Immagina di dover integrare un nuovo dipendente esclusivamente tramite materiali scritti—email, documenti—senza alcuna conversazione. Anche la persona più intelligente perderebbe dettagli cruciali e informazioni importanti, specialmente se esclusa da riunioni o incontri one-on-one, creando un notevole gap informativo. Questa sfida ha ispirato i co-fondatori David Gu e Amanda Zhu a creare Recall. ai, una società di infrastrutture API che consente a migliaia di sviluppatori di catturare e processare dati delle conversazioni. Nonostante la crescente sofisticazione degli agenti AI, essi affrontano lo stesso ostacolo di quell’ipotetico dipendente: senza accesso alle conversazioni in cui risiede la maggior parte del contesto aziendale, anche la migliore intelligenza artificiale fatica a svolgere compiti con la stessa fluidità degli esseri umani. Recall. ai risponde a questa esigenza infrastrutturale vitale per aziende come HubSpot, ClickUp, monday. com e PagerDuty, risolvendo un problema doloroso vissuto in prima persona dai fondatori. La nostra serie di studi di caso esplora i percorsi di leader SaaS e AI che hanno costruito con successo soluzioni native di AI, distillando i loro insights in framework praticabili. Basandoci sulla nostra fiducia in Recall. ai, abbiamo intervistato il CEO David Gu per approfondire come abbiano trasformato il problema infrastrutturale in un’opportunità di business—un fornitore che avrebbero voluto avere. Il percorso di Recall. ai: Da problema a piattaforma Prima di Recall. ai, David e Amanda gestivano un prodotto di registrazione di videoconferenze rivolto a ricercatori utente e product manager. Nonostante la domanda crescesse, dedicavano circa l’80% del tempo alla gestione del lavoro backend noioso e poco visibile di cattura affidabile dei dati delle riunioni. Affrontavano una “situazione senza via d’uscita”: una buona infrastruttura passa inosservata, mentre una cattiva causa perdite di dati catastrofiche e clienti insoddisfatti. David spiega: “Quando sei una società di prodotti, non puoi vincere con l’infrastruttura. Se funziona perfettamente, i clienti vogliono funzionalità, non miglioramenti backend; se fallisce, si arrabbiano. ” Le sfide tecniche erano enormi. Le riunioni si concentrano in orari stretti (ad esempio, daily alle 9 del mattino sulla Costa Ovest), richiedendo infrastrutture che scalino istantaneamente, elaborino i dati in tempo reale e garantiscano zero perdita di dati. Ogni fallimento significava perdere un cliente. David si rese conto che non potevano né investire troppo (rendimenti invisibili) né troppo poco (rischio di abbandono), rimanendo intrappolati in una frustrazione dolorosa. Ma questo problema divenne il loro segnale. L’ispirazione: competenza infrastrutturale incontro opportunità AI Nel 2022, con l’evoluzione di GPT-3. 5 e altri grandi modelli linguistici (LLM), le startup con due persone iniziavano a costruire prodotti impossibili fino a poco tempo prima. David osserva: “Gli LLM non risolvono il problema doloroso di costruire e mantenere infrastrutture. ” Con il crescente bisogno delle aziende di dati sulle conversazioni per prodotti di AI, il problema infrastrutturale stava per diventare diffuso. Riconoscendo la loro competenza di alto livello nelle infrastrutture delle riunioni, David e Amanda decisero di puntare su un’azienda di infrastrutture come servizio. Contattarono ex concorrenti: le risposte variarono dal silenzio al sollievo: “Questo problema fa veramente schifo. ” Ed ecco nascere Recall. ai. Dalla costruzione all’utente: da infrastruttura a prodotto David e Amanda iniziarono a vendere la loro soluzione di infrastruttura estratta prima di perfezionare il prodotto, lanciando un programma alpha in meno di un mese.

