01 / 12
Investor deck · Settembre 2026Investor deck · September 2026

Rendiamo profittevoli gli investimenti in AI.We make AI investments profitable.

Trasformiamo i processi aziendali in processi nativi AI, con agenti che imparano dai feedback delle persone e dalla loro personalità.We turn business processes into AI-native processes, with agents that learn from people's feedback and their personality.

Get Sh!t Done · Seed €2.000.000Get Sh!t Done · €2,000,000 Seed
Il problemaThe problem
95%

Le imprese hanno comprato l'AI dimenticandosi del ritorno dell'investimento.Companies bought AI and forgot about the return on investment.

Il 95% dei progetti di AI aziendale non arriva mai a un'applicazione reale enterprise. Non falliscono in laboratorio: falliscono dopo il proof of concept e non vanno in produzione.95% of enterprise AI projects never reach a real enterprise application. They don't fail in the lab: they fail after the proof of concept and never make it to production.

~0,3%~0.3%

E il ritorno economico resta l'eccezione anche lì: solo il 6% delle organizzazioni attribuisce all'AI un impatto reale sui margini (almeno il 5% dell'EBIT). Composto con il 5% che arriva in produzione: circa 3 progetti su 1.000 finiscono per rendere davvero.And even there, economic return stays the exception: only 6% of organizations attribute a real impact on margins to AI (at least 5% of EBIT). Combined with the 5% that reaches production: roughly 3 projects out of 1,000 end up truly paying off.

La differenza è il nostro mercato: oltre metà delle grandi imprese italiane ha già il budget, ma lo sta sprecando.That gap is our market: more than half of large Italian companies already have the budget — and they are wasting it.

Adozione italiana: Osservatorio Artificial Intelligence, Politecnico di Milano, 2025. Quota che arriva in produzione: MIT NANDA, «The GenAI Divide», 2025. Impatto sui margini: McKinsey, «The State of AI», agosto 2026 — il 6% delle organizzazioni attribuisce all'AI almeno il 5% dell'EBIT, e solo il 37% dichiara un contributo all'EBIT di qualunque entità. Le rilevazioni hanno campioni e denominatori diversi: l'imbuto illustra un ordine di grandezza, non una progressione della stessa coorte. Lo ~0,3% è una stima nostra: composizione dei due tassi (5% × 6%).Italian adoption: Politecnico di Milano AI Observatory, 2025. Share reaching production: MIT NANDA, “The GenAI Divide”, 2025. Impact on margins: McKinsey, “The State of AI”, August 2026 — 6% of organizations attribute at least 5% of EBIT to AI, and only 37% report any EBIT contribution at all. The surveys use different samples and denominators: the funnel shows an order of magnitude, not a progression of the same cohort. The ~0.3% is our estimate: a composition of the two rates (5% × 6%).

Perché fallisconoWhy they fail

L'AI generica non impara il mestiere.Generic AI doesn't learn the trade.

Un modello che sa tutto del mondo e niente dell'azienda produce ottime demo, non applicabili davvero. Il MIT lo chiama learning gap: quello che manca è l'adattamento al contesto, non la potenza.A model that knows everything about the world and nothing about the company produces great demos that don't really apply. MIT calls it the learning gap: what's missing is adaptation to context, not power.

È l'era degli agenti, dei loop, degli harness, dei graph. Nessuno sta lavorando per trasferire la personalità delle persone come unicità lavorativa.This is the era of agents, loops, harnesses, graphs. No one is working on transferring people's personality as their unique way of working.

Sotto il mercato degli agenti esistono due paure che si rafforzano a vicenda.Beneath the agent market sit two fears that reinforce each other.

L'aziendaThe company

«Il patrimonio esce dalla porta»“Our assets walk out the door”

Quando un software esterno si collega a CRM ed email, know-how e proprietà intellettuale escono dal perimetro. Quindi l'IT blocca. Ed è un istinto corretto.When external software connects to CRM and email, know-how and intellectual property leave the perimeter. So IT blocks it. And that instinct is correct.

La personaThe person

«Se lo fa la macchina, io cosa sono?»“If the machine does it, what am I?”

