Introduzione
La transizione verde europea non è più soltanto una questione ambientale, ma una trasformazione industriale, tecnologica e organizzativa. Le imprese sono chiamate a ridurre consumi energetici, emissioni e sprechi, migliorando al tempo stesso produttività, competitività e capacità di gestione dei dati. In questo scenario, l’intelligenza artificiale e le tecnologie data-driven diventano strumenti centrali per trasformare informazioni frammentate in decisioni operative misurabili.
Il bando COSMIC “AI & Data Solutions to Boost the Green Transition”, finanziato nell’ambito di Horizon Europe, si colloca esattamente in questa traiettoria. L’iniziativa mira a sostenere startup e PMI europee che sviluppano soluzioni basate su AI e dati per migliorare l’efficienza energetica, ottimizzare l’uso delle risorse, ridurre l’impatto ambientale e accelerare l’adozione di tecnologie digitali nei sistemi industriali, urbani e comunitari.
Secondo la pagina ufficiale della seconda Open Call COSMIC, il programma prevede un contributo individuale fino a 150.000 euro in forma di lump sum, la selezione di massimo 13 progetti, l’ammissibilità di PMI e startup registrate negli Stati membri UE o nei Paesi associati a Horizon Europe, e un programma di supporto della durata di 10 mesi. La finestra di candidatura va dal 20 maggio 2026 alle ore 08:00 CEST al 20 luglio 2026 alle ore 17:00 CEST.
L’articolo è diviso in due parti. La prima parte offre una sintesi ragionata del bando, spiegandone obiettivi, beneficiari, contributi, ambiti tecnologici e opportunità per le imprese. La seconda parte sviluppa una simulazione completa di business plan per una PMI innovativa che decide di partecipare alla call, includendo idea progettuale, modello di business, budget, cronoprogramma, KPI, piano economico-finanziario, rischi, strategia commerciale e impatto ambientale.
Parte I — Sintesi del bando COSMIC
1. Il contesto strategico: AI, dati e Green Deal europeo
Il bando COSMIC nasce dentro una cornice politica e industriale molto precisa: la doppia transizione digitale e verde dell’Unione Europea. L’UE ha assunto l’obiettivo della neutralità climatica al 2050, obiettivo che è al centro del Green Deal europeo e che è stato reso giuridicamente vincolante dalla normativa europea sul clima.
Per raggiungere questo obiettivo non bastano interventi tradizionali di efficientamento. Occorrono sistemi capaci di leggere grandi volumi di dati, prevedere fabbisogni energetici, individuare inefficienze, ottimizzare processi in tempo reale e supportare decisioni complesse. In questo quadro, Horizon Europe rappresenta il principale programma europeo per ricerca e innovazione e sostiene, tra le altre finalità, il contrasto al cambiamento climatico, il raggiungimento degli obiettivi di sviluppo sostenibile e il rafforzamento della competitività europea.
COSMIC si inserisce dunque in una logica di innovazione applicata: non finanzia semplicemente idee teoriche, ma soluzioni tecnologiche che possano essere sviluppate, testate, validate e avvicinate al mercato. Il punto centrale è la capacità di usare AI e dati per generare risultati ambientali e industriali misurabili.
2. Finalità della call
La seconda Open Call COSMIC ha una missione chiara: sostenere soluzioni AI e data-driven che migliorino il modo in cui l’energia viene gestita, ottimizzata e utilizzata in Europa. L’obiettivo dichiarato è aiutare startup e PMI a sviluppare e validare soluzioni pratiche che contribuiscano a maggiore efficienza energetica, uso più intelligente delle risorse, migliori decisioni basate sui dati, riduzione dell’impatto ambientale e rafforzamento dei servizi digitali per l’energia.
L’iniziativa non è quindi limitata alla ricerca tecnologica in senso stretto. Il bando intende accompagnare imprese innovative lungo un percorso che comprende sviluppo tecnico, validazione in contesti reali, mentoring, business development e preparazione al mercato. Questo aspetto è particolarmente importante per startup e PMI, perché spesso il principale ostacolo non è soltanto costruire una buona tecnologia, ma dimostrarne l’efficacia in ambienti reali e trasformarla in una proposta commerciale credibile.
3. Beneficiari ammissibili
Possono partecipare PMI e startup registrate in uno Stato membro dell’Unione Europea o in un Paese associato a Horizon Europe. Il bando è rivolto a soggetti individuali, quindi la candidatura non richiede necessariamente la costituzione di un consorzio. Questo riduce la complessità amministrativa e rende la misura particolarmente interessante per imprese giovani, team tecnologici e PMI già attive nei settori energia, dati, automazione, sostenibilità o software industriale.
La proposta deve tuttavia dimostrare una forte coerenza con l’ecosistema COSMIC. Non basta presentare una generica soluzione di intelligenza artificiale: occorre mostrare come la tecnologia possa contribuire all’ottimizzazione delle risorse energetiche, integrarsi con piattaforme, dati o piloti del progetto e produrre risultati verificabili.
4. Contributo economico e intensità di finanziamento
Ogni progetto selezionato può ricevere fino a 150.000 euro in forma di lump sum. La call prevede la selezione di massimo 13 progetti. Il contributo viene affiancato da un programma di supporto di 10 mesi, durante il quale le imprese selezionate ricevono assistenza tecnica e business mentoring.
