Una tavola apparecchiata per una cena in casa, illuminata da un candelabro
Una cena in casa, foto d'archivio

Una cena privata non dovrebbe richiedere 30 telefonate.

Piattaforma marketplace in sviluppo che connette chi vuole una cena speciale a casa con chef professionisti della propria zona. L'AI fa il match, il cliente sceglie in 3 minuti.

Hai un vincolo simile?

Raccontamelo

2026

il lancio previsto. Ricerca e architettura AI completate, piattaforma core in costruzione.

Trovare uno chef è un atto di fede

Vuoi organizzare una cena speciale a casa (un compleanno, un anniversario, una serata con amici). Cerchi "chef privato" su Google, finisci su Instagram, mandi 5 messaggi, ricevi 2 risposte. Nessun prezzo chiaro, nessuna recensione verificata, nessuna garanzia.

Il mercato degli chef privati esiste ed è in crescita, ma funziona ancora come il passaparola: lento, opaco, e con troppa varianza sulla qualità.

Un piatto di carne impiattato da uno chef su una tovaglia blu
Un piatto d'autore, foto d'archivio
  • Nessuna piattaforma dedicata: tutto via Instagram e WhatsApp
  • Prezzi non trasparenti, ogni trattativa parte da zero
  • Nessun sistema di recensioni affidabile
  • Gli chef perdono tempo con richieste non qualificate
Il Naviglio della Martesana a Milano, con una cascina gialla che si specchia nell'acqua
Milano, Naviglio della Martesana, foto d'archivio

Dal concept alla piattaforma

Lancio previsto nel 2026.

Piattaforma in costruzione attiva. Architettura AI validata, sviluppo core in corso.

  1. Research

    Fatto

    Interviste con 15 chef privati e 30 potenziali clienti. Mappatura del processo attuale, dei pain point e della disponibilità a pagare.

  2. Architettura AI

    Fatto

    Progettazione del sistema di matching: profilo gusti del cliente, specialità dello chef, zona, budget, disponibilità. Prototipo con OpenAI per la generazione menu.

  3. Sviluppo

    In corso

    Costruzione della piattaforma core: onboarding chef, profilo cliente, matching AI, booking flow con Stripe Connect per pagamenti in escrow. Fase attuale.

  4. Lancio

    Da fare

    MVP, beta chiusa con chef e clienti selezionati a Milano, iterazione e apertura pubblica.

L'AI cerca, lo chef cucina

Saporium elimina la frizione. Il cliente descrive la serata (quanti ospiti, che cucina, che budget) e l'AI propone gli chef più adatti della zona con menu già pensati. Lo chef riceve solo richieste qualificate, il cliente sceglie con informazioni chiare. Pagamento in escrow, rilasciato dopo la cena.

Frammento dell'interfaccia ricostruito per questa pagina, con i dati del progetto (prototipo, dati di esempio).
  • Profilo gusti con AI per match personalizzati
  • Menu generati e adattati da GPT-4
  • Pagamenti in escrow con Stripe Connect
  • Recensioni verificate post-esperienza
  • Dashboard chef con calendario e analytics
  • Chat integrata per dettagli dell'evento
La linea calda di una cucina professionale con decine di ciotole di ingredienti già pronti
Una mise en place di cucina, foto d'archivio

Com'è costruito

Frontend SPA con aggiornamenti real-time
React
API backend e logica di matching
Node.js
Matching chef-cliente e generazione menu
OpenAI API
Pagamenti marketplace con escrow
Stripe Connect
Database relazionale
PostgreSQL
saporium.sh
Cliente
Saporium
Anno
2025
Settore
Marketplace / AI
Stato
In sviluppo, lancio 2026

Altri casi studio

← Caso precedente

Naran

Caso successivo →

KGL

Partiamo dal problema

Scrivimi cosa ti fa perdere tempo, anche se non sai ancora cosa ti serve. La prima chiacchierata dura 30 minuti, è gratuita e rispondo entro 24 ore.

Raccontamelo