In gioco non c'è solo il posto, ma il ruolo. Chi teme di essere sostituito non alimenta il sistema e non lo corregge. E il progetto non ha nulla da cui imparare.What's at stake is not just the job, but the role. People who fear being replaced don't feed the system and don't correct it. And the project has nothing to learn from.

Perché adessoWhy now

L'elettricità ci mise quarant'anni. Per lo stesso identico motivo.Electricity took forty years. For the exact same reason.

GROUP DRIVE · 1880–1920 un solo motore a single motor albero di trasmissione line shaft cinghie belts Le macchine stanno dove arriva la cinghia. Il layout lo detta la trasmissione. Machines sit where the belt reaches. The layout is dictated by the transmission. Guadagno: ≈ 0 Gain: ≈ 0 UNIT DRIVE · DAL 1920 UNIT DRIVE · FROM 1920 motore motor flusso del materiale material flow Un motore per macchina. Ogni macchina sta dove serve al lavoro. Il layout lo detta il processo. One motor per machine. Each machine sits where the work needs it. The layout is dictated by the process. +63% in dieci anni +63% in ten years

Per quarant'anni le fabbriche sostituirono la macchina a vapore con un grande motore elettrico mantenendo la stessa trasmissione: guadagno quasi nullo. Poi arrivò un motore per ogni macchina.For forty years, factories replaced the steam engine with one big electric motor while keeping the same transmission: almost no gain. Then came one motor per machine.

~1%

crescita annua della produttività totale dei fattori nel 1900–1920, con la fabbrica elettrificata ma non riprogettataannual total-factor-productivity growth in 1900–1920, with factories electrified but not redesigned

~5%

all'anno nel manifatturiero negli anni Venti: cinque volte il decennio precedente, tre volte la media di lungo periodoa year in manufacturing during the Twenties: five times the previous decade, three times the long-run average

84%

della crescita di produttività dell'intera economia americana negli anni Venti venne dal solo manifatturieroof the productivity growth of the entire US economy in the Twenties came from manufacturing alone

Non diamo all'azienda un motore grande che fa lavorare tutti allo stesso modo. Ne diamo uno a ogni persona.We don't give the company one big motor that makes everyone work the same way. We give one to each person.

La soluzioneThe solution

Un agente per ogni persona, dentro un guardrail enterprise.One agent per person, inside an enterprise guardrail.

Software on-premise installabile in private AI. Ogni persona riceve il suo agente: automatizza l'80% del lavoro ripetitivo, scrive con la sua voce, e lavora dentro i sistemi dove il lavoro vive davvero.On-premise software, installable in private AI. Each person gets their own agent: it automates 80% of repetitive work, writes in their voice, and works inside the systems where the work actually lives.

PrivatoPrivate

Il dato non esceThe data doesn't leave

Macchina degli agenti installabile e ispezionabile, con modelli locali. È la risposta alla paura che blocca il 95% dei progetti.An agent machine that can be installed and inspected, with local models. It answers the fear that blocks 95% of projects.

UmanizzatoHumanized

Parla come chi lo usaSpeaks like its person

Lavora sotto la firma della persona, con il suo tono e il suo criterio. È la risposta alla paura dell'altro lato.It works under the person's signature, with their tone and their judgment. It answers the fear on the other side.

IntegratoIntegrated

Dentro il guardrailInside the guardrail

Permessi, limiti e regole di brand codificati nell'agente. L'IT governa, la persona opera.Permissions, limits and brand rules encoded into the agent. IT governs, the person operates.

Collegato agli asset aziendaliConnected to company assets
CRMERPEmail DocumentiDocumentsSocial Software enterpriseEnterprise software
Il meccanismoThe mechanism

Dalla correzione nasce l'anima dell'agente.The agent's soul is born from correction.