Per le imprese profit, il sostegno può arrivare fino al 70% dei costi eleggibili, mentre per i soggetti non profit può arrivare fino al 100%. In una simulazione tipica, una PMI profit che richiede il contributo massimo di 150.000 euro dovrebbe quindi costruire un piano di progetto con costi eleggibili pari ad almeno 214.286 euro, coprendo con mezzi propri o altre risorse la quota residua di circa 64.286 euro.
La forma lump sum è rilevante perché il finanziamento non è impostato come rimborso analitico di ogni singola fattura, ma come importo forfettario collegato al raggiungimento di attività, milestone e deliverable. Questo non elimina la necessità di un budget credibile, ma sposta l’attenzione sulla qualità del piano operativo e sulla capacità di realizzare quanto promesso.
5. Ambiti tecnologici e risultati attesi
COSMIC cerca soluzioni AI e data-based capaci di rispondere a sfide energetiche reali e produrre impatti misurabili. Gli esiti attesi includono miglioramento dell’efficienza energetica, ottimizzazione dell’uso delle risorse energetiche, supporto alle decisioni tramite dati, riduzione dell’impatto ambientale, miglioramento dei servizi energetici digitali, sostegno a sistemi energetici industriali, urbani o comunitari più sostenibili e avvicinamento al mercato di soluzioni innovative.
Gli ambiti tecnologici possono quindi comprendere:
piattaforme di energy management basate su AI;
digital twin per edifici, impianti produttivi, comunità energetiche o infrastrutture;
sistemi previsionali per consumi, produzione rinnovabile e domanda energetica;
algoritmi di ottimizzazione per carichi, accumuli, climatizzazione, processi industriali e mobilità elettrica;
strumenti di monitoraggio e riduzione dell’impronta carbonica;
soluzioni per l’integrazione di dati eterogenei provenienti da sensori, contatori, sistemi gestionali, reti energetiche e fonti esterne;
dashboard decisionali per energy manager, facility manager, municipalità e imprese;
microservizi integrabili in piattaforme energetiche esistenti.
Un elemento chiave è che ogni proposta deve rispondere a una specifica challenge tra quelle previste dalla call. La pagina ufficiale indica che le challenge sono 16 e che riguardano l’ottimizzazione energetica guidata da AI e dati.
6. Validazione in ambienti reali
Uno dei principali vantaggi del bando è la possibilità di testare e validare le soluzioni all’interno dell’ecosistema COSMIC e dei suoi large-scale pilots. Le imprese selezionate potranno lavorare con piattaforme, dataset e piloti localizzati in Spagna, Belgio, Portogallo, Francia, Irlanda e Finlandia.
Questo punto è fondamentale. Una startup che sviluppa una soluzione AI per l’efficienza energetica può avere un prototipo funzionante, ma senza dati reali, casi d’uso concreti e validazione presso utenti industriali o urbani, il prodotto rischia di restare confinato in laboratorio. COSMIC riduce questo limite offrendo un ambiente strutturato in cui dimostrare prestazioni tecniche, affidabilità, scalabilità e impatto ambientale.
7. Programma di accompagnamento
Oltre al contributo finanziario, le imprese selezionate partecipano a un programma di supporto di 10 mesi. Il programma aiuta i beneficiari a sviluppare e migliorare le soluzioni, ricevere mentoring tecnico e commerciale, testare e validare le tecnologie, preparare l’ingresso sul mercato e connettersi alla rete europea COSMIC composta da partner del mondo energia, industria, ricerca e innovazione.
Questo accompagnamento può aumentare significativamente il valore del contributo. Per una PMI innovativa, l’accesso a partner, piloti e competenze può valere quanto, o più, del finanziamento diretto. La validazione europea rende infatti più credibile la soluzione nei confronti di clienti, investitori, utility, operatori immobiliari, imprese industriali e pubbliche amministrazioni.
8. Elementi decisivi per una candidatura competitiva
Una candidatura forte dovrebbe dimostrare almeno sette elementi.
Primo, la coerenza con la missione COSMIC: la soluzione deve essere chiaramente collegata a energia, risorse, sostenibilità e uso intelligente dei dati.
Secondo, la maturità tecnologica: il progetto non dovrebbe partire da zero, ma da un prototipo o prodotto già parzialmente sviluppato, da portare a validazione e market readiness.
Terzo, la misurabilità dell’impatto: la proposta deve indicare KPI concreti, come riduzione dei consumi energetici, emissioni evitate, accuratezza delle previsioni, tempo di ritorno per il cliente, riduzione dei picchi di carico o miglioramento dell’autoconsumo da rinnovabili.
Quarto, la qualità dei dati: l’AI funziona se i dati sono accessibili, puliti, interoperabili e pertinenti. La proposta deve quindi includere un piano realistico per acquisizione, standardizzazione, sicurezza e governance dei dati.
Quinto, la scalabilità: COSMIC privilegia soluzioni che possano essere replicate in più Paesi, settori e contesti operativi.
Sesto, la sostenibilità commerciale: la tecnologia deve avere un mercato, un modello di ricavo chiaro, clienti potenziali e una strategia di vendita credibile.
