Un startup cofondat de un român ridică 12,2 mil. $ pentru AI în achiziții publice. Ce pot învăța retailerii români și cum pot aplica același model în business.
Pryzm și lecția pentru retail: cum scalăm AI-ul românesc
Pe 11.12.2025, un startup cofondat de un român a ridicat 12,2 milioane de dolari de la Andreessen Horowitz, unul dintre cele mai respectate fonduri de investiții în tehnologie din lume. Nu vorbim de încă o aplicație socială, ci de o platformă complexă de inteligență artificială care optimizează achizițiile publice în SUA.
De ce ar trebui să intereseze asta un director de IT, un CEO de retail sau un fondator de startup din România? Pentru că povestea Pryzm spune, foarte clar, două lucruri:
- ecosistemul tehnic românesc poate crea produse de AI de nivel global;
- aceeași logică și aceeași tehnologie se pot aplica, cu rezultate masive, și în retailul românesc, de la hypermarketuri la magazine online și rețele de proximitate.
În seria „AI în Industria IT din România: Servicii și Produse”, cazul Pryzm este un exemplu foarte curat despre cum arată, în practică, un produs de AI bine definit, bine poziționat și finanțat serios – și ce putem învăța din asta pentru retail.
1. Cine este Pryzm și de ce contează pentru ecosistemul românesc
Pryzm este un startup american fondat de Nick LaRovere, David Istrati (român, CTO) și Justin Deckert. Toți au background puternic în analiză de date, cu experiență la companii precum Palantir sau Lockheed Martin.
Ce face Pryzm, pe scurt:
- ia un domeniu birocratic, greoi și critic (achizițiile federale din SUA);
- colectează și curăță volume uriașe de date publice (programe, bugete, oportunități de contractare);
- folosește AI pentru a transforma aceste date într-o platformă de decizie rapidă pentru agenții și contractori din apărare.
Startup-ul a ridicat o rundă seed de 12,2 milioane de dolari, condusă de fondul American Dynamism al Andreessen Horowitz, împreună cu XYZ Venture Capital, Amplify.LA și Forum Ventures. Acest fond investește în companii care ating nevoi de securitate, infrastructură și interes național.
Pentru România, mesajul e simplu: un absolvent de liceu din București, trecut printr-o companie românească de data/AI (Veridion), ajunge cofondator la un startup susținut de unul dintre cele mai selective fonduri de pe planetă. Nu mai vorbim despre „dacă” putem construi produse globale de AI, ci despre unde ne concentrăm energia.
2. Ce face, tehnic, Pryzm – și ce putem copia în retail
Platforma Pryzm ia un proces care, în mod clasic, durează luni întregi – analiza oportunităților de contractare federală – și îl comprimă în ore sau chiar minute.
Cum funcționează modelul lor (simplificat):
- Ingestie de date – toate datele publice relevante (licitații, bugete, istorice de contracte) sunt colectate într-un singur loc.
- Normalizare și curățare – sistemele guvernamentale nu „vorbesc” aceeași limbă; AI-ul trebuie să înțeleagă și să unifice structuri diferite.
- Modelare și recomandări – algoritmii de AI identifică pattern-uri: ce agenție cumpără ce, în ce perioadă, la ce buget, cu ce tip de furnizori.
- Interfață de analiză – utilizatorul primește o platformă clară, prin care poate explora, filtra, prioritiza oportunități.
Realitatea? Exact aceste patru etape sunt valabile, aproape 1 la 1, pentru retail:
- datele publice din SUA ≈ datele tale interne de vânzări, stocuri, comportament clienți;
- achiziții federale ≈ achiziții de marfă, negociere cu furnizori, promoții și sortimentație pe magazine;
- agenții și contractori ≈ retaileri și parteneri din FMCG / marketplace.
Dacă Pryzm folosește AI ca să decidă rapid „pe ce licitație merită să lucrez”, un retailer poate folosi AI ca să decidă ce produs merită să împingă, cui, când și prin ce canal.
