Lovable ha raccolto 400 milioni di dollari in un Series C che valuta la società 13,3 miliardi di dollari, raddoppiando la valutazione di 6,6 miliardi raggiunta con il Series B da 330 milioni del dicembre 2025. Il nuovo round è guidato da Menlo Ventures e co-guidato dallo Scaleup Europe Fund gestito da EQT, con Balderton Capital, Carmignac, Kaszek Ventures, LTS Growth, Tencent, World Innovation Lab e Regent tra i nuovi investitori; partecipano nuovamente Accel, Antler, CapitalG, DST Global, Evantic Capital, HubSpot Ventures e Salesforce Ventures.
La valutazione assume un peso particolare anche per la provenienza della società. Lovable è nata a Stoccolma e mantiene in Svezia il proprio principale centro operativo, rappresentando uno dei casi europei più rilevanti nell’attuale corsa globale alle piattaforme di sviluppo software basate sull’intelligenza artificiale. La crescita finanziaria mostra come una società nata nell’ecosistema tecnologico europeo possa raggiungere rapidamente una scala globale, sostenuta ormai da una struttura di capitale internazionale.
Il finanziamento accompagna un cambiamento già visibile nel prodotto. La piattaforma nata per trasformare descrizioni in linguaggio naturale in applicazioni funzionanti sta incorporando i componenti necessari per monetizzare, distribuire, rendere visibili, integrare con i sistemi aziendali, proteggere e governare le applicazioni dopo la loro generazione. Lovable continua a utilizzare il prompt come punto di ingresso, ma il perimetro si estende ormai lungo una parte crescente del ciclo di vita del software.
È un’evoluzione coerente con quanto già osservato nel 2025 durante il Lovable Hackathon di Milano, dove la maturità del vibe coding poteva essere misurata sulla capacità di passare rapidamente dall’idea a un’applicazione utilizzabile. Le novità introdotte negli ultimi mesi affrontano il passaggio successivo: cosa accade quando quel software deve servire utenti reali, incassare, collegarsi ai dati aziendali, superare verifiche di sicurezza ed essere amministrato su larga scala.
Dal lancio commerciale del novembre 2024, Lovable dichiara più di 60 milioni di progetti creati e oltre 900 milioni di visite mensili complessive alle applicazioni costruite sulla piattaforma. L’adozione avrebbe inoltre raggiunto dipendenti di quasi due terzi delle società Fortune 500. Sono metriche fornite dall’azienda, ma descrivono la scala alla quale funzioni come sicurezza, governance e gestione operativa devono ormai funzionare.
Dai prototipi alle applicazioni che generano ricavi
La monetizzazione è diventata una componente nativa del prodotto. Le funzioni di pagamento supportano Stripe e Paddle e permettono di configurare prodotti, prezzi, checkout, abbonamenti, trial e sconti attraverso la stessa interazione in linguaggio naturale utilizzata per costruire l’applicazione.
Una richiesta per aggiungere un piano a pagamento può coinvolgere contemporaneamente la creazione del prodotto presso il payment provider, l’interfaccia di checkout, la logica applicativa, i webhook e la gestione dello stato dell’abbonamento. Lovable mantiene separati gli ambienti di test e produzione: durante lo sviluppo vengono utilizzati pagamenti simulati e un catalogo distinto, mentre la pubblicazione porta prodotti e prezzi nell’ambiente live dopo il completamento della configurazione richiesta dal provider.
La dashboard Payments aggiunge dati su ricavi netti, sottoscrizioni attive, transazioni, rimborsi, crediti e chargeback, incorporando nel builder anche una parte della gestione commerciale dell’applicazione.
Paddle permette inoltre di utilizzare il modello Merchant of Record, nel quale il provider assume il ruolo legale di venditore e gestisce obblighi fiscali e adempimenti legati alle transazioni nei diversi mercati. Stripe rimane disponibile come payment service provider e supporta a sua volta scenari nei quali assume responsabilità analoghe. Per piccoli team e startup, questa integrazione riduce la quantità di infrastruttura amministrativa necessaria per trasformare un’applicazione generata con Lovable in un servizio commerciale.