La loro esperienza di gestione di un prodotto end-user diede loro un’idea unica: capivano non solo i clienti sviluppatori, ma anche gli utenti finali di quei clienti. David sottolinea: “Come azienda di infrastrutture, devi comprendere tutta la catena causale dal tuo sistema al valore per l’utente finale. ” Consigliavano gli sviluppatori su bisogni utenti, strutture di costo e ottimizzazione del prodotto, sfruttando l’esperienza vissuta. Il prodotto di Recall. ai si è evoluto a ondate: - API Meeting Bot: API principale per registrare videoconferenze, rispondendo a bisogni immediati. - SDK di registrazione desktop (fine 2025): registrazione integrata con stile note AI per qualsiasi app, raccogliendo centinaia di migliaia di installazioni rapidamente. - SDK di registrazione mobile (in arrivo): estensione delle funzionalità a chiamate telefoniche e incontri in presenza. Prezzi basati sull’uso per un allineamento tra vendor e cliente Recall. ai ha adottato naturalmente un modello di prezzo basato sull’utilizzo, allineando i costi al successo del cliente. David spiega: “Se il tuo prodotto prospera e processa più dati, i costi aumentano; se sei in fase iniziale con basso volume, costa meno. ” Questo modello garantisce: - prezzi trasparenti e prevedibili che crescono con il valore fornito; - assenza di sorprese dovute a costi extra improvvisi; - evitano tariffe per posti che limitano l’adozione; - semplicità senza complessi livelli di prezzo, segmentando naturalmente i clienti per scala. I prezzi funzionano sia per contratti da sette cifre sia per clienti self-serve, armonizzando elasticità e prevedibilità. Crescita guidata dal pensiero contrarian Sebbene i prodotti infrastrutturali per sviluppatori di solito adottino strategie community-first e self-serve, Recall. ai ha scelto il percorso opposto. Per tre anni, ogni cliente ha interagito direttamente con i fondatori David o Amanda, ottenendo una comprensione del mercato profonda e difficilmente raggiungibile solo tramite analisi o ticket di supporto. “Il vero valore non sono i ricavi, ma l’apprendimento, ” afferma David. Hanno posto con rigore domande ai clienti su obiettivi, motivazioni e come Recall. ai potesse aiutarli. Questa comunicazione con clienti di settori diversi—telemedicina, finanza, vendite, customer success—ha svelato sfumature normative e vari livelli di comfort con la registrazione. All’inizio del 2025, Recall. ai ha lanciato le registrazioni self-serve e ora acquisisce migliaia di clienti settimanali. Questo investimento iniziale nelle conversazioni con i clienti ha dato risultati, attirando clienti leader del settore e confermando un cambiamento nel modo in cui il software sfrutta i dati delle conversazioni. La situazione senza via d’uscita trasformata in opportunità Nel 2020, il loro strumento di registrazione video vide una domanda in crescita durante il lavoro remoto imposto dal COVID, ma l’infrastruttura richiedeva l’80% degli sforzi. David descrive il dilemma: l’eccellenza infrastrutturale è invisibile, ma una cattiva infrastruttura porta a fallimenti e abbandoni. La vera sfida consisteva nel gestire carichi massivi di riunioni contemporanee, come eventi di “Black Friday” quotidiani, richiedendo un’elaborazione impeccabile e in tempo reale, senza perdita di dati. Questa tensione irrisolvibile sembrava una “situazione senza via d’uscita, ” generando frustrazione ma anche chiarezza sul vero problema—e sulla reale opportunità. Dati delle conversazioni: il fondamento del futuro dell’AI L’ultimo pensiero di David riadatta lo sviluppo degli agenti AI: nonostante i progressi, l’AI ha ancora bisogno di accedere allo stesso contesto delle conversazioni su cui gli operatori umani basano le automazioni. Senza catturare e processare efficacemente i dati delle conversazioni, l’automazione non potrà mantenere le promesse. Con l’AI diventato parte integrante di molte industrie, padroneggiare l’infrastruttura dei dati conversazionali è cruciale. Le aziende che si distingueranno in quest’ambito costruiranno prodotti di AI davvero utili, andando oltre i limiti attuali. Informazioni su Recall. ai Fondata nel 2022 da David Gu e Amanda Zhu, Recall. ai offre un API unificata per catturare audio, video, trascrizioni e metadata da videoconferenze e incontri dal vivo. Attualmente fornisce infrastrutture per oltre 3. 000 aziende ed è all’avanguardia nel permettere a prodotti di AI di comprendere e sfruttare pienamente i dati delle conversazioni. Per saperne di più, visita Recall. ai.