Settimo, la compliance: una soluzione basata su AI deve considerare privacy, sicurezza informatica, tracciabilità, spiegabilità degli algoritmi e gestione del rischio. L’AI Act europeo è entrato in vigore il 1° agosto 2024 e prevede un’applicazione progressiva delle regole, con piena applicabilità generale dal 2 agosto 2026 e ulteriori fasi per specifiche disposizioni.
9. Valore strategico del bando per startup e PMI
Per una startup o PMI, COSMIC può rappresentare molto più di un contributo economico. Il bando consente di finanziare attività che spesso sono difficili da sostenere con risorse proprie: sviluppo software avanzato, integrazione dati, testing su casi reali, validazione tecnica, analisi di impatto, cybersecurity, attività commerciali e preparazione all’investimento.
La dimensione europea del programma è un ulteriore vantaggio. Una soluzione validata in un ecosistema Horizon Europe può essere percepita come più affidabile da clienti internazionali, investitori e partner industriali. Inoltre, il collegamento con la transizione verde aumenta la coerenza con le priorità di mercato: molte imprese devono ridurre costi energetici, rispettare obiettivi ESG, misurare emissioni e migliorare l’efficienza dei processi.
In sintesi, il bando COSMIC è particolarmente adatto a imprese che abbiano già una base tecnologica solida e vogliano compiere il passaggio dal prototipo alla validazione commerciale.
Parte II — Simulazione di business plan per una PMI candidata
1. Premessa metodologica
La seguente simulazione riguarda una PMI immaginaria che decide di partecipare alla seconda Open Call COSMIC. I dati economici, tecnici e commerciali sono costruiti in modo realistico e coerente con i vincoli del bando, ma non appartengono a un’impresa realmente esistente.
L’obiettivo è mostrare come potrebbe essere impostato un business plan completo per una candidatura: descrizione aziendale, soluzione proposta, mercato, modello di business, piano operativo di 10 mesi, budget, proiezioni economico-finanziarie, impatto ambientale, rischi, governance e strategia di crescita.
2. Profilo dell’azienda candidata
Nome simulato: LogiGreen AI S.r.l.
Sede: Bari, Italia
Forma giuridica: Società a responsabilità limitata, PMI innovativa
Anno di costituzione: 2024
Settore: Software AI per efficienza energetica, logistica sostenibile e gestione data-driven di immobili industriali
Dipendenti: 9 full-time equivalent
Fatturato 2025: 280.000 euro
Fatturato previsto 2026 senza contributo COSMIC: 410.000 euro
Capitale raccolto: 400.000 euro da business angel e fondo seed regionale
Stato della tecnologia: prototipo avanzato validato in ambiente controllato presso due magazzini italiani
TRL iniziale: TRL 6
TRL obiettivo a fine progetto: TRL 7/8
LogiGreen AI S.r.l. nasce per rispondere a un problema molto concreto: i magazzini logistici, gli hub distributivi e gli edifici industriali consumano grandi quantità di energia, ma spesso dispongono di dati frammentati. I consumi elettrici sono separati dai dati di movimentazione merci, dai sistemi di climatizzazione, dai turni di lavoro, dai carichi dei muletti elettrici, dalla produzione fotovoltaica e dai dati meteo. Questa frammentazione impedisce di ottimizzare i consumi in modo intelligente.
L’azienda ha sviluppato una piattaforma software che integra dati energetici, operativi e ambientali per prevedere la domanda di energia, suggerire azioni di ottimizzazione e ridurre sprechi nei centri logistici. La partecipazione a COSMIC viene considerata un passaggio strategico per validare la soluzione in un contesto europeo, adattarla agli standard dell’ecosistema COSMIC e trasformarla in prodotto SaaS scalabile.
3. Titolo del progetto candidato
COSMIC-Green Warehouse Twin: piattaforma AI e data-driven per l’ottimizzazione energetica dei magazzini logistici e degli hub industriali
Il progetto si propone di sviluppare e validare un digital twin energetico per magazzini logistici, capace di integrare dati da contatori, sensori IoT, sistemi di building management, software WMS, previsioni meteo, impianti fotovoltaici, batterie, colonnine di ricarica e sistemi HVAC.
La piattaforma utilizza modelli predittivi e algoritmi di ottimizzazione per:
prevedere i consumi energetici giornalieri e settimanali;
individuare anomalie e sprechi;
ottimizzare climatizzazione, illuminazione, ricarica dei mezzi elettrici e uso di fotovoltaico;
ridurre i picchi di potenza;
migliorare l’autoconsumo da rinnovabili;
produrre indicatori ESG e report sulle emissioni evitate;
suggerire decisioni operative al facility manager.
La proposta si posiziona sulle challenge COSMIC relative a industrial energy efficiency, building performance e smart resource management, con un focus applicativo sui magazzini logistici e sugli edifici industriali energivori.
4. Problema di mercato
Il settore logistico sta vivendo una trasformazione accelerata. L’e-commerce, la distribuzione omnicanale, la refrigerazione, l’automazione dei magazzini e l’elettrificazione dei mezzi interni aumentano la complessità energetica degli hub. Molte strutture dispongono di impianti fotovoltaici, batterie o sistemi BMS, ma raramente questi elementi sono integrati con i dati operativi.
