareggiato per investire in Legora, società attiva nella legal technology basata sull’AI, senza chiudere l’operazione: l’investimento è andato a General Catalyst. L’episodio mostra quanto sia competitivo il mercato delle startup che promettono applicazioni concrete dell’intelligenza artificiale nei settori professionali.
Per Insight, tuttavia, perdere un singolo deal non modifica il principio della strategia. La società investe a livello globale e Parekh sostiene che la distribuzione del talento si sia sostanzialmente uniformata tra le diverse aree del mondo. È un’osservazione importante perché sposta il baricentro della ricerca di opportunità: non basta monitorare la Bay Area o le aziende che ricevono maggiore esposizione mediatica. Le applicazioni verticali dell’AI, inclusa quella per il lavoro legale rappresentata da Legora, possono svilupparsi in ecosistemi diversi e attirare investitori con tesi altrettanto differenti.
Il caso chiarisce anche un limite della diversificazione: non rende un investitore immune dalla concorrenza. Un fondo può avere capitale, relazioni e un portafoglio ampio, ma le startup scelgono termini, interlocutori e assetto dei round. La risposta di Insight non è cercare di vincere ogni trattativa, bensì costruire abbastanza opzioni da non dipendere da una sola. È una filosofia meno rumorosa rispetto alle grandi operazioni sui laboratori di frontiera, ma potenzialmente più adatta a una fase in cui molte valutazioni incorporano aspettative molto elevate.
L’AI nella sanità come test della tesi applicativa
Parekh guarda all’intelligenza artificiale con un ottimismo pragmatico, pur riconoscendo rischi rilevanti. Tra questi cita la possibilità che un soggetto non statale ottenga accesso a un modello open source e lo impieghi per sviluppare un’arma biologica. La sua valutazione complessiva resta però positiva, perché ritiene più probabili e rilevanti i benefici nella ricerca farmaceutica e nella cura delle malattie.
Il riferimento alla sanità aiuta a leggere la strategia di Insight oltre il solo dibattito sui chatbot e sui modelli linguistici. Parekh siede nel board di NYU Langone e ha richiamato l’uso dell’AI sui dati dei pazienti: secondo il manager, analizzare grandi quantità di cartelle cliniche può migliorare l’identificazione preventiva di rischi sanitari. In un sistema alle prese con l’invecchiamento della popolazione e con una disponibilità insufficiente di professionisti, l’automazione e il supporto decisionale diventano una possibile area di espansione dell’AI.
Questo non elimina gli interrogativi su sicurezza, qualità dei dati, responsabilità e uso dei modelli aperti. Indica però perché un investitore possa preferire una tesi distribuita: la creazione di valore non dipenderà esclusivamente da chi addestra il modello più potente, ma anche da chi riesce a inserirlo in processi regolati, prodotti affidabili e flussi di lavoro dove i risultati siano misurabili.
Nei prossimi mesi Insight dovrà dimostrare che questa impostazione funziona anche con i prezzi in aumento. La strategia esposta da Parekh richiede selezione, tempi d’ingresso disciplinati e capacità di sostenere le società migliori nelle fasi successive. Mentre una parte del mercato concentra le risorse su OpenAI e Anthropic, Insight sta cercando di mantenere entrambe le cose: esposizione ai leader dell’AI e libertà di investire nella pluralità di aziende che proveranno a trasformare quella tecnologia in attività economica.
