Quattro mesi possono essere un’eternità nel mercato dell’intelligenza artificiale. A maggio Cognition aveva raccolto oltre un miliardo di dollari a una valutazione di 26 miliardi e dichiarava 492 milioni di dollari di ricavi annualizzati. L’8 settembre la startup dietro Devin ha annunciato un nuovo round superiore a 2 miliardi a una valutazione di 48 miliardi, mentre il run-rate revenue sarebbe salito a quasi 900 milioni.
Le cifre arrivano dall’azienda e il ricavo annualizzato non equivale necessariamente ai ricavi effettivamente contabilizzati in un intero esercizio. Ma anche con questa cautela il ritmo racconta qualcosa di importante: gli agenti software stanno diventando una categoria di spesa enterprise reale.
Il round è stato guidato da Andreessen Horowitz e Accel insieme a investitori già presenti come Founders Fund, General Catalyst e Avenir. La lista dei partecipanti è enorme e comprende, tra gli altri, Benchmark, Bessemer, Kleiner Perkins, Greylock, Lightspeed, T. Rowe Price e Nvidia. Il segnale del mercato è chiaro: gli investitori stanno scommettendo che l’automazione dello sviluppo software possa diventare una delle più grandi applicazioni commerciali dell’AI.
Il punto non è che Devin “scrive codice”
Assistenti che suggeriscono codice esistono ormai da anni. La tesi di Cognition è più ambiziosa: trasformare l’ingegnere da esecutore a coordinatore di agenti.
Devin viene progettato per ricevere un obiettivo, analizzare un repository, pianificare il lavoro, scrivere e testare codice, intervenire su bug e completare attività con un livello crescente di autonomia. Con le ultime funzioni, Cognition spinge ancora più avanti la delega. Auto-Triage può fare un primo passaggio sull’analisi degli incidenti; Security Swarm può cercare e classificare vulnerabilità; Automations può avviare lavoro a partire da eventi in Slack, GitHub, Linear e altri sistemi.
Questa è la differenza tra copilota e agente. Il copilota aspetta che l’utente sia davanti all’editor. L’agente può ricevere un compito e lavorare in background, magari attivandosi quando cambia un ticket o arriva una nuova issue.
La crescita dice che le aziende stanno comprando tempo ingegneristico
Cognition cita tra i clienti Nvidia per il chip design, GE Aerospace per l’aviazione, Citi per i servizi finanziari, Mercedes-Benz per l’automotive e Modal per l’infrastruttura AI. Sono esempi scelti dalla società, ma mostrano il tipo di mercato a cui punta: grandi organizzazioni in cui il costo degli ingegneri è elevato e l’arretrato di software è enorme.
Il valore economico di un agente non dipende necessariamente dal fatto che sostituisca una persona. Può emergere anche se riduce il tempo necessario per attività ripetitive: aggiornare dipendenze, scrivere test, migrare codice, investigare bug, documentare sistemi legacy o preparare una prima versione di una funzione.
È importante perché la domanda di software non è limitata soltanto dai budget. È limitata dal numero di ore ingegneristiche disponibili. Molte aziende hanno progetti che non vengono mai costruiti, manutenzioni rimandate e codice che nessuno vuole toccare perché ci sono priorità più urgenti.
Se gli agenti riescono a rendere economicamente sostenibile una parte di quel lavoro, possono espandere il mercato anziché limitarsi a cannibalizzare gli strumenti esistenti.
Quasi 900 milioni annualizzati non sono ancora 900 milioni di ricavi
La metrica scelta da Cognition richiede attenzione. Run-rate revenue significa normalmente prendere il livello attuale di ricavi e proiettarlo su dodici mesi. È utile per descrivere una società che cresce rapidamente, ma non equivale a dire che Cognition abbia già registrato 900 milioni di dollari di fatturato nell’ultimo anno.
La differenza conta soprattutto quando una valutazione cresce così velocemente. Il run-rate può cambiare se i clienti riducono l’utilizzo, se contratti importanti non vengono rinnovati o se una parte della domanda è legata a sperimentazioni temporanee.
Per questo la metrica decisiva nei prossimi trimestri sarà la qualità di quel fatturato: rinnovi, margini, concentrazione dei clienti e crescita dell’utilizzo dopo i primi deployment.