Knowledge base quello che l'azienda sa what the company knows Correzioni Corrections come le persone lavorano how people work L'ANIMA THE SOUL dell'agente of the agent Dati aziendali Company data CRM, ERP, documenti CRM, ERP, documents DATASET DI VALIDAZIONE VALIDATION DATASET personalizzato e privato personalized and private Dati dal mondo reale Real-world data risposte, call, contratti replies, calls, contracts L'AGENTE CHE SBAGLIA SEMPRE MENO AN AGENT THAT MAKES FEWER AND FEWER MISTAKES 1 · L'ANIMA 1 · THE SOUL Il sapere dell'azienda più il modo unico in cui ogni persona lavora. What the company knows, plus the unique way each person works. 2 · IL DATASET 2 · THE DATASET Innestata nei dati aziendali, diventa un dataset di validazione che nessun concorrente possiede. Grafted into company data, it becomes a validation dataset that no competitor owns. 3 · LA VERIFICA 3 · THE PROOF I risultati veri dicono cosa ha funzionato. Il ciclo si stringe. Real outcomes show what worked. The loop tightens.

Un prompt dice cosa una persona vorrebbe. Un pollice in su dice che andava bene. Solo una correzione dice cosa era sbagliato e come si fa in quel mestiere, in quell'azienda.A prompt says what a person would like. A thumbs-up says it was fine. Only a correction says what was wrong — and how it's done in that trade, in that company.

Il prodottoThe product

Il valore resta al cliente. L'intelligenza si accumula da noi.The value stays with the client. The intelligence accumulates with us.

PERIMETRO DEL CLIENTE · ON-PREMISE CLIENT PERIMETER · ON-PREMISE Private AI installata Private AI installed modelli locali, ispezionabili local, inspectable models Agenti Get Get agents uno per persona, con guardrail one per person, with guardrails Connettori agli asset aziendali Connectors to company assets CRM · ERP · email · documenti · social · software enterprise CRM · ERP · email · documents · social · enterprise software Dataset di validazione privato Private validation dataset knowledge + correzioni + dati aziendali — resta al cliente knowledge + corrections + company data — stays with the client Le persone lavorano e correggono People work and correct revisione o autopilota, deciso azione per azione review or autopilot, decided action by action cruscotto di profittabilità per processo per-process profitability dashboard GET CLOUD Gestione della conoscenza Knowledge management cura, versioning, rilascio curation, versioning, release Training degli agenti Agent training staging, validazione, produzione staging, validation, production L'ASSET DI GET GET'S ASSET Telemetria Telemetry Persistenza del dato di correzione Persistence of correction data Ogni deployment rende il successivo più rapido Every deployment makes the next one faster telemetria telemetry correzioni corrections agenti aggiornati updated agents

Il cliente possiede la piattaforma, i modelli e il proprio dataset — e può farla girare anche senza di noi. Quello che paga è l'evoluzione. Quello che resta a noi è la telemetria e la persistenza delle correzioni: l'unica cosa che si accumula deployment dopo deployment.The client owns the platform, the models and their own dataset — and can run it without us. What they pay for is the evolution. What stays with us is telemetry and the persistence of corrections: the only thing that compounds deployment after deployment.

TrazioneTraction

Agenti attualmente in produzione.Agents currently in production.

Arvedi · Gruppo siderurgicoArvedi · Steel group

Agente di supporto clienti in produzione dal 2025.Customer-support agent in production since 2025.

Agrieuro · E-commerce

Software AI per la redazione della manualistica tecnica conforme allo standard ISO 20607.AI software for drafting technical manuals compliant with the ISO 20607 standard.

Metacasa · Deployment internoMetacasa · Internal deployment

Agenti su vendite, contenuti e recupero crediti. Banco di prova continuo.Agents on sales, content and debt collection. A continuous proving ground.

€30k

fatturato generato tra ricorrente e customrevenue generated between recurring and custom

5 mesimonths

di agenti installati e verificati in aziende vereof agents installed and verified in real companies

Banking

trattativa aperta con il team Innovation di un gruppo bancario italianoopen negotiation with the Innovation team of an Italian banking group

Non è trazione da Serie A e non la presentiamo come tale. Abbiamo tastato il mercato per capire cosa serve davvero e da dove si entra. Ora sappiamo entrambe le cose — ed è il motivo per cui raccogliamo adesso.This is not Series-A traction, and it isn't presented as such. We probed the market to learn what's really needed and where the entry point is. Now we know both — and that's why we're raising now.

MercatoMarket

Un mercato che raddoppia, e un angolo ancora scoperto.A market that doubles — and a corner still uncovered.