Il problema principale non è la mancanza assoluta di dati, ma la loro disconnessione. Il responsabile energetico conosce i consumi, il responsabile operativo conosce i flussi di merci, il facility manager gestisce impianti e manutenzione, mentre il management riceve report ESG spesso generati a posteriori. La mancanza di un sistema intelligente comune produce inefficienze.
Le criticità più frequenti sono:
climatizzazione non allineata ai carichi operativi reali;
ricarica dei muletti elettrici in fasce orarie costose;
illuminazione e ventilazione non ottimizzate;
picchi di potenza evitabili;
scarso uso dei dati meteo e delle previsioni di carico;
difficoltà nel misurare emissioni evitate e risparmi reali;
assenza di simulazioni “what-if” per investimenti in fotovoltaico, accumuli o automazione.
LogiGreen AI intende risolvere questo problema creando un livello software intelligente che non sostituisce i sistemi esistenti, ma li collega e li rende decisionali.
5. Soluzione proposta
La soluzione COSMIC-Green Warehouse Twin è composta da cinque moduli.
Modulo 1 — Data Connector Layer
Raccoglie dati da contatori elettrici, sensori IoT, BMS, WMS, ERP, inverter fotovoltaici, batterie, sistemi di ricarica e fonti esterne come meteo e prezzi energetici. I dati vengono normalizzati e resi interoperabili.
Modulo 2 — Digital Twin Energetico
Crea una rappresentazione digitale del magazzino, includendo superfici, zone operative, profili di carico, impianti, orari, turni, produzione rinnovabile e vincoli tecnici.
Modulo 3 — AI Forecasting Engine
Prevede consumi, picchi, produzione fotovoltaica, fabbisogni termici e carichi di ricarica. L’obiettivo tecnico è raggiungere un errore medio assoluto percentuale inferiore all’8% sulle previsioni giornaliere di consumo.
Modulo 4 — Optimization & Recommendation Engine
Suggerisce azioni operative: spostamento della ricarica, set-point HVAC, accensione selettiva di zone, uso ottimale della batteria, riduzione dei picchi e programmazione degli asset.
Modulo 5 — ESG & Impact Dashboard
Visualizza risparmi, emissioni evitate, performance energetica, alert, scenari di investimento e report per stakeholder interni ed esterni.
Il prodotto finale sarà offerto come piattaforma SaaS con installazione iniziale, configurazione dati e canone annuale.
6. Allineamento con COSMIC
Il progetto è coerente con il bando per cinque motivi.
Primo, utilizza AI e tecnologie data-driven per migliorare l’uso dell’energia nei sistemi industriali e logistici.
Secondo, punta a risultati misurabili: riduzione dei consumi, riduzione delle emissioni, miglioramento dell’autoconsumo, riduzione dei picchi e maggiore accuratezza decisionale.
Terzo, parte da una tecnologia già esistente, quindi il contributo COSMIC non finanzia un’idea embrionale, ma un percorso di validazione e integrazione.
Quarto, prevede una validazione in ambienti reali europei, sfruttando il programma di supporto e i piloti COSMIC.
Quinto, ha un modello commerciale replicabile in più Paesi e settori: logistica, manifattura leggera, cold storage, retail distribution, hub aeroportuali e centri di smistamento.
7. Obiettivi del progetto
Gli obiettivi principali del progetto di 10 mesi sono:
passare da TRL 6 a TRL 7/8;
integrare la piattaforma con almeno due ambienti pilota europei;
ridurre i consumi energetici dei siti pilota di almeno l’8% rispetto alla baseline;
raggiungere un’accuratezza previsionale dei consumi con MAPE inferiore all’8%;
ridurre i picchi di potenza del 10%;
aumentare l’autoconsumo fotovoltaico del 6%;
produrre un modello replicabile di business case per clienti logistici;
predisporre documentazione tecnica, cybersecurity assessment, data governance e piano di market uptake.
8. Piano tecnico e architettura
L’architettura tecnica si basa su un modello cloud-edge. I dati raccolti dai siti vengono pre-elaborati tramite gateway edge, così da ridurre latenza e garantire continuità operativa anche in caso di connettività instabile. La componente cloud ospita modelli di previsione, dashboard, motore di ottimizzazione e API.
La piattaforma utilizza tre famiglie di algoritmi:
modelli predittivi per consumi e produzione energetica;
algoritmi di anomaly detection per identificare scostamenti, malfunzionamenti o usi impropri;
motori di ottimizzazione vincolata per proporre azioni compatibili con operatività, comfort, sicurezza e costi.
La soluzione non prende decisioni automatiche irreversibili su impianti critici. Le raccomandazioni vengono validate da un operatore umano. Questo approccio “human-in-the-loop” riduce il rischio operativo e facilita l’adozione da parte dei clienti.
9. Governance dei dati, privacy e AI compliance
La piattaforma tratta principalmente dati energetici, tecnici e operativi. I dati personali sono limitati agli account degli utenti della dashboard e, dove necessario, ai log di accesso. La società prevede quindi:
registro dei trattamenti;
data processing agreement con i clienti;
crittografia dei dati in transito e a riposo;
controllo degli accessi basato su ruoli;
segregazione dei dati per cliente;
audit trail delle raccomandazioni AI;
documentazione dei modelli;
explainability dashboard per motivare i suggerimenti del sistema;
procedura di gestione anomalie e incidenti.