3. Paralele directe: AI pentru achiziții publice vs. AI pentru retail
3.1. Date fragmentate vs. „o singură sursă de adevăr”
Pryzm a răspuns unei probleme clasice: datele despre achiziții publice sunt împrăștiate în sisteme vechi, greu de interogat. Retailul românesc trăiește aceeași poveste:
- ERP într-o parte,
- CRM într-alta,
- date de e-commerce într-un magazin online sau marketplace,
- campanii de marketing în tooluri complet separate.
Un proiect serios de AI în retail începe exact ca Pryzm:
- se definește clar ce date sunt critice (bonuri fiscale, coșuri medii, retururi, clickstream pe site, interacțiuni din aplicație);
- se construiește un data layer unificat (data warehouse, data lakehouse);
- se pornește de la o întrebare de business, nu de la „hai să facem un chatbot cu AI”.
3.2. De la „rapoarte” la decizii în timp real
Agențiile federale aveau rapoarte PDF, Excel-uri și prezentări PowerPoint. Pryzm a construit un produs în care decidentul nu mai „cere raport”, ci vede oportunitățile prioritizate.
În retail, încă se trăiește mult pe:
- rapoarte zilnice de vânzări trimise pe email;
- exec-uri care decid promoții pe baza „feeling-ului” sau a experienței;
- planograme făcute static, actualizate rar.
AI-ul bine implementat schimbă complet dinamica:
- recomandări zilnice de prețuri dinamice, în funcție de cerere și concurență;
- promoții personalizate la nivel de client, nu doar la nivel de segment mare;
- sugestii de sortimentație optimă pe magazin, cartier sau chiar rază de 500 de metri.
Exact cum Pryzm reduce luni de analiză la ore, un motor de AI în retail poate reduce săptămâni de muncă manuală la câteva clickuri.
3.3. Conformitate și securitate – nu e doar „nice to have”
Pryzm a obținut acreditări precum IL5 și FedRAMP High pentru a putea lucra cu date sensibile. În retail, nu vorbim de nivel militar, dar GDPR, securitatea datelor de plată și confidențialitatea profilurilor de clienți sunt esențiale.
Orice proiect de AI pentru personalizarea experienței în retail trebuie să țină cont de:
- anonimizarea și pseudonimizarea datelor;
- controlul clar al consimțământului (ce date folosești, pentru ce, pe ce termen);
- arhitectură de date care nu lasă „urme” ușor exploatabile.
Pryzm arată că încrederea este un diferențiator. În retail, clienții români devin tot mai atenți la datele lor, mai ales când primesc recomandări foarte precise.
4. Ce poate învăța concret un retailer român din cazul Pryzm
Majoritatea retailerilor se blochează în două extreme: fie nu fac nimic pe AI („nu e momentul, mai vedem”), fie cumpără o soluție generică care promite „totul, pentru toți”, dar nu se lipește de realitatea business-ului.
Pryzm e un exemplu de focus.
4.1. Alege un use case îngust, dar cu impact mare
Pryzm nu a zis „facem AI pentru guvern”. A zis: modernizăm achizițiile guvernamentale complexe. Atât.
Un retailer român poate începe cu:
- recomandări de produse în aplicația de loialitate, pe baza istoricului de cumpărare;
- optimizarea stocurilor pentru 20–30 de SKU-uri critice (cele care generează cele mai multe rupturi de stoc);
- personalizarea newsletter-elor, astfel încât fiecare client să primească oferte relevante, nu același PDF cu „oferta săptămânii”.
Am văzut proiecte care au pornit cu doar 5–10 magazine pilot și un singur scenariu (ex: cross-sell la casă, prin aplicație) și au generat creșteri de 10–20% pe coșul mediu în câteva luni.
4.2. Construiește împreună cu un partener de AI, nu doar cumpără licențe
Pryzm este, în esență, un produs SaaS de AI construit de o echipă tehnică foarte apropiată de problemă. Nu e o bucată de tehnologie aruncată peste un proces, ci un produs gândit împreună cu utilizatorii.
