La Serie A di Duvo raccoglie 32 milioni di dollari, ma il problema difficile è il lavoro nascosto
Duvo ha raccolto 32 milioni di dollari in un round di Serie A per automatizzare le operazioni aziendali, ma la sua sfida centrale non consiste semplicemente nel collegare gli agenti AI a software datati. La Serie A di Duvo sostiene il tentativo di catturare le decisioni non documentate che i dipendenti prendono tra schermate ERP, fogli di calcolo, portali dei fornitori ed e-mail.
Balderton Capital ha guidato il round, con la partecipazione degli investitori esistenti Index Ventures, Northzone e Credo Ventures. Il finanziamento porta la raccolta complessiva di Duvo a 48 milioni di dollari e sostiene un'espansione negli Stati Uniti inizialmente focalizzata su aziende della vendita al dettaglio e dei beni di largo consumo confezionati.
La tensione è facile da non cogliere. I fornitori di automazione aziendale trascorrono da anni a promettere di connettere sistemi frammentati. Duvo sostiene che l'ostacolo maggiore si trovi al di fuori di tali sistemi, poiché regole cruciali, eccezioni e soluzioni alternative restano nella mente dei dipendenti.
Questa tesi contrappone Duvo a un noto modello di implementazione. Le aziende di solito documentano i processi tramite team interni, consulenti o forward-deployed engineers prima che il software possa automatizzarli. Duvo vuole che il suo prodotto svolga autonomamente gran parte di questa scoperta, per poi eseguire il processo risultante con approvazioni umane.
La piattaforma di automazione Duvo combina quindi due compiti difficili. Deve comprendere come il lavoro avvenga realmente, comprese le eccezioni, ed eseguirlo in modo affidabile attraverso software che non controlla.
La Serie A di Duvo finanzia una spinta oltre i progetti pilota AI
Il nuovo capitale offre a Duvo la possibilità di verificare se un unico livello di automazione possa supportare numerosi processi operativi senza trasformarsi in un'altra raccolta di progetti isolati.
Duvo ha annunciato il finanziamento il 14 ottobre 2026. Il suo annuncio di finanziamento afferma che l'azienda utilizzerà il round per espandersi negli Stati Uniti, iniziando da retailer e imprese di beni di consumo.
Questa scelta di mercato riflette le origini di Duvo. Il cofondatore e CEO Tomáš Čupr ha fondato anche Rohlik Group, un supermercato online europeo. Le operazioni retail lo hanno esposto a flussi di lavoro distribuiti tra sistemi di inventario, comunicazioni con i fornitori, strumenti finanziari e fogli di calcolo gestiti localmente.
Questi flussi di lavoro raramente si comportano come diagrammi software ordinati. Un buyer potrebbe confrontare un'e-mail con un record ERP, verificare una clausola contrattuale, contattare un fornitore ed escalare un'eccezione. Un altro dipendente con lo stesso titolo professionale potrebbe seguire regole diverse perché i fornitori di quella persona operano diversamente.
Duvo descrive il proprio prodotto come un Enterprise Execution OS. Il termine si riferisce a un livello condiviso in cui persone e agenti AI possono scoprire, eseguire, approvare e monitorare processi nelle applicazioni aziendali esistenti.
L'azienda non propone ai clienti di sostituire immediatamente i propri sistemi ERP o di gestione del magazzino. Duvo punta invece a collocarsi sopra di essi. I suoi agenti usano API quando disponibili e interagiscono con le interfacce utente esistenti quando un sistema non dispone di una connessione adeguata.
Questa distinzione conta perché la maggior parte delle grandi aziende non può considerare la sostituzione del software core come un esperimento informale. I loro sistemi contengono registri finanziari, dati dei fornitori, posizioni di inventario e controlli di approvazione. Anche un'applicazione obsoleta può restare essenziale perché molti altri processi dipendono da essa.
Duvo afferma che la sua piattaforma possa creare un unico insieme di connessioni, regole di approvazione e registri operativi per più processi. Se questa affermazione regge, una seconda automazione dovrebbe riutilizzare più infrastruttura della prima.
Si tratta di un obiettivo più rilevante rispetto alla realizzazione di una dimostrazione riuscita. Un progetto pilota può avere successo grazie a un intenso supporto ingegneristico e a casi attentamente selezionati. Una piattaforma deve continuare a funzionare mentre cambiano interfacce, personale, politiche e condizioni aziendali.