Rispetto all’AI Act, l’azienda classifica preliminarmente la soluzione come sistema AI a rischio limitato o basso, poiché non opera in ambiti come occupazione, biometria, istruzione, credito, giustizia o servizi essenziali verso persone fisiche. Tuttavia, dato che l’AI Act ha un’applicazione progressiva e introduce obblighi differenziati in base al rischio, LogiGreen AI prevede un assessment legale specifico prima della commercializzazione europea.
10. Analisi del mercato
La società individua quattro segmenti prioritari.
Segmento A — Operatori logistici 3PL
Gestiscono magazzini per più clienti e hanno forte interesse a ridurre costi energetici e migliorare report ESG.
Segmento B — Magazzini refrigerati e cold chain
Hanno consumi elevati e maggiore potenziale di risparmio, soprattutto su climatizzazione, refrigerazione e picchi.
Segmento C — Retail distribution center
Dispongono di grandi superfici, orari prevedibili, impianti fotovoltaici e sistemi di automazione.
Segmento D — PMI industriali con magazzini energivori
Hanno budget più limitati, ma possono adottare una versione semplificata del prodotto.
La strategia iniziale non punta a conquistare l’intero mercato europeo, ma a costruire un posizionamento verticale: “AI energy optimization for logistics facilities”. Questa specializzazione consente di differenziarsi rispetto a piattaforme generiche di energy management.
11. Clienti target e proposta di valore
Il cliente ideale è un operatore logistico con almeno 20.000 metri quadrati di superficie, consumi elettrici superiori a 800 MWh annui, impianti fotovoltaici o piani di elettrificazione e un energy manager interno o esterno.
La proposta di valore è articolata su quattro benefici:
riduzione dei costi energetici;
riduzione delle emissioni Scope 2;
maggiore controllo operativo;
reportistica ESG automatizzata.
La promessa commerciale è: “Ridurre l’8-15% dei consumi energetici controllabili di un hub logistico entro 12 mesi, con una piattaforma AI integrabile nei sistemi esistenti e un payback inferiore a un anno”.
12. Modello di business
Il modello di ricavi è SaaS B2B con componente di setup.
| Voce | Prezzo simulato |
|---|---|
| Setup iniziale per sito piccolo | 12.000 euro |
| Setup iniziale per sito medio | 18.000 euro |
| Setup iniziale per sito grande | 28.000 euro |
| Canone SaaS annuo sito piccolo | 24.000 euro |
| Canone SaaS annuo sito medio | 42.000 euro |
| Canone SaaS annuo sito grande | 72.000 euro |
| Modulo ESG avanzato | +8.000 euro annui |
| Success fee opzionale | 8% del risparmio verificato |
La società decide di evitare una dipendenza eccessiva dalla success fee. Il canone SaaS garantisce ricavi ricorrenti, mentre la success fee viene proposta solo ai clienti che vogliono condividere il rischio.
13. Strategia commerciale
La strategia go-to-market prevede tre fasi.
Fase 1 — Validazione e referenze
Durante COSMIC, l’azienda valida la soluzione su due siti pilota europei. L’obiettivo non è generare grandi ricavi immediati, ma produrre case study solidi con KPI energetici e ambientali.
Fase 2 — Vendita assistita a clienti early adopter
Nei 12 mesi successivi al progetto, LogiGreen AI punta a firmare 10-12 siti paganti, concentrandosi su operatori logistici italiani, spagnoli e belgi.
Fase 3 — Partnership di canale
Dal secondo anno, l’azienda sviluppa accordi con ESCo, system integrator, installatori fotovoltaici, consulenti ESG e software house WMS.
Il ciclo di vendita previsto è di 4-7 mesi per clienti medi e 8-12 mesi per clienti enterprise. Per ridurre l’attrito commerciale, viene offerto un “Energy AI Assessment” di 6 settimane, al costo di 6.000 euro, convertibile in setup in caso di acquisto della piattaforma.
14. Analisi competitiva
I concorrenti sono classificabili in quattro categorie:
piattaforme generiche di energy management;
fornitori BMS e automazione edifici;
consulenti energetici ed ESCo;
software di carbon accounting.
La differenziazione di LogiGreen AI si basa sulla specializzazione verticale nella logistica e sull’integrazione tra dati energetici e dati operativi. Molte piattaforme misurano i consumi, ma non sanno interpretarli rispetto a flussi di merci, turni, ricariche, uso di baie, temperatura esterna e produzione fotovoltaica.
La barriera competitiva principale è il dataset verticale: più siti logistici vengono integrati, maggiore diventa la capacità dei modelli di riconoscere pattern, benchmark e anomalie specifiche del settore.