Gli agenti hanno un costo invisibile: il compute
Il software tradizionale ha margini straordinari perché una volta costruito può essere replicato a costi relativamente bassi. I prodotti di AI hanno una struttura diversa. Ogni sessione consuma inferenza, e un agente autonomo può generare molte più chiamate di un chatbot perché pianifica, prova, controlla e ripete attività.
Questo significa che ricavi elevati non si traducono automaticamente nei margini tipici del SaaS classico. Un agente che lavora per ore può essere molto utile ma anche molto costoso da eseguire. La capacità di scegliere modelli diversi in base al task diventa quindi parte del vantaggio competitivo.
Cognition sottolinea di volersi mantenere come “independent agent lab”, capace di combinare modelli propri e di terze parti invece di legarsi a un singolo provider. È una scelta strategica: se i prezzi dell’inferenza cambiano rapidamente, essere indipendenti permette di spostare workload verso il modello con il miglior rapporto tra costo e qualità.
La competizione non sarà soltanto sul modello migliore
OpenAI, Anthropic, Google, Microsoft e una lunga lista di startup stanno integrando agenti di programmazione nei propri prodotti. In un mercato così affollato, avere accesso a un modello molto forte non basta.
La differenza può essere nello strato operativo: quanto bene il sistema comprende un repository, quanto è affidabile sul lungo periodo, quanto facilmente si collega agli strumenti aziendali, come gestisce permessi e segreti, quanto è trasparente quando sbaglia.
Le aziende non comprano benchmark. Comprano un sistema che deve funzionare dentro processi di sviluppo reali, con migliaia di dipendenze e vincoli di sicurezza. È qui che Cognition sta cercando di costruire il proprio fossato.
Il rischio è vendere autonomia prima che sia affidabile
Più lavoro viene delegato, maggiore diventa il costo dell’errore. Un suggerimento sbagliato in un editor viene visto dall’ingegnere prima di essere accettato. Un agente che modifica decine di file, apre pull request o reagisce automaticamente a un evento può produrre danni più ampi.
Per questo la crescita degli agenti di coding renderà fondamentali logging, sandboxing, revisione umana e limiti chiari sui permessi. L’obiettivo non può essere soltanto “quanta autonomia possiamo dare”, ma “quale autonomia possiamo controllare”.
In settori come finanza, automotive e aerospazio, citati tra i clienti di Cognition, la tracciabilità delle modifiche è particolarmente importante. Il codice non è solo un output: può avere conseguenze regolatorie e fisiche.
Il vero test sarà cosa succede all’organizzazione
Se agenti come Devin diventano davvero comuni, la trasformazione più interessante potrebbe essere organizzativa. Un singolo ingegnere potrebbe gestire più attività in parallelo. I team potrebbero ridurre il tempo dedicato a manutenzione e aumentare quello speso su architettura, prodotto e revisione.
Ma potrebbe cambiare anche il modo in cui vengono formati i junior. Molte competenze si costruiscono oggi proprio attraverso i task ripetitivi che gli agenti sono più bravi ad automatizzare. Se quelle attività spariscono, le aziende dovranno trovare nuovi modi per far crescere gli ingegneri.
È un problema che ricorda altre automazioni professionali: eliminare il lavoro a basso valore aumenta la produttività, ma può rimuovere anche il percorso attraverso cui si impara il lavoro ad alto valore.
Una valutazione che scommette su una nuova unità di lavoro
I 48 miliardi attribuiti a Cognition non sono la prova che Devin vincerà il mercato. Sono una scommessa sul fatto che la nuova unità di lavoro nel software non sarà più soltanto l’ora dell’ingegnere o la licenza di un tool, ma il compute assegnato a un agente.
Se questa idea si afferma, il mercato degli strumenti per sviluppatori potrebbe espandersi enormemente: ogni azienda potrebbe gestire flotte di agenti che fanno manutenzione, testano, migrano e costruiscono software in continuo.
Se invece l’autonomia si dimostrerà fragile, costosa o difficile da governare, le valutazioni attuali appariranno molto più aggressive.
Il dato da osservare non sarà quindi il prossimo round. Sarà quanto lavoro reale viene affidato a Devin, quanto spesso viene accettato senza correzioni importanti e se i clienti aumentano l’utilizzo dopo aver superato la fase pilota.
La corsa agli agenti di codice è passata dalla demo al bilancio. Adesso deve dimostrare di poter passare anche dal bilancio alla produttività.