La Serie A di Duvo finanzia anche una spinta commerciale più diretta. Michael Green, in precedenza dirigente presso Databricks e Salesforce, si è unito all'azienda per guidare l'espansione commerciale. Spencer Insolia, ex presidente di Kmart e managing director di Accenture, guida l'attività negli Stati Uniti.
Queste nomine suggeriscono che la distribuzione enterprise sia ora importante quanto lo sviluppo del prodotto. Duvo deve entrare in organizzazioni complesse, identificare processi di valore, soddisfare le revisioni di sicurezza e dimostrare ritorni misurabili senza lasciare che il lavoro di deployment ne assorba l'economia.
Il finanziamento non è dunque solo una scommessa sulle capacità degli agenti. È una scommessa sul fatto che scoperta dei processi, implementazione, governance e misurazione possano diventare componenti ripetibili di un unico prodotto.
Perché la conoscenza non documentata blocca l'automazione aziendale
L'argomento più importante di Duvo è che i processi aziendali restano incompleti finché le persone che li svolgono non spiegano le eccezioni.
Čupr sarebbe giunto a questa conclusione mentre cercava di introdurre agenti in Rohlik. I dipendenti riuscivano a identificare il lavoro ripetitivo, ma documentare l'intero processo si è rivelato più difficile. Molte decisioni si basavano su un'esperienza mai inserita in un manuale, un database o uno strumento di workflow.
In un'intervista sul problema dell'API umana, Čupr ha affermato che le persone spesso fungono da interfacce tra sistemi disconnessi. Leggono una schermata, ricordano una regola non scritta, interpretano un messaggio e inseriscono il risultato altrove.
Questo schema aiuta a spiegare perché l'automazione convenzionale gestisca spesso il nucleo prevedibile di un processo, lasciando però i suoi margini più disordinati ai dipendenti. Uno script può copiare un campo noto. Fatica invece quando un fornitore conferma parzialmente un ordine contestandone contemporaneamente il prezzo nella stessa e-mail.
Duvo Clarity, il componente di discovery dell'azienda, è progettato per catturare questo contesto mancante. Secondo Duvo, combina interviste ai dipendenti guidate dall'AI, registrazioni dello schermo e documenti esistenti per mappare il modo in cui il lavoro avviene nella pratica.
La mappa del processo deve includere più di una sequenza di clic. Deve identificare i responsabili delle decisioni, i requisiti di approvazione, le eccezioni comuni e le evidenze usate dai dipendenti per scegliere un'azione.
Questo trasforma la scoperta dei processi in un problema di conoscenza. Un'azienda deve prima individuare ciò che i dipendenti sanno, distinguere le policy dalle abitudini e determinare quali giudizi possano trasformarsi in regole in sicurezza.
La stessa sfida appare nei sistemi di conoscenza personali e di team. I documenti forniscono solo una parte della risposta quando il contesto importante rimane disperso tra conversazioni e memoria individuale. Una base di conoscenza ricercabile diventa utile quando preserva il contesto anziché limitarsi a raccogliere file.
Duvo applica un principio simile all'esecuzione operativa. Cerca di trasformare la conoscenza tacita in un processo controllato che un agente possa seguire, mantenendo le persone in punti decisionali definiti.
Il meccanismo ha tre fasi generali. Innanzitutto, il sistema osserva e documenta il workflow corrente. In secondo luogo, identifica i passaggi adatti all'automazione e quelli che richiedono approvazione. In terzo luogo, gli agenti eseguono azioni approvate nei sistemi connessi, registrando quanto accaduto.
Quest'ultima fase separa la documentazione dei processi dalla loro esecuzione. Gli incarichi di consulenza e gli strumenti di process mining possono rivelare inefficienze, ma potrebbe comunque essere necessario un altro progetto per implementare i cambiamenti.
Duvo vuole che discovery ed esecuzione condividano un unico sistema. Questa connessione potrebbe accorciare la distanza tra l'individuazione di un problema e la modifica dell'operazione.
Introduce anche un rischio. Le spiegazioni dei dipendenti possono essere incomplete, incoerenti o influenzate da soluzioni alternative locali. Le registrazioni dello schermo possono mostrare cosa ha fatto una persona senza rivelare perché quella scelta fosse corretta.