La scelta riflette anche il tipo di utilizzo che si sta formando attorno alla piattaforma. In una propria indagine, Lovable afferma che quasi otto utenti su dieci stanno costruendo un business o un side project che intendono monetizzare e che più di un terzo di questi progetti genera già ricavi. Il dato deriva da una survey della società e non descrive quindi l’intera base utenti con la precisione di una rilevazione indipendente, ma aiuta a spiegare perché billing e pagamenti siano entrati direttamente nel prodotto.
L’integrazione nativa presenta anche vincoli tecnici. I pagamenti richiedono attualmente Lovable Cloud, mentre i progetti collegati a istanze Supabase gestite autonomamente non dispongono dello stesso flusso integrato. Ogni progetto può inoltre utilizzare un solo provider nativo alla volta e un eventuale passaggio tra Stripe e Paddle richiede la ricostruzione del catalogo senza migrazione automatica degli abbonamenti esistenti.
SEO e AI search diventano parte dello sviluppo
La pubblicazione risolve il deployment, ma non garantisce che l’applicazione venga trovata. Con le nuove funzioni di discoverability, Lovable incorpora nel processo di sviluppo sia l’ottimizzazione per i motori di ricerca tradizionali sia quella destinata ai sistemi AI.
Le applicazioni pubblicate vengono rese accessibili ai crawler attraverso HTML prerenderizzato, compresi i progetti creati prima dell’introduzione della funzione. Il prerendering è particolarmente rilevante per le single-page application costruite in JavaScript, nelle quali una parte consistente del contenuto viene generata lato client e può risultare meno immediatamente interpretabile da alcuni crawler.
Lovable tratta insieme SEO, Search Engine Optimization, e AEO, Answer Engine Optimization, estendendo la discoverability a sistemi come ChatGPT, Claude e Perplexity. L’analisi può controllare sitemap, robots.txt, metadata, canonical tag, struttura delle pagine e testi alternativi delle immagini, mentre una dashboard riunisce i problemi rilevati e permette di intervenire sul progetto.
L’integrazione con Semrush aggiunge dati sulle query e sulle opportunità di contenuto. L’agente può utilizzare queste informazioni per individuare lacune, proporre modifiche o creare landing page all’interno dello stesso ciclo utilizzato per sviluppare l’applicazione.
La discoverability entra quindi nel feedback loop del prodotto: codice, contenuti e struttura delle pagine possono essere modificati a partire da segnali provenienti dal traffico e dai sistemi attraverso i quali gli utenti cercano informazioni.
Le integrazioni collegano Lovable allo stack aziendale
L’uso enterprise richiede accesso ai dati già presenti nei sistemi dell’organizzazione. Lovable sta quindi approfondendo le integrazioni con servizi come Google Workspace, Microsoft 365, Salesforce, Stripe ed ElevenLabs, oltre ai connector utilizzabili dalle applicazioni generate.
Un’app interna può leggere o aggiornare dati presenti in CRM, documenti, calendari e altri strumenti operativi, evitando di diventare un nuovo silo informativo separato dal resto dell’infrastruttura aziendale. La possibilità di collegare rapidamente front-end, logica e sistemi esistenti amplia il campo di utilizzo dalla prototipazione verso dashboard operative, applicazioni interne e workflow specifici di reparto.
Lovable cita casi nei quali questo passaggio è già avvenuto. Nursa dichiara di aver ricostruito la propria core platform 12 volte più velocemente e di essere in fase di dismissione di 10 sistemi SaaS; Checkr attribuisce a un workflow QA costruito con Lovable la possibilità di processare 10 volte più report. Sono risultati dichiarati dai clienti e riportati dall’azienda, non benchmark comparativi indipendenti, ma mostrano il tipo di utilizzo sul quale Lovable sta cercando di espandersi: software che sostituisce strumenti e processi già presenti nell’impresa.
