AI integration in early stage startups : an explorative case study

This thesis investigates how an Italian startup—Exvirience—systematically integrates Artificial Intelligence (AI) into its processes, balancing financial sustainability, technical feasibility, and market positioning. Drawing from interviews, internal documents, and direct observations, the study reveals five key contributions that broaden existing SME AI-adoption discourse: (1) cyclical, recurring costs rather than a single up-front budget; (2) repeated “technical debt” arising from data fragmentation each time new AI features or pivots are introduced; (3) the insight that being “AI-born” does not guarantee seamless integration; (4) the viability of AI-first strategic decision-making rather than immediate cost reductions; and (5) the value of a single-case, rigorously coded approach that uncovers these iterative challenges in depth. In analyzing Exvirience’s phased adoption—moving from initial prototypes to advanced machine-learning-driven XR tools—the research highlights how AI can enhance a startup’s internal operations. Nevertheless, practical obstacles persist: hardware constraints, user training, compliance with European data protection laws, and the need for transparent, ethically guided AI remain integral to Exvirience’s growth. The study underscores that although AI-driven XR offers tangible operational benefits (e.g., predictive maintenance and responsive, data-driven features), startups must continuosly refine infrastructure and address workforce implications, particularly to avoid overspecialization or skill erosion. Ultimately, the findings provide a more detailed blueprint for other high-tech SMEs seeking to adopt AI in demanding contexts, emphasizing that agile, iterative strategies—supported by cross-functional collaboration and adaptive cost management—can sustain both near-term productivity gains and long-term market competitiveness.

Questa tesi analizza come una startup italiana—Exvirience—integri in modo sistematico l’Intelligenza Artificiale (IA) nei propri processi, bilanciando sostenibilità finanziaria, fattibilità tecnica e posizionamento di mercato. Attraverso interviste, documenti interni e osservazioni dirette, lo studio evidenzia cinque contributi chiave che ampliano il dibattito sull’adozione dell’IA nelle PMI: (1) costi ciclici e ricorrenti anziché un unico investimento iniziale; (2) ripetuto “debito tecnico” derivante dalla frammentazione dei dati ogni volta che vengono introdotte nuove funzionalità o pivot nell’IA; (3) la consapevolezza che essere “nati con l’IA” non garantisce un’integrazione senza attriti; (4) la fattibilità di un processo decisionale strategico incentrato sull’IA piuttosto che su una mera riduzione immediata dei costi; e (5) il valore di un approccio di studio a singolo caso, rigorosamente codificato, che consente di approfondire queste sfide iterative. Analizzando l’adozione progressiva dell’IA da parte di Exvirience—dal prototipo iniziale a strumenti XR avanzati basati su machine learning—la ricerca mette in luce come l’IA possa migliorare le operazioni interne di una startup. Tuttavia, permangono ostacoli concreti: vincoli hardware, formazione degli utenti, conformità alle normative europee sulla protezione dei dati e necessità di un’IA trasparente e guidata eticamente sono aspetti fondamentali per la crescita di Exvirience. Lo studio sottolinea che, sebbene la XR potenziata dall’IA offra benefici operativi tangibili (ad esempio, manutenzione predittiva e funzionalità data-driven), le startup devono continuamente perfezionare le proprie infrastrutture e affrontare le implicazioni per la forza lavoro, in particolare per evitare un’eccessiva specializzazione o l’erosione delle competenze umane. Infine, i risultati offrono una guida più dettagliata per altre PMI high-tech che intendono adottare l’IA in contesti complessi, sottolineando come strategie agili e iterative—supportate da una collaborazione interdisciplinare e da una gestione adattiva dei costi—possano garantire sia miglioramenti di produttività a breve termine sia competitività a lungo termine sul mercato.