Un processo automatizzato può quindi formalizzare una cattiva abitudine con la stessa facilità di una buona. Il management deve decidere se il workflow scoperto rappresenti la policy aziendale, un'eccezione necessaria o debito tecnico che dovrebbe scomparire.
Duvo afferma che responsabili umani approvino le decisioni che richiedono giudizio. I dashboard operativi mostrano decisioni in attesa e risultati completati, mentre le modifiche al sistema vengono registrate a fini di audit.
Questo design human-in-the-loop, in cui le persone approvano decisioni selezionate degli agenti, è essenziale per operazioni sensibili. Solleva anche una domanda pratica sulla scalabilità. Se troppi casi richiedono revisione, l'agente si limita a spostare il collo di bottiglia.
La versione più solida della tesi di Duvo non è che i dipendenti debbano sparire dal processo. È che il software debba catturare la conoscenza ripetibile, indirizzando al contempo le decisioni realmente ambigue alla persona giusta.
Il successo dipende dal fatto che questo confine rimanga accurato mentre l'azienda cambia. Una regola promozionale, un accordo con un fornitore o una policy di rischio che funzionava lo scorso trimestre potrebbe non restare valida. Duvo deve mantenere aggiornata la mappa del processo anziché trattare la discovery come un evento una tantum.
Duvo Enterprise AI sfida il modello ad alta intensità di servizi
Duvo scommette che il deployment dell'AI enterprise possa diventare guidato dal prodotto prima che il lavoro di implementazione superi il valore del software.
Le grandi organizzazioni usano spesso consulenti e specialisti dell'implementazione per comprendere le operazioni prima di modificarle. Questi team intervistano i dipendenti, mappano i sistemi, documentano le approvazioni e coordinano il nuovo software con i controlli esistenti.
I forward-deployed engineers seguono un modello correlato. Lavorano a stretto contatto con i clienti per adattare il software, integrare dati e costruire workflow affidabili all'interno di ambienti complessi.
Questo approccio può produrre risultati perché gli esseri umani assorbono l'ambiguità. Può però anche rendere i deployment lenti, costosi e difficili da riprodurre tra clienti diversi.
La principale sfida di Duvo a questo modello è semplice: il prodotto dovrebbe svolgere una parte maggiore della discovery e della configurazione. Le interviste AI possono raccogliere conoscenza dei processi, gli agenti possono creare mappe dei workflow e controlli riutilizzabili possono ridurre l'integrazione personalizzata.
Čupr ha dichiarato a Pathfounders che Duvo mira a comprimere la scoperta dei processi da mesi a settimane. Ha inoltre sostenuto che un'AI enterprise ben progettata dovrebbe diventare sempre più autoimplementabile.
Duvo non presenta ogni società di consulenza come un nemico. Ha un'alleanza con Deloitte Central Europe, che combina competenze di consulenza con il software di mappatura ed esecuzione dei processi di Duvo.
Questa partnership rivela la probabile realtà a breve termine. Le società di consulenza possono diventare partner di distribuzione e implementazione anche quando il software riduce il lavoro richiesto per determinati incarichi. Il loro lavoro strategico e organizzativo può restare prezioso mentre gli strumenti cambiano il modo in cui avviene la scoperta dei processi.
La pressione ricade più direttamente sul lavoro di implementazione ripetitivo. Se Duvo riesce a catturare i workflow più rapidamente, i clienti metteranno in discussione progetti lunghi dedicati soprattutto a interviste, diagrammi e configurazione manuale.
L'azienda deve comunque dimostrare che l'approccio compresso produca un risultato accurato. La velocità ha un valore limitato se un'eccezione mancata interrompe in seguito inventario, pagamenti ai fornitori o rendicontazione finanziaria.
La concorrenza renderà questa dimostrazione più difficile. Il mercato dell'automazione enterprise include già fornitori di robotic process automation, piattaforme di process mining, prodotti per workflow e aziende di agenti più recenti.
Pathfounders ha identificato Orby AI, Skan AI, Mimica, Sola e Scribe tra i concorrenti rilevanti. Queste aziende non offrono tutte prodotti identici, ma molte affrontano l'osservazione dei workflow, la process intelligence o l'esecuzione guidata da agenti.
