Cognition AI è in trattative preliminari con gli investitori per un nuovo round che potrebbe portare la valutazione della società ad almeno 40 miliardi di dollari, con un incremento superiore al 50% rispetto al valore precedente. Bloomberg, che ha anticipato i colloqui citando persone a conoscenza della trattativa, precisa che il negoziato è ancora in una fase iniziale e che condizioni e valutazione potrebbero cambiare.
La cifra fotografa un’azienda molto diversa da quella che nel marzo 2024 aveva attirato l’attenzione presentando Devin, un agente AI progettato per eseguire autonomamente attività di software engineering. Nel settembre 2025 Cognition aveva annunciato più di 400 milioni di dollari di nuovo capitale a una valutazione post-money di 10,2 miliardi di dollari e dichiarava che l’ARR di Devin era passato da 1 milione di dollari nel settembre 2024 a 73 milioni nel giugno 2025, prima dell’integrazione di Windsurf. L’acquisizione dell’IDE aveva successivamente più che raddoppiato i ricavi ricorrenti annualizzati dell’azienda.
Il perimetro tecnologico si è ampliato insieme alla crescita finanziaria. Cognition dispone oggi di Devin come agente autonomo nel cloud, Windsurf come ambiente di sviluppo locale, Devin Review per la revisione delle pull request, DeepWiki e Ask Devin per rappresentare e interrogare le codebase, una CLI, API, integrazioni MCP e funzioni di orchestrazione che permettono di eseguire più istanze di Devin in parallelo. Questi componenti collegano coding assistito, esecuzione autonoma, comprensione della codebase, review e coordinamento degli agenti all’interno dello stesso ciclo operativo.
Devin lavora su una macchina propria
La differenza principale tra Devin e un assistente incorporato nell’editor riguarda il modello di esecuzione. Ogni sessione Devin opera in un workspace autonomo dotato di shell, browser e code editor, all’interno del quale l’agente può esplorare il repository, modificare file, installare dipendenze, eseguire comandi e test, utilizzare applicazioni web e produrre una pull request senza dipendere dalla workstation dello sviluppatore per l’intera durata del task.
L’architettura enterprise separa il Brain, il servizio stateless che governa le decisioni dell’agente e rimane nell’infrastruttura Cognition, dal Devbox, l’ambiente virtuale nel quale vengono eseguiti codice, strumenti e processi. Nel deployment cloud standard entrambi operano nell’infrastruttura Cognition, mentre il Customer Dedicated Deployment colloca i Devbox in un ambiente single-tenant dedicato al cliente e collegabile alla rete aziendale tramite AWS PrivateLink o tunnel IPSec. La separazione consente alla sessione di mantenere filesystem, dipendenze e strumenti anche quando il computer locale non è più connesso, trasformando Devin in un processo di engineering remoto persistente anziché in una funzione subordinata all’IDE.
Questo modello viene applicato a task con criteri di completamento verificabili, come implementazione di ticket Jira o Linear, correzione e riproduzione di bug, sviluppo di feature, test, refactoring, migrazioni di linguaggi e framework, manutenzione della documentazione e modernizzazione di codebase legacy. La qualità dell’esecuzione dipende quindi anche da quanto chiaramente il problema viene delimitato e da quanto il risultato può essere validato attraverso test, comportamento dell’applicazione o altri segnali osservabili.
Windsurf copre il lavoro interattivo nell’IDE
L’acquisizione di Windsurf ha aggiunto al modello cloud di Devin il punto di ingresso locale nel workflow dello sviluppatore. All’interno dell’IDE, Cascade opera come agente locale capace di analizzare e modificare il codice, usare il terminale, cercare informazioni, interrogare server MCP e mantenere il contesto dell’attività corrente, con livelli di autorizzazione che possono andare dalla conferma manuale all’esecuzione automatica attraverso il Turbo mode.
La distinzione tra Windsurf e Devin coincide con due modalità operative complementari. Nell’IDE lo sviluppatore mantiene un’interazione continua con il codice e controlla progressivamente le modifiche; Devin riceve invece un task più ampio e lo esegue autonomamente nel cloud. Con l’integrazione tra Devin e Windsurf, un’attività può iniziare localmente con l’analisi della codebase e la definizione del piano, essere delegata a una sessione Devin per l’implementazione e tornare successivamente nell’IDE per la revisione o ulteriori modifiche.