15. Piano operativo di 10 mesi
| Mese | Attività principale | Output |
|---|---|---|
| 1 | Avvio progetto, data management plan, requisiti pilota | Piano tecnico e piano dati |
| 2 | Integrazione API, mappatura dati, cybersecurity design | Specifiche architetturali |
| 3 | Sviluppo forecasting engine v2 | Modello previsionale testato |
| 4 | Sviluppo digital twin e dashboard | Prototipo integrato |
| 5 | Connessione con primo sito pilota | Ingestion dati reale |
| 6 | Connessione con secondo sito pilota | Dataset multi-sito |
| 7 | Ottimizzazione raccomandazioni AI | Motore raccomandazioni |
| 8 | Validazione KPI energetici e ambientali | Report intermedio |
| 9 | Business validation, pricing, customer discovery | Piano commerciale aggiornato |
| 10 | Final validation, exploitation plan, investor pack | Demo finale e piano di mercato |
16. Work package
WP1 — Project management e coordinamento
Gestione operativa, reportistica, controllo milestone, relazioni con COSMIC.
WP2 — Data architecture e interoperabilità
Connettori, normalizzazione dati, API, qualità del dato, documentazione.
WP3 — AI forecasting e anomaly detection
Sviluppo e addestramento modelli, validazione accuratezza, metriche di performance.
WP4 — Digital twin e optimization engine
Creazione modello energetico del magazzino e motore di raccomandazione.
WP5 — Pilot testing e impact assessment
Test in siti reali, baseline, misurazione risparmi, report CO₂.
WP6 — Compliance, cybersecurity e AI governance
Sicurezza, privacy, audit trail, documentazione AI, risk assessment.
WP7 — Market readiness ed exploitation
Pricing, business development, materiali commerciali, investor deck, strategia partnership.
17. Budget di progetto
La società richiede il contributo massimo di 150.000 euro. Poiché è una PMI profit, l’intensità di aiuto viene simulata al 70%. Il costo totale eleggibile del progetto è quindi pari a 214.286 euro.
| Voce di costo | Importo |
|---|---|
| Personale tecnico e data science | 82.000 euro |
| Sviluppo software e integrazione API | 34.000 euro |
| Cloud, storage, cybersecurity tools | 18.500 euro |
| Sensori, gateway e dispositivi edge | 16.500 euro |
| Validazione pilota e trasferte | 14.000 euro |
| Consulenza AI compliance, privacy e sicurezza | 13.500 euro |
| Business development e market readiness | 18.000 euro |
| Disseminazione, materiali, demo, investor pack | 7.786 euro |
| Project management e qualità | 10.000 euro |
| Totale costi eleggibili | 214.286 euro |
| Contributo COSMIC richiesto, 70% | 150.000 euro |
| Cofinanziamento aziendale | 64.286 euro |
La quota aziendale viene coperta con liquidità disponibile, ricavi da consulenza energetica e una linea di credito già deliberata di 80.000 euro.
18. Milestone e deliverable
| Milestone | Scadenza | Indicatore di completamento |
|---|---|---|
| M1 — Project setup completato | Mese 1 | Piano dati, piano tecnico, risk register |
| M2 — AI engine v2 disponibile | Mese 3 | MAPE preliminare inferiore al 12% |
| M3 — Digital twin integrato | Mese 4 | Dashboard funzionante su dati storici |
| M4 — Primo pilota attivo | Mese 5 | Dati real-time acquisiti |
| M5 — Secondo pilota attivo | Mese 6 | Multi-site dataset operativo |
| M6 — Validazione impatto | Mese 8 | Riduzione consumi almeno 5% su periodo test |
| M7 — Market readiness | Mese 9 | Pricing, pipeline e materiali vendita |
| M8 — Demo finale | Mese 10 | TRL 7/8, report KPI, exploitation plan |
19. KPI tecnici e ambientali
| KPI | Baseline | Target progetto |
|---|---|---|
| Accuratezza previsione consumi giornalieri | MAPE 15% | MAPE < 8% |
| Riduzione consumi controllabili | 0% | 8-12% |
| Riduzione picchi di potenza | 0% | 10% |
| Incremento autoconsumo fotovoltaico | Baseline sito | +6% |
| Precisione anomaly detection | Non disponibile | >85% |
| Disponibilità piattaforma | Prototipo | 99,5% |
| Tempo generazione raccomandazioni | Manuale | <5 minuti |
| Emissioni evitate nei piloti | 0 | 150-200 tCO₂e/anno simulate |
20. Simulazione di impatto sui siti pilota
La simulazione prevede due siti pilota.
Sito pilota 1 — Hub logistico in Spagna
Superficie: 35.000 mq
Consumo annuo: 3,6 GWh
Fotovoltaico installato: 900 kWp
Problemi principali: picchi di ricarica muletti, HVAC non ottimizzato, basso autoconsumo in alcune fasce.
Sito pilota 2 — Magazzino industriale in Belgio
Superficie: 22.000 mq
Consumo annuo: 2,2 GWh
Fotovoltaico installato: 450 kWp
Problemi principali: illuminazione, ventilazione, picchi mattutini e scarsa integrazione tra operatività e consumi.
Consumo annuo totale dei due siti: 5,8 GWh.
Riduzione target: 12%.
Risparmio energetico annuo stimato: 696 MWh.
Costo energia medio simulato: 0,18 euro/kWh.
Risparmio economico lordo annuo: 125.280 euro.
Fattore emissivo simulato: 0,28 tCO₂e/MWh.
Emissioni evitate: 194,9 tCO₂e/anno.
Questi numeri vengono utilizzati come target di business case. In fase progettuale saranno poi confrontati con dati reali e baseline certificate.