L'automazione robotica dei processi tradizionale, comunemente chiamata RPA, offre un ulteriore punto di riferimento. Gli strumenti RPA spesso riproducono azioni strutturate degli utenti, come copiare informazioni tra applicazioni. Possono essere efficaci quando input e interfacce restano prevedibili.
Duvo sostiene che gli agenti AI possano gestire più ambiguità rispetto a script rigidi. Secondo quanto riportato, i suoi agenti interpretano email, navigano tra schermate, confrontano record ed effettuano l'escalation delle decisioni invece di seguire un unico percorso di clic prestabilito.
L'azienda ha descritto un deployment su sistemi legacy che utilizza Claude di Anthropic, interazione tramite browser, connessioni con strumenti e approvazioni umane. Duvo afferma che le capacità di utilizzo del computer consentono agli agenti di operare su sistemi privi di API moderne.
Questa flessibilità amplia il lavoro indirizzabile, ma non elimina il problema dell'affidabilità. Le interfacce grafiche cambiano. I permessi di accesso scadono. I formati dei dati variano. Una schermata che appare ovvia a una persona può confondere un sistema automatizzato dopo una piccola riprogettazione.
Le integrazioni basate su API hanno costi propri, ma in genere offrono contratti più chiari dell'interazione visiva. Duvo deve decidere quando l'automazione dell'interfaccia sia accettabile e quando resti necessaria un'integrazione più profonda.
La dipendenza dai modelli presenta un'altra criticità. Un agente può comportarsi diversamente dopo un aggiornamento del modello sottostante, specialmente con input ambigui. Le imprese si aspetteranno che Duvo testi tali cambiamenti prima che incidano sulle decisioni in produzione.
Duvo afferma che la propria architettura è indipendente dal modello. Secondo quanto riportato, i clienti possono utilizzare endpoint cloud approvati, infrastrutture dedicate o modelli open-weight laddove requisiti di sicurezza e sovranità richiedano maggiore controllo.
Questo posizionamento crea anche complessità operativa. I diversi modelli variano per qualità del ragionamento, latenza, requisiti di deployment e comportamento. Supportare più opzioni non garantisce prestazioni equivalenti tra di esse.
La proposta di AI enterprise di Duvo competerà quindi su aspetti che vanno oltre l'intelligenza. Gli acquirenti confronteranno sforzo di implementazione, auditabilità, sicurezza, gestione delle eccezioni, manutenzione e risultati aziendali misurabili.
Il confronto decisivo non è semplicemente Duvo contro consulenti o Duvo contro RPA. È il deployment standardizzato del prodotto contro la personalizzazione ad alta intensità di lavoro. Duvo deve dimostrare che il proprio prodotto può assorbire la complessità senza ricreare silenziosamente un'attività di servizi dietro le quinte.
I risultati dei clienti sono promettenti, ma perlopiù riportati dall'azienda
Duvo ha pubblicato miglioramenti operativi concreti, ma gli acquirenti necessitano ancora di prove indipendenti su durata, costo totale e tassi di eccezione.
Duvo afferma di aver generato oltre 100 milioni di dollari di valore per i clienti nei settori finanziario, della supply chain, delle operazioni commerciali, dell'assistenza clienti, del marketing e delle risorse umane. Tra i clienti nominati figurano Morrisons, Holland & Barrett, Boden, Notino, Allegro e Rohlik.
L'azienda riferisce che la riconciliazione dei bonus fornitori di Notino, per un valore di circa 45 milioni di dollari l'anno, è passata da 70 a 15 giorni. Il lavoro specialistico sarebbe diminuito da circa 120 ore per ciclo a meno di 10.
Duvo ha inoltre pubblicato dichiarazioni dettagliate relative a Rohlik. Afferma che un deployment ha generato 2,8 milioni di euro di risparmi annualizzati entro tre mesi ed è entrato in produzione otto settimane dopo la prima discussione.
Secondo l'azienda, in quel caso la disponibilità dei prodotti è salita dal 78% al 93% in due settimane. Le conferme delle consegne in entrata sarebbero aumentate dal 52% al 90%.
Lo stesso caso di studio afferma che le negoziazioni annuali sono diventate automatizzate per circa l'80%, con oltre 60 dipendenti a tempo pieno reindirizzati dall'inserimento dati alla negoziazione strategica. Duvo riporta inoltre revisioni dei margini più rapide e una chiusura di fine mese più breve.