Il workflow distribuisce quindi lo stesso lavoro tra interazione diretta sulla workstation ed esecuzione autonoma nel cloud, mantenendo continuità tra pianificazione, implementazione e verifica.
Un Devin può coordinare altri Devin
Cognition ha esteso il modello verso l’esecuzione parallela. Una sessione Devin può scomporre un’attività e coordinare più Managed Devins, ciascuno dotato di una macchina virtuale isolata con terminale, browser e ambiente di sviluppo propri, mentre la sessione principale assegna i sottotask, controlla l’avanzamento e raccoglie i risultati.
L’isolamento dei sottoproblemi riduce la quantità di contesto che ciascun agente deve mantenere e permette di distribuire migrazioni estese, campagne di QA o interventi ripetitivi su molti servizi tra istanze indipendenti. Ogni agente conserva una propria traiettoria di esecuzione, ispezionabile dal coordinatore o dallo sviluppatore, mentre una singola persona può supervisionare più processi autonomi contemporaneamente.
Cognition utilizza internamente lo stesso paradigma. Nel febbraio 2026 descriveva l’impiego di Devin nel proprio processo di sviluppo e dichiarava di aver integrato nella codebase 659 pull request prodotte da Devin in una settimana, contro un precedente massimo di 154 raggiunto nel 2025. Il dato proviene dall’azienda e misura quindi il suo utilizzo interno, non costituisce un benchmark indipendente.
Knowledge, Playbook e Skills rendono persistente il contesto
L’autonomia degli agenti dipende dalla possibilità di riutilizzare convenzioni e conoscenze dell’organizzazione tra sessioni differenti. La Knowledge Base di Devin conserva informazioni associate ai repository e può incorporare regole già presenti nella codebase, comprese istruzioni contenute in file come AGENTS.md, CLAUDE.md, configurazioni .rules e direttive utilizzate da altri ambienti di sviluppo agentico.
I Playbook trasformano le procedure ricorrenti in workflow riutilizzabili, specificando sequenze operative, vincoli, informazioni necessarie, azioni vietate e condizioni da verificare al termine del task. A questo livello si aggiungono le Agent Skills, memorizzate attraverso file SKILL.md collocati direttamente nel repository e compatibili con directory usate da ecosistemi come .agents, .github, .claude, .cursor, .codex, .cognition e .windsurf.
Una parte delle istruzioni operative diventa così patrimonio versionabile della codebase e può essere richiamata da agenti e strumenti differenti senza essere ricostruita a ogni sessione.
DeepWiki costruisce una rappresentazione navigabile della codebase
Una parte rilevante del lavoro di engineering consiste nel comprendere codice già esistente. DeepWiki indicizza i repository e genera documentazione, diagrammi architetturali, sintesi e collegamenti al codice sorgente; la stessa rappresentazione alimenta Ask Devin, che consente di interrogare in linguaggio naturale l’implementazione di un flusso, le dipendenze di un componente o l’origine di un determinato comportamento.
DeepWiki crea una rappresentazione persistente della codebase utilizzabile sia dagli sviluppatori sia dagli agenti. Nei repository complessi la generazione può essere controllata attraverso .devin/wiki.json, specificando quali aree devono ricevere maggiore attenzione e quali pagine devono comporre la documentazione, mentre il DeepWiki MCP server espone parte di questa conoscenza anche ad altri client compatibili con Model Context Protocol.
MCP permette ad altri agenti di utilizzare Devin
Il Devin MCP server estende l’integrazione ai repository privati e permette a client esterni compatibili con MCP di richiamare funzioni della piattaforma, comprese ricerca nei repository, gestione delle sessioni Devin, Playbook, Knowledge, scheduling e integrazioni.
Un agente eseguito in un altro ambiente può utilizzare Devin come risorsa esterna, avviando una sessione cloud, controllandone lo stato, inviando istruzioni o interrogando la conoscenza disponibile. Anche la CLI di Devin può riutilizzare regole, skill e configurazioni MCP provenienti da ecosistemi differenti, riducendo la necessità di ricreare procedure e contesto per ogni strumento.
Devin Review controlla il codice prodotto dagli agenti
La crescita del volume di codice generato automaticamente aumenta parallelamente il carico di verifica. Devin Review opera sulle pull request di GitHub e GitLab, riorganizzando le modifiche secondo relazioni logiche e identificando operazioni come spostamenti e copie di codice che nei grandi refactoring possono rendere il diff difficile da interpretare.