Tra le priorità indicate con il Series C figura un’integrazione ancora più profonda con lo stack tecnologico aziendale, in modo che gli agenti possano operare su workflow che attraversano sales, marketing, operations e altre funzioni senza ricostruire manualmente ogni collegamento.
Sicurezza automatica prima della pubblicazione
L’abbassamento della soglia necessaria per creare applicazioni aumenta il numero di utenti che possono produrre software destinato a trattare dati e processi reali. Lovable ha inserito la scansione di sicurezza nel workflow di pubblicazione per intercettare una parte dei problemi prima che l’applicazione diventi accessibile.
La scansione automatica viene eseguita in background e richiede indicativamente 10 – 15 secondi. Controlla configurazioni del database, policy RLS – Row Level Security – mancanti, autorizzazioni e possibili esposizioni di informazioni sensibili. I risultati vengono classificati per gravità e negli ambienti enterprise gli amministratori possono impedire il deployment quando rimangono criticità considerate bloccanti.
Il Deep Security Scan analizza invece l’intera codebase con un processo AI più approfondito, che Lovable indica nell’ordine di due – quattro minuti. Negli workspace Enterprise può essere programmato con cadenza periodica per riesaminare le applicazioni anche dopo la prima pubblicazione.
Un ulteriore controllo interviene quando cambiano le dipendenze, cercando problemi associati alla software supply chain. Alcuni finding semplici possono essere corretti attraverso una funzione opzionale di auto-fix.
Lovable conserva inoltre una security memory delle decisioni prese dagli sviluppatori sulle segnalazioni precedenti. Quando un finding viene accettato, respinto o contestualizzato, questa informazione può influenzare le scansioni successive e il comportamento del coding agent. Nei test interni della società, il meccanismo avrebbe ridotto di circa il 20% le segnalazioni ignorate; anche in questo caso il dato descrive una misurazione interna e non una valutazione indipendente.
AIUC-1 aggiunge una certificazione specifica per gli agenti AI
La componente enterprise comprende anche la certificazione AIUC-1, che Lovable presenta come uno standard di sicurezza specificamente costruito per sistemi e agenti AI. La società dichiara di essere la prima piattaforma di software creation ad aver ottenuto questa certificazione.
AIUC-1 riguarda controlli applicati all’utilizzo operativo dei sistemi AI e affianca le certificazioni e le pratiche di sicurezza già associate all’infrastruttura aziendale. La sua presenza assume particolare rilievo nel modello Lovable perché l’agente può modificare codice, accedere a strumenti, interagire con servizi collegati e produrre applicazioni destinate all’utilizzo reale.
La certificazione non equivale a una garanzia sulla sicurezza di qualsiasi applicazione generata sulla piattaforma. Le vulnerabilità possono dipendere dal codice specifico, dalle integrazioni, dai dati trattati e dalle configurazioni introdotte durante lo sviluppo. AIUC-1 riguarda quindi il sistema e i controlli sottoposti a certificazione, mentre la sicurezza del singolo prodotto continua a richiedere verifiche sul relativo contesto operativo.
La governance enterprise affronta la proliferazione delle applicazioni
Quando la generazione diventa accessibile a utenti esterni ai tradizionali team di sviluppo, la quantità di software interno può crescere molto più rapidamente. Le funzioni enterprise aggiungono quindi controlli centralizzati su pubblicazione, accesso e inventario dei progetti.
Gli amministratori possono stabilire se un’applicazione pubblicata sia accessibile pubblicamente, ai soli membri dello workspace oppure a utenti selezionati. L’accesso all’applicazione rimane distinto da quello al progetto Lovable: un utente può utilizzare il software pubblicato senza ottenere automaticamente visibilità sul codice, sulla conversazione con l’agente o sulle modifiche ancora in lavorazione.
Le policy possono limitare