Questi dati rendono la piattaforma di automazione Duvo più facile da valutare rispetto a una vaga affermazione sulla produttività. Collegano la tecnologia alla disponibilità dell'inventario, alle negoziazioni con i fornitori, alla riconciliazione e al tempo di lavoro.
Tuttavia, la maggior parte delle metriche dettagliate proviene da Duvo o da dichiarazioni dei clienti selezionate da Duvo. Non sono state presentate come risultati di una valutazione controllata indipendente.
Ciò non le rende false. Significa che i lettori dovrebbero considerarle risultati riportati in casi di studio, anziché benchmark universali di prestazione.
Restano senza risposta diverse domande. Il materiale pubblicato non separa completamente il valore creato da Duvo dalla riprogettazione dei processi, dall'attenzione del management o da altri cambiamenti operativi effettuati durante il deployment.
I risparmi annualizzati differiscono inoltre dai risparmi effettivamente realizzati in cassa. Un nuovo processo può identificare un'opportunità senza garantire che ogni importo individuato arrivi al conto economico.
Gli acquirenti dovrebbero chiedere come Duvo stabilisca una baseline, attribuisca i benefici e consideri i dipendenti coinvolti nell'implementazione e nella revisione. Dovrebbero inoltre esaminare come cambino i risultati dopo che il processo iniziale si espande tra Paesi, team e configurazioni software.
L'affidabilità richiede misurazioni altrettanto specifiche. I soli tassi di completamento sono insufficienti se gli agenti scelgono azioni errate o inviano troppi casi ai revisori umani.
Metriche operative utili includerebbero frequenza delle eccezioni, tassi di approvazione, gravità degli errori, frequenza dei rollback e tempo che i dipendenti dedicano alla supervisione di ciascun processo. Questi dati mostrerebbero se il prodotto elimina lavoro o ne modifica la forma.
Sicurezza e governance meritano pari attenzione. Duvo afferma di registrare le approvazioni e le modifiche scritte nei sistemi dei clienti. Riferisce inoltre di possedere le certificazioni SOC 2 Type II, ISO 27001 e ISO 42001.
Le certificazioni forniscono evidenza dell'esistenza di controlli definiti, ma non garantiscono che ogni decisione automatizzata sia corretta. I clienti necessitano comunque di permessi specifici per processo, monitoraggio, test e regole di escalation.
Il più ampio mercato degli agenti dà agli acquirenti un motivo per essere cauti. Gartner ha previsto che oltre il 40% dei progetti di AI agentica verrà cancellato entro la fine del 2027. La sua previsione sui progetti agentici cita costi in aumento, valore aziendale poco chiaro e controlli del rischio inadeguati.
Duvo si posiziona esplicitamente contro queste modalità di fallimento. Enfatizza risultati misurabili, approvazioni governate, connessioni riutilizzabili e deployment nei sistemi che i clienti già utilizzano.
L'azienda deve comunque affrontare le stesse pressioni economiche. Chiamate ai modelli, sessioni browser, supporto, monitoraggio e revisione umana contribuiscono tutti al costo reale di un processo automatizzato.
Un flusso di lavoro che crea valore significativo può giustificare tali costi. Un processo a basso valore con eccezioni frequenti potrebbe non diventare mai economicamente sostenibile, indipendentemente da quanto l'agente appaia capace in una dimostrazione.
La fidelizzazione dei clienti fornirà una prova più solida rispetto ai primi casi di studio. Espansioni in reparti aggiuntivi suggerirebbero che la piattaforma condivisa genera valore cumulativo. Rinnovi limitati indicherebbero che le prestazioni dipendono da processi insolitamente favorevoli.
Il Series A di Duvo dà all'azienda il tempo di raccogliere queste prove. Non risolve la questione se i risultati restino stabili tra clienti, settori e condizioni operative in evoluzione.
Tre segnali mostreranno se Duvo può scalare
La prossima prova per Duvo è se il suo vantaggio nella scoperta dei processi produca deployment ripetibili, una più ampia adozione da parte dei clienti e un'economia operativa sostenibile.
Il primo segnale è l'espansione presso i clienti esistenti. Duvo afferma che una piattaforma può supportare processi nella finanza, nella supply chain, nell'assistenza clienti, nel marketing e nelle risorse umane.