Il Bug Catcher analizza le modifiche e classifica le osservazioni distinguendo bug, segnalazioni da approfondire e informazioni contestuali, associando livelli di gravità e confidenza. Lo scanner di sicurezza cerca categorie come injection, errori di autenticazione e autorizzazione, esposizione di secret, server-side request forgery, path traversal, deserializzazione insicura, problemi crittografici e configurazioni rischiose introdotte dalla pull request.
La review comprende anche una chat che utilizza il contesto della codebase e può confrontare la modifica con il comportamento del resto del repository. Con Auto-Fix, alcuni problemi individuati durante la review possono essere trasformati direttamente in correzioni sul branch, purché l’automazione sia configurata in modo da evitare cicli tra bot e agenti che reagiscono reciprocamente ai propri commenti.
La revisione diventa così parte dello stesso workflow agentico che produce il codice, con un processo distinto incaricato di controllarne l’output.
Un secondo agente controlla anche il lavoro locale
La separazione tra generazione e verifica compare anche nell’ambiente locale. Quick Review utilizza un secondo agente per analizzare le modifiche prodotte durante il lavoro nell’IDE, con la possibilità di impiegare SWE-check o altri modelli disponibili nella piattaforma.
Generator e reviewer operano come ruoli distinti, con contesti e obiettivi differenti: l’agente che ha costruito una soluzione può aver consolidato durante l’esecuzione ipotesi errate ma internamente coerenti, mentre una seconda istanza può riesaminare la modifica senza condividere l’intera traiettoria che l’ha prodotta.
Devin Desktop riunisce lavoro locale e cloud
Devin Desktop riunisce sessioni locali e cloud nello stesso ambiente di gestione, permettendo di organizzare attività, pull request, file e contesto e di trasferire parte del lavoro dalla workstation a una sessione remota.
L’agente locale opera direttamente sul computer dello sviluppatore, mentre Devin Cloud dispone della propria macchina virtuale con browser, desktop e strumenti. Le attività che richiedono interazione continua possono quindi rimanere sulla workstation, mentre implementazioni estese, debugging, test o task autonomi vengono delegati al cloud.
L’integrazione con Windsurf assegna a Cognition sia il punto nel quale lo sviluppatore interagisce direttamente con il codice sia l’infrastruttura nella quale gli agenti possono proseguire autonomamente il lavoro, collegando le due modalità attraverso sessioni, repository e contesto condiviso.
La valutazione dipende da quanta ingegneria software può essere realmente delegata
Una valutazione potenziale di almeno 40 miliardi di dollari incorpora aspettative che superano il successo commerciale di un singolo coding agent. Cognition distribuisce oggi le proprie funzioni lungo una parte crescente del ciclo di sviluppo: comprensione della codebase con DeepWiki e Ask Devin, lavoro interattivo attraverso Windsurf e Devin Desktop, esecuzione autonoma con Devin Cloud, parallelizzazione tramite Managed Devins, memoria organizzativa attraverso Knowledge, Playbook e Skills, integrazione programmatica con API e MCP e controllo delle modifiche tramite Devin Review.
Le connessioni tra questi componenti determinano il valore tecnico della piattaforma. Un piano preparato nell’IDE può diventare un task cloud; una sessione può distribuire il lavoro tra più agenti; le pull request risultanti possono essere sottoposte a un reviewer AI; una correzione generata dalla review può tornare nel ciclo di sviluppo. La metrica economica più significativa diventa quindi la quantità di software engineering effettivamente delegabile con risultati verificabili, anziché il numero di righe suggerite da un modello.
I limiti rimangono concreti. L’autonomia dipende dalla precisione delle specifiche, dalla qualità dell’ambiente di sviluppo, dalla presenza di test affidabili, dalla capacità dell’agente di comprendere la codebase e dall’efficacia della review. Parallelizzare agenti poco controllati può moltiplicare errori, pull request da verificare e consumo computazionale insieme alla produttività.
I colloqui anticipati da Bloomberg arrivano mentre Cognition sta passando da un singolo agente di programmazione a una piattaforma che distribuisce, coordina e verifica il lavoro software tra sviluppatori, agenti locali e processi autonomi nel cloud. Una valutazione da 40 miliardi di dollari incorpora quindi la scommessa che questa modalità di sviluppo possa diventare una componente stabile dell’infrastruttura di engineering delle imprese, con gli agenti utilizzati come capacità produttiva programmabile e parallelizzabile, ma soggetta a verifica.