21. Proiezioni economiche
La società prevede che il progetto COSMIC migliori credibilità, prodotto e capacità commerciale. Le proiezioni includono ricavi da setup, canoni SaaS e servizi accessori.
| Anno | Siti clienti attivi | Ricavi setup | Ricavi SaaS | Altri ricavi | Ricavi totali |
|---|---|---|---|---|---|
| 2026 | 4 | 48.000 | 72.000 | 290.000 | 410.000 |
| 2027 | 14 | 180.000 | 360.000 | 120.000 | 660.000 |
| 2028 | 42 | 430.000 | 1.050.000 | 80.000 | 1.560.000 |
| 2029 | 105 | 980.000 | 2.720.000 | 50.000 | 3.750.000 |
Nel 2026 i ricavi principali derivano ancora da consulenza, progetti custom e primi contratti pilota. Dal 2027 cresce la componente SaaS, che diventa dominante nel 2028 e 2029.
22. Conto economico previsionale
| Voce | 2026 | 2027 | 2028 | 2029 |
|---|---|---|---|---|
| Ricavi | 410.000 | 660.000 | 1.560.000 | 3.750.000 |
| Costo del venduto/cloud/supporto | -92.000 | -145.000 | -310.000 | -690.000 |
| Margine lordo | 318.000 | 515.000 | 1.250.000 | 3.060.000 |
| Personale | -520.000 | -720.000 | -1.050.000 | -1.650.000 |
| Marketing e vendite | -90.000 | -210.000 | -390.000 | -720.000 |
| R&S non capitalizzata | -160.000 | -210.000 | -260.000 | -420.000 |
| Spese generali | -85.000 | -120.000 | -190.000 | -330.000 |
| Contributo COSMIC | 150.000 | 0 | 0 | 0 |
| EBITDA | -387.000 | -745.000 | 360.000 | -60.000 |
La simulazione mostra un punto importante: una startup deep-tech può crescere rapidamente ma restare in perdita durante la fase di investimento commerciale. Nel 2028 raggiunge un EBITDA positivo grazie alla crescita dei canoni SaaS, mentre nel 2029 torna temporaneamente vicino al pareggio per una scelta strategica di espansione internazionale e rafforzamento del team commerciale. Una versione più prudente del piano potrebbe rallentare le assunzioni e mantenere EBITDA positivo anche nel 2029.
23. Fabbisogno finanziario
Il contributo COSMIC copre una parte significativa dello sviluppo e della validazione, ma non finanzia l’intera crescita aziendale. LogiGreen AI prevede quindi un round seed extension da 1,2 milioni di euro entro il secondo trimestre 2027.
Utilizzo previsto del round:
35% sviluppo prodotto;
30% vendite e marketing;
15% customer success;
10% certificazioni, compliance e cybersecurity;
10% capitale circolante.
Il contributo COSMIC viene usato come leva per aumentare la valutazione dell’azienda e ridurre il rischio percepito dagli investitori. La validazione europea dovrebbe consentire di negoziare condizioni migliori rispetto a un round basato solo su prototipo e ricavi iniziali.
24. Unit economics
| Indicatore | Valore simulato |
|---|---|
| Ricavo medio annuo per sito | 36.000 euro |
| Margine lordo SaaS | 78% |
| Costo acquisizione cliente medio | 18.000 euro |
| Payback CAC | 8-11 mesi |
| Churn annuo previsto | 7% |
| Net revenue retention | 118% |
| Break-even operativo | 38 siti attivi |
Il break-even operativo viene raggiunto con circa 38 siti attivi, a condizione che il margine lordo resti superiore al 75% e che il ciclo di vendita non superi i 9 mesi medi.
25. Strategia di pricing
La strategia di prezzo deve evitare due errori: vendere il prodotto come semplice software economico o renderlo troppo simile a una consulenza custom. Il valore generato è collegato ai risparmi energetici, quindi il prezzo può essere superiore a un software generico, ma deve restare inferiore al beneficio economico atteso.
Esempio per un sito medio:
consumo annuo: 2 GWh;
risparmio previsto: 10%;
energia risparmiata: 200 MWh;
prezzo energia: 0,18 euro/kWh;
risparmio lordo: 36.000 euro;
canone SaaS: 30.000-42.000 euro;
payback: 10-14 mesi, migliorabile con ottimizzazione picchi e autoconsumo.
Per siti più grandi il valore cresce, mentre i costi marginali software crescono meno. Per questo il segmento più interessante è rappresentato da hub sopra i 30.000 mq.
26. Piano di assunzioni
| Ruolo | 2026 | 2027 | 2028 |
|---|---|---|---|
| Data scientist | 2 | 3 | 5 |
| Software engineer | 3 | 5 | 8 |
| Energy specialist | 1 | 2 | 3 |
| Customer success | 1 | 2 | 5 |
| Sales | 1 | 3 | 7 |
| Marketing | 0 | 1 | 2 |
| Amministrazione/operations | 1 | 2 | 3 |
| Totale FTE | 9 | 18 | 33 |
L’organico cresce in modo coerente con la trasformazione da società di sviluppo prodotto a società SaaS internazionale.