Gli acquirenti dovrebbero osservare se i clienti passino da un flusso di lavoro di successo a diversi reparti. Questa espansione sosterrebbe l'argomento secondo cui connessioni, controlli e conoscenza dei processi possano essere riutilizzati.
La qualità di tali espansioni conta quanto il loro numero. Implementare diversi flussi di lavoro simili per i fornitori è più semplice che estendersi ad approvazioni finanziarie, processi della forza lavoro o decisioni regolamentate sui clienti.
Deployment più ampi rafforzerebbero l'affermazione di Duvo di essere una piattaforma. Se la maggior parte dei clienti restasse limitata a un solo caso d'uso ristretto, il prodotto potrebbe comportarsi più come un progetto di automazione specializzato.
Il secondo segnale è costituito dalle prove derivanti dal lancio negli Stati Uniti. Duvo ha assunto leader commerciali esperti e punta alle aziende del retail e dei beni di consumo, dove sistemi frammentati per fornitori e inventario creano evidenti opportunità di automazione.
I clienti statunitensi possono muoversi più rapidamente durante la valutazione, ma i contratti enterprise richiedono comunque revisioni di sicurezza, legali, di integrazione e di procurement. Duvo deve dimostrare che una scoperta dei processi più rapida accorci anche l'intero percorso verso la produzione.
I casi di studio dovrebbero indicare il tempo di deployment, il personale dedicato all'implementazione, i tassi di eccezione e i risultati realizzati. Resoconti indipendenti dei clienti avrebbero più peso rispetto a ulteriori affermazioni aggregate sul valore.
Il terzo segnale è come il modello di Duvo regga al confronto con concorrenti e partner di consulenza. I rivali nella scoperta dei flussi di lavoro e nell'automazione agentica continueranno a migliorare, mentre i fornitori affermati di automazione possono aggiungere AI generativa alle loro piattaforme installate.
Anche le società di consulenza hanno delle opzioni. Possono distribuire Duvo, adottare prodotti concorrenti, sviluppare strumenti interni o mantenere una scoperta più manuale laddove i clienti attribuiscano valore all'analisi umana.
La strategia di alleanze di Duvo sarà messa alla prova quando i partner decideranno se la piattaforma espanda la loro attività o comprima il lavoro redditizio. Un canale di partner ripetibile sosterrebbe l'affermazione di Duvo secondo cui il software può migliorare l'erogazione della consulenza senza eliminare i servizi strategici.
Le prove tecniche conteranno all'interno di tutti e tre i segnali. Duvo dovrebbe dimostrare come i suoi agenti rispondano quando una schermata cambia, un dipendente fornisce istruzioni contrastanti o un modello sottostante si comporta diversamente.
Gli acquirenti dovrebbero inoltre osservare il rapporto tra decisioni automatizzate e approvazioni umane. Un'automazione crescente con tassi di errore stabili rafforzerebbe la tesi. Code di revisione in crescita la indebolirebbero.
La metrica più rivelatrice potrebbe essere il tempo necessario per il secondo processo. Duvo afferma che il primo deployment può entrare in produzione entro poche settimane. Se i processi successivi diventassero sensibilmente più rapidi, il livello di esecuzione condiviso starebbe creando la leva promessa.
Se ogni nuovo flusso di lavoro richiedesse un altro ampio ciclo di scoperta e ingegneria, l'economia apparirebbe più vicina a quella dell'implementazione enterprise convenzionale.
Duvo ha scelto un obiettivo difficile ma importante. Il lavoro tra i sistemi enterprise è costoso proprio perché combina dati frammentati, giudizio umano e storia organizzativa.
Il Series A di Duvo non dimostra che gli agenti possano assorbire tutta questa complessità. Finanzia un tentativo serio di trasformare conoscenze operative nascoste in software governato senza sostituire i sistemi sottostanti.
Gli acquirenti enterprise dovrebbero ora porsi una domanda pratica: Duvo riduce lo sforzo totale necessario per comprendere, automatizzare e mantenere un processo dopo la fine della dimostrazione? Monitorate deployment ripetuti, dati indipendenti sui risultati e tassi di revisione umana nei prossimi mesi. Questi segnali mostreranno se l'AI enterprise di Duvo sta diventando un'infrastruttura durevole o un altro promettente progetto pilota che dipende da un supporto eccezionale.
