Quando l'edificio in cui era cresciuto rischiava la demolizione, il fondatore di Safe Sign Technologies imparò una lezione di perseveranza che avrebbe poi orientato il suo modo di costruire una società di AI, acquisita da Thomson Reuters prima che avesse generato un solo dollaro di ricavi.

Rollins House, una ex fabbrica Art déco in decadenza nel sud-est di Londra, era la casa di sua madre e il luogo in cui era cresciuto. Quando un promotore immobiliare puntò al sito per costruire appartamenti, la famiglia si trovò davanti a una battaglia legale che non poteva permettersi. Da adolescente, studiò da solo il diritto urbanistico tra un esame scolastico e l'altro, consultò archivi mai esaminati e mise insieme un dossier di precedenti legali. Davanti a una commissione comunale, di fronte a uno studio legale esperto, presentò il caso — e vinse. Quell'episodio gli trasmise la convinzione che una ricerca meticolosa e la disponibilità ad affrontare probabilità sfavorevoli potessero fare la differenza.

Un decennio dopo, quella stessa mentalità fu messa di nuovo alla prova nelle trattative con Thomson Reuters, il gruppo globale dell'informazione e della tecnologia i cui servizi legali, fiscali e contabili ne fanno una delle maggiori società al mondo nel settore dell'informazione professionale — e che voleva acquisire la sua startup di ricerca sull'AI, Safe Sign Technologies.

Il percorso per arrivare a quel punto fu difficile. Mentre si formava come solicitor presso Allen & Overy, costruiva Safe Sign parallelamente — svegliandosi alle 4:30 del mattino per lavorare alla società prima di intere giornate di formazione legale, per poi tornare alla startup la sera. Allen & Overy, osserva, fu notevolmente tollerante, anche se quel ritmo non era sostenibile.

In numerose occasioni, Safe Sign rimase di fatto senza denaro durante la notte, con la necessità di trovare nuovi fondi entro il mattino. Il piano iniziale della società — un prodotto legale consumer — non riuscì ad attrarre investitori. Dopo ripetuti rifiuti da parte di finanziatori locali, volò a New York con £200 a suo nome. Alla fine, quasi tutto il capitale della società arrivò da investitori nordamericani anziché dal Regno Unito. Notò una differenza culturale nell'approccio: gli investitori americani tendevano a chiedere "come posso aiutare?", mentre quelli britannici chiedevano "come fallirà?"

Dopo aver raccolto abbastanza per continuare a operare, Safe Sign abbandonò del tutto la ricerca di ricavi e reindirizzò gli sforzi verso la costruzione di un modello di AI proprietario. La decisione significò investire tutto in un piccolo team reclutato da Cambridge, MIT e Harvard, e ripetere agli investitori che ricavi significativi erano una prospettiva lontana. La maggior parte dei finanziatori perse interesse.

La ricerca della società si concentrava su sicurezza, robustezza e affidabilità — caratteristiche particolarmente importanti nelle applicazioni legali, dove un sistema di AI che inventa citazioni giurisprudenziali o interpreta male il testo di una norma può causare un danno professionale diretto. Producendo un modello con prestazioni differenziate con un budget minimo, Safe Sign puntava al divario tra i modelli linguistici generalisti e la soglia di affidabilità richiesta dalla pratica legale. Quando Safe Sign condivise solidi risultati interni, il braccio venture di Thomson Reuters rispose in pochi minuti.

Venti mesi dopo la fondazione, Safe Sign divenne la prima acquisizione pre-ricavi di Thomson Reuters nei 174 anni di storia della società, collocandosi tra le operazioni europee più significative del 2024. Thomson Reuters, che ha investito molto nell'AI nelle sue piattaforme legali e fiscali, vide in Safe Sign un team di ricerca e un'architettura di modello in grado di rafforzare la sua posizione mentre i fornitori storici di tecnologia legale corrono per integrare l'AI generativa nei flussi di lavoro professionali. L'importo dell'acquisizione fu tale da cambiare la vita a una società che non aveva mai registrato ricavi.

Il fondatore osserva che questo esito va contro gran parte della saggezza convenzionale del settore startup, che enfatizza metriche visibili come la crescita dei ricavi, il capitale raccolto e la visibilità del fondatore. A suo avviso, gli acquirenti istituzionali premiano la profondità del lavoro — una sostanza che diventa evidente solo a un esame ravvicinato.

Ora attivo come investitore, descrive la sua responsabilità principale come distinguere tra stile e valore autentico. Individua un errore ricorrente del mercato — lo stesso commesso dai primi investitori britannici con Safe Sign — nel giudicare le startup dai loro pitch deck anziché dalla loro difendibilità di fondo.

Sebbene il mercato sia diventato più capace di valutare la scienza, sostiene che ciò si applichi soprattutto alle aree più visibili: grandi modelli, laboratori noti e scienziati di rilievo. L'opportunità più grande, afferma, si trova nello strato sottostante — tecnologie che risolvono problemi difficili per gli stessi laboratori di AI di frontiera.

Indica diverse aree in cui restano sfide significative e sottofinanziate. Una è l'infrastruttura per testare le capacità dei sistemi di AI: ogni affermazione su un modello che supera un esame o batte un professionista dipende da qualcuno che ha costruito quella valutazione, e progettare test che non possano essere manipolati è tra i problemi più difficili del settore. Un'altra è la memoria: i sistemi di AI di oggi iniziano ogni conversazione da zero, mentre la competenza umana si costruisce su conoscenze accumulate. La soluzione viene spesso liquidata come un database aggiunto a un chatbot, ma l'apprendimento continuo resta un problema di machine learning fondamentalmente irrisolto. Una terza area è quella che definisce "abilitazione dei neolab": strumenti specializzati di cui i primi laboratori di AI per la scienza hanno bisogno ma che non possono costruire da soli, e che richiedono la stessa profondità di dominio della scienza che supportano.

Queste categorie — tooling, storage e servizi — vengono spesso liquidate dal mercato come infrastruttura ordinaria. Egli sostiene che rappresentino alcuni dei problemi più difficili del settore, ciascuno dei quali ostacola silenziosamente i laboratori di frontiera, e che quasi nessuno dei capitali che affluiscono nell'AI sia diretto verso di esse.

Il fondatore riporta il paragone a Rollins House: il dossier non letto, il caso che tutti davano per perso, il valore che esiste molto prima che qualcuno lo esamini da vicino. Sua madre vive ancora nell'edificio, che si erge più o meno com'è sempre stato — poco appariscente a prima vista, ma di valore molto superiore a quanto suggeriscano le apparenze.

Le opinioni espresse negli articoli di commento di Fortune.com sono esclusivamente quelle dei rispettivi autori e non riflettono necessariamente le opinioni e le convinzioni di Fortune.

Questa storia è stata originariamente pubblicata su Fortune.com.