27. Proprietà intellettuale
La strategia IP prevede:
titolarità del codice sorgente core;
protezione come segreto industriale dei modelli di ottimizzazione;
registrazione del marchio “Green Warehouse Twin”;
documentazione interna su dataset, pipeline e feature engineering;
licenze chiare per eventuali componenti open source;
separazione tra risultati condivisibili nel progetto COSMIC e asset proprietari.
L’azienda non prevede, nella fase iniziale, un brevetto software, perché il valore principale risiede nell’esecuzione, nei dati, nell’integrazione verticale e nella qualità dei modelli.
28. Piano di comunicazione
Durante il progetto COSMIC, LogiGreen AI prevede:
una landing page dedicata;
due comunicati stampa;
un white paper sui magazzini logistici efficienti;
una demo pubblica a fine progetto;
partecipazione a due eventi su energia/logistica;
tre casi studio anonymized;
contenuti LinkedIn rivolti a energy manager, COO e responsabili ESG.
La comunicazione deve evitare claim ambientali non verificati. Ogni affermazione di risparmio o riduzione emissioni sarà collegata a metodologia, baseline e periodo di misurazione.
29. Analisi dei rischi
| Rischio | Probabilità | Impatto | Mitigazione |
|---|---|---|---|
| Dati incompleti nei siti pilota | Media | Alto | Data audit iniziale e fallback con sensori edge |
| Integrazione BMS/WMS più complessa del previsto | Media | Alto | API modulari e budget tecnico dedicato |
| Risparmi inferiori al target | Media | Alto | KPI progressivi e azioni correttive mensili |
| Resistenza degli operatori | Media | Medio | Human-in-the-loop e formazione |
| Vulnerabilità cybersecurity | Bassa | Alto | Pen test, crittografia, access control |
| Ciclo di vendita troppo lungo | Alta | Medio | Assessment breve e partnership ESCo |
| Ritardo nel cofinanziamento | Bassa | Medio | Linea di credito e riserva liquidità |
| Rischio regolatorio AI | Bassa | Medio | AI compliance assessment e documentazione modelli |
30. SWOT analysis
Strengths
Tecnologia verticale, team misto AI-energia-logistica, prototipo già esistente, chiaro impatto economico e ambientale.
Weaknesses
Brand ancora poco noto, dipendenza da dati del cliente, necessità di casi studio internazionali.
Opportunities
Crescita della domanda ESG, aumento elettrificazione logistica, pressione sui costi energetici, partnership con ESCo e system integrator.
Threats
Ingresso di grandi player BMS, complessità dei cicli procurement, incertezza sui dati disponibili, concorrenza di piattaforme energy management già consolidate.
31. Valutazione complessiva della candidatura
La candidatura di LogiGreen AI sarebbe competitiva perché combina quattro caratteristiche apprezzabili in una call come COSMIC.
La prima è la concretezza: il problema è reale, costoso e diffuso. I magazzini logistici consumano energia e hanno bisogno di strumenti decisionali migliori.
La seconda è la misurabilità: il progetto propone KPI chiari e verificabili, come risparmio energetico, riduzione picchi, accuratezza previsionale ed emissioni evitate.
La terza è la scalabilità: la soluzione può essere replicata in più Paesi e settori, mantenendo un focus iniziale preciso.
La quarta è la maturità: il progetto parte da un prototipo già funzionante e usa COSMIC per validare, integrare e commercializzare, non per finanziare ricerca di base.
I principali punti deboli riguardano la disponibilità dei dati pilota, il tempo di integrazione e la necessità di dimostrare risparmi in un periodo relativamente breve. Per questo il business plan deve prevedere baseline solide, metodologia di misura trasparente e un piano tecnico realistico.
32. Conclusioni
Il bando COSMIC rappresenta un’opportunità di rilievo per startup e PMI europee che sviluppano soluzioni basate su intelligenza artificiale e dati al servizio della transizione verde. Il contributo fino a 150.000 euro è importante, ma il vero valore dell’iniziativa sta nella combinazione tra finanziamento, validazione in ambienti reali, mentoring e accesso a un ecosistema europeo specializzato.
La simulazione di LogiGreen AI S.r.l. mostra come una PMI possa costruire una proposta credibile partendo da un problema specifico: l’ottimizzazione energetica dei magazzini logistici. Il progetto COSMIC-Green Warehouse Twin integra AI, digital twin, IoT, dati operativi e dashboard ESG per ridurre consumi, emissioni e costi energetici.
Una candidatura efficace deve evitare genericità. Non basta dire “usiamo l’intelligenza artificiale per la sostenibilità”. Occorre dimostrare quale problema si risolve, quali dati vengono utilizzati, quali algoritmi sono applicati, quali risultati si vogliono raggiungere, quale mercato si intende servire e come la soluzione resterà sostenibile dopo il contributo.
In questa prospettiva, COSMIC può diventare per una PMI innovativa non solo una fonte di finanziamento, ma un acceleratore di maturità tecnologica, industriale e commerciale. La call premia le imprese capaci di connettere innovazione digitale e impatto ambientale in modo concreto, misurabile e scalabile.
Angelo Leogrande è economista, professore a contratto
all'Università LUM e giornalista pubblicista; si occupa di finanza d'impresa,
innovazione ed economia regionale.
Commenti
Posta un commento