Pentru retailul românesc, asta înseamnă:
- caută furnizori români de AI care înțeleg atât partea de tehnologie, cât și specificul local (sezonalitate, comportament de consum, promoții cu tichete, beneficii extrasalariale etc.);
- implică echipele de business (marketing, achiziții, operațiuni) în definirea produsului, nu lăsa totul la IT;
- tratează proiectul de AI ca pe un produs în evoluție, nu ca pe „un proiect de IT de 6 luni”.
4.3. Măsoară agresiv rezultatele
Andreessen Horowitz nu investește „pe vibe”. Investesc pentru că văd clar:
- o problemă critică,
- un avantaj tehnologic,
- un potențial mare de scalare.
În retail, dacă nu măsori serios, AI-ul rămâne marketing:
- ce uplift de vânzări generează recomandările personalizate, față de un grup de control?
- cu cât scad rupturile de stoc pentru SKU-urile pilot?
- ce rată de deschidere au newsletter-ele personalizate vs. cele generice?
Fără acest tip de măsurare, orice discuție despre AI rămâne o prezentare frumoasă în PowerPoint.
5. AI în IT-ul românesc: de la stories de presă la produse pentru retail
Seria „AI în Industria IT din România: Servicii și Produse” arată clar un trend: tot mai multe companii românești construiesc produse SaaS cu AI pentru piețe globale — de la analiză de date la cybersecurity, fintech sau optimizare logistică.
Pryzm e încă un exemplu că:
- avem talent tehnic (absolvenți de licee bune, facultăți tehnice, olimpici);
- avem experiență practică în companii locale de data & AI (precum Veridion și altele);
- putem construi produse care trec filtrul celor mai duri investitori.
Pasul următor, logic, este ca acest know-how să fie adus acasă în proiecte concrete cu retaileri români:
- POC-uri (proof of concept) pe personalizare în e-commerce;
- soluții de AI pentru DevOps și infrastructură în marile lanțuri (monitorizare, capacity planning, cost optimization);
- produse de testare automatizată pentru aplicații de loialitate, ca să poți lansa rapid noi funcționalități fără să-ți fie frică de bug-uri.
Dacă ești în retail și încă vezi AI-ul ca pe „ceva de mâine”, povestea Pryzm ar trebui să fie un wake-up call: aceeași generație care ridică 12,2 milioane $ pentru achiziții publice poate, foarte ușor, să construiască și motoarele care îți vor personaliza complet experiența clienților.
6. Ce poți face concret în următoarele 90 de zile
Dacă vrei ca povestea Pryzm să fie mai mult decât o știre „wow, bravo lor”, iată un plan simplu, realist, pentru un retailer român:
- Definește un singur use case de AI cu impact direct pe P&L (ex: creșterea coșului mediu sau reducerea rupturilor de stoc).
- Mapează datele disponibile: ce ai acum (ERP, POS, CRM, aplicație), ce lipsește, ce trebuie curățat.
- Caută un partener IT românesc specializat în AI și produse SaaS, nu doar în outsourcing clasic.
- Pornește un pilot cu scope clar (3 luni, 10–20 de magazine sau un segment de clienți, indicatori clari de succes).
- Decide onest după pilot: scalezi, ajustezi sau închizi. Dar nu rămâne în zona gri.
Pryzm nu a ajuns la Andreessen Horowitz pentru că a avut un deck frumos, ci pentru că a demonstrat că poate comprima timp, reduce costuri și crește șansele de câștig într-un joc competitiv. Exact aceeași promisiune o poate face AI-ul în retailul românesc.
Dacă vrei să intri în 2026 cu un avantaj real, nu doar cu un nou slogan de marketing, acum e momentul să tratezi AI-ul ca pe o linie de business, nu ca pe un experiment.
Tu unde ești azi: încă la nivel de rapoarte Excel, sau pregătit să construiești următorul „Pryzm al retailului românesc”?