TAM · Europa 2029Europe 2029
$290 mldbn

spesa AI europea, CAGR 33,7%. Le piattaforme agentiche crescono del 52,5% l'anno: il sotto-segmento più rapido di tutti. IDCEuropean AI spending, 33.7% CAGR. Agentic platforms grow 52.5% a year: the fastest sub-segment of all. IDC

← GENERICO, UGUALE PER TUTTI ← GENERIC, SAME FOR EVERYONE IMPARA IL MESTIERE E LA PERSONA → LEARNS THE TRADE AND THE PERSON → CLOUD MULTI-TENANT PRIVATO / ON-PREM PRIVATE / ON-PREM Mistral · modelli sovrani Mistral · sovereign models privati ma generici: modelli, non processi private but generic: models, not processes System integrator su misura Custom system integrators progetti su misura: non si accumula nulla bespoke projects: nothing compounds Palantir AIP on-prem nei processi, ma vive di consulenza on-prem in processes, but lives on consulting Cohere North agenti privati: impara l'azienda, non la persona private agents: learns the company, not the person Microsoft Copilot l'AI di default, non impara il mestiere the default AI, doesn't learn the trade Salesforce Agentforce legata al CRM, dato nel cloud tied to the CRM, data in the cloud Glean ricerca aziendale, non esecuzione enterprise search, not execution Writer impara voce e stile, ma cloud multi-tenant learns voice and style, but multi-tenant cloud Sierra · Decagon verticali forti, ma SaaS multi-tenant strong verticals, but multi-tenant SaaS G Get Sh!t Done Privato, e impara da come le persone correggono. Private, and it learns from how people correct. L'angolo è ancora vuoto. The corner is still empty.

I più vicini presidiano altro: Palantir è on-prem ma vive di consulenza, Cohere North impara l'azienda e non la persona, Writer impara lo stile ma in cloud multi-tenant. Nessuno tiene insieme sovranità del dato e apprendimento da come le persone correggono.The closest players hold different ground: Palantir is on-prem but lives on consulting, Cohere North learns the company but not the person, Writer learns style but in multi-tenant cloud. No one holds together data sovereignty and learning from how people correct.

Posizionamento dei concorrenti: nostra valutazione. Loghi dei rispettivi proprietari.Competitor positioning: our assessment. Logos belong to their respective owners.

Il teamThe team

Ingegneri applicati. Non un laboratorio di ricerca.Applied engineers. Not a research lab.

Daniele Scaglia
Daniele Scaglia
CEO · co-founder

Ingegnere dei processi industriali al Politecnico di Milano. Co-founder di Friendz: €5M di ricavi al picco, 60 persone su 4 sedi, €24M raccolti in una delle più grandi ICO italiane — e due anni dentro una crisi d'impresa gestita fino in fondo. Oggi CEO di Metacasa in turnaround.Industrial process engineer, Politecnico di Milano. Co-founder of Friendz: €5M revenue at peak, 60 people across 4 offices, €24M raised in one of Italy's largest ICOs — and two years inside a corporate crisis, managed to the end. Today CEO of Metacasa, in turnaround.

5 aziende fondate5 companies founded€24M raccolti€24M raisedScale-up e crisiScale-up & crisis
Juxhin Radhima
Juxhin Radhima
CTO · co-founder

Software architect, conversational AI, ethical hacker. Primo chatbot in C++ a 16 anni. Founder e CTO di Ipervox: team di 18 persone, capitale raccolto da venture capital, progetti AI conclusi con banche, pubbliche amministrazioni e PMI. Amazon Alexa Champion.Software architect, conversational AI, ethical hacker. First C++ chatbot at 16. Founder and CTO of Ipervox: a team of 18, venture capital raised, AI projects delivered for banks, public administrations and SMEs. Amazon Alexa Champion.

Alexa ChampionAI in banche e PAAI in banks & govCybersecurity
Leonardo Raffi
Leonardo Raffi
Product engineer

Full stack e integrazioni AI nei processi aziendali. Ha costruito il software AI per la manualistica ISO 20607 di Agrieuro e il modello AI di pricing macchine per Ambrosi. Speaker Confindustria su AI per le piccole imprese.Full stack and AI integrations in business processes. Built Agrieuro's ISO 20607 technical-manual AI software and Ambrosi's machine-pricing AI model. Confindustria speaker on AI for small businesses.

Manualistica ISOISO manualsPricing AIFull stack
Advisory board
Francesco Meani
Francesco Meani
Technical advisor

Ex CTO e direttore generale del gruppo FullSix. Architetture software enterprise per ING Direct, Barilla, Pirelli, Sky, Airbus. Scelto da Microsoft tra i 100 «Microsoft heroes» a livello mondiale.Former CTO and general manager of the FullSix group. Enterprise software architectures for ING Direct, Barilla, Pirelli, Sky, Airbus. Chosen by Microsoft among the 100 “Microsoft heroes” worldwide.

Adriano Coccia
Adriano Coccia
Business advisor

Enterprise revenue e go-to-market. Tre linee di business portate da zero a ricavi multimilionari. Partnership strategiche globali e operazioni di co-investimento.Enterprise revenue and go-to-market. Three business lines taken from zero to multimillion revenues. Global strategic partnerships and co-investment operations.

Marco Caradonna
Marco Caradonna
Strategic advisor

President & General Partner di BlackSheep Ventures. Ex CEO di Carat Italia, prima agenzia media del Paese, con oltre €1,5 miliardi di investimento pubblicitario gestito. Co-fondatore di Simple Agency.President & General Partner of BlackSheep Ventures. Former CEO of Carat Italia, the country's leading media agency, with over €1.5 billion in advertising spend under management. Co-founder of Simple Agency.

Chi assumiamoWho we're hiring

Team prodottoProduct team

  • 2 AI / agent engineer2 AI / agent engineers
  • 1 product engineer
  • 1 platform engineer on-prem1 on-prem platform engineer

Team processi aziendaliBusiness-process team

  • 2 forward deployer2 forward deployers
  • 1 solution architect di processo1 process solution architect
  • 1 referente compliance e sicurezza1 compliance & security lead

Team businessBusiness team

  • 1 partnership manager system integrator1 SI partnership manager
  • 1 business developer enterprise1 enterprise business developer
  • 1 finance & operations

Fino a dieci assunzioni nei diciotto mesi. Sede operativa a Milano. I profili difficili sono quelli che tengono insieme la parte tecnica e quella di business: è lì che va speso il tempo, e parte del capitale.Up to ten hires in eighteen months. Operating base in Milan. The hard profiles are the ones who hold the technical and the business side together: that's where the time — and part of the capital — goes.

L'askThe ask

€2M per diciotto mesi e tre processi che rendono.€2M for eighteen months and three processes that pay.

Round
€2M
Seed
ValutazioneValuation
€14M
pre-money
OrizzonteHorizon
18 mesi18 mo
copertura pienafull coverage
Next round
9 mesi9 mo
già in programmaalready scheduled

Uso dei fondiUse of funds

55% Team tecnicoTechnical team
20% Deployment sui tre casiDeployment on the three cases
15% Piattaforma e modelli localiPlatform and local models
10% Operazioni e complianceOperations and compliance
Cosa sarà vero fra diciotto mesiWhat will be true in eighteen months
  • Piattaforma in produzione, installabile on-premisePlatform in production, installable on-premise
  • Tre casi enterprise con il ritorno misuratoThree enterprise cases with measured returns
  • Il quarto deployment più rapido del primoThe fourth deployment faster than the first

Go-to-market · partnership con i system integratorGo-to-market · partnering with system integrators

Non bussiamo alle porte: entriamo con chi le ha già aperte. Gli integratori hanno il contratto quadro e la fiducia dell'IT; oggi vendono progetti AI che nel 95% dei casi non arrivano al conto economico del cliente — e il secondo progetto non si vende. Noi portiamo la parte che manca.We don't knock on doors: we come in with those who already opened them. Integrators hold the framework contract and IT's trust; today they sell AI projects that in 95% of cases never reach the client's P&L — and the second project doesn't sell. We bring the missing part.

Banking e assicurazioni, per primiBanking and insurance first
AccentureEngineeringReply NTT DataDeloitteDinova

Sono i settori con il vincolo di dato più stretto e il budget più alto: se la soluzione regge in una banca, regge ovunque. La trattativa bancaria già aperta è il primo varco.They are the sectors with the tightest data constraints and the biggest budgets: if the solution holds in a bank, it holds anywhere. The banking negotiation already open is the first gateway.

Get Sh!t Done

Non rendere le persone sostituibili. Get Sh!t Done le renderà indispensabili.Don't make people replaceable. Get Sh!t Done will make them indispensable.

Daniele Scaglia · CEO
daniele.scaglia@get.shitdone.ai
Juxhin Radhima · CTO
juxhin.radhima@get.shitdone.ai
get.shitdone.ai · Seed €2M · Settembre 2026September 2026
FontiSources
  1. MIT NANDA, «The GenAI Divide: State of AI in Business 2025» — 52 interviste a dirigenti, 153 survey, oltre 300 deployment analizzati. L'80% delle aziende ha sperimentato la GenAI; il 5% degli strumenti costruiti su misura arriva in produzione; il 95% non registra ritorno sul conto economico. Causa indicata: mancanza di apprendimento, integrazione e adattamento al contesto.52 executive interviews, 153 surveys, 300+ deployments analyzed. 80% of companies have experimented with GenAI; 5% of custom-built tools reach production; 95% record no P&L return. Stated cause: lack of learning, integration and adaptation to context.
  2. Osservatorio Artificial Intelligence, Politecnico di Milano, 2025 — mercato AI italiano €1,8 mld (+50% sul 2024); 71% delle grandi imprese con almeno un progetto avviato; una su cinque con buona pervasività nelle funzioni; orchestrazione dei processi e AI agentica al 4% del mercato; 84% delle grandi aziende ha acquistato licenze GenAI.Italian AI market at €1.8bn (+50% vs 2024); 71% of large companies with at least one project started; one in five with good pervasiveness across functions; process orchestration and agentic AI at 4% of the market; 84% of large companies have bought GenAI licenses.
  3. McKinsey, «The State of AI», agosto 2026 — il 37% delle organizzazioni dichiara un contributo dell'AI all'EBIT; circa il 6% attribuisce all'AI almeno il 5% dell'EBIT; il 40% delle aziende sopra $1 mld di ricavi sta scalando agenti AI, contro il 27% dell'anno precedente.August 2026 — 37% of organizations report an AI contribution to EBIT; about 6% attribute at least 5% of EBIT to AI; 40% of companies above $1bn revenue are scaling AI agents, up from 27% the year before.
  4. IDC — spesa AI europea a $290 mld entro il 2029, CAGR 33,7%; il software è il 58,5% della spesa nel 2026 con CAGR 42,9%; le piattaforme AI crescono del 52,5% annuo.European AI spending at $290bn by 2029, 33.7% CAGR; software is 58.5% of 2026 spending with 42.9% CAGR; AI platforms grow 52.5% a year.
  5. Congressional Budget Office, «Total Factor Productivity Growth in Historical Perspective» — negli anni Venti il manifatturiero statunitense crebbe di circa il 5% annuo di produttività totale dei fattori, contro ~1% nel 1900–1920 e una media di lungo periodo dell'1,6–1,8%; l'84% della crescita aggregata del decennio venne dal manifatturiero.in the Twenties, US manufacturing grew at about 5% a year in total factor productivity, versus ~1% in 1900–1920 and a long-run average of 1.6–1.8%; 84% of the decade's aggregate growth came from manufacturing.
  6. P. A. David, «The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox», American Economic Review 80(2), 1990.
  7. W. D. Devine Jr., «From Shafts to Wires: Historical Perspective on Electrification», The Journal of Economic History 43(2), 1983.
  8. P. A. David e G. Wright, «General Purpose Technologies and Surges in Productivity», Oxford Discussion Papers in Economic and Social History, 1999.

Dati di mercato e di adozione: rilevazioni pubblicate. Proiezioni 2026–2029 e posizionamento competitivo: elaborazioni nostre, indicate come stime. Documento riservato.Market and adoption data: published surveys. 2026–2029 projections and competitive positioning: our elaborations, marked as estimates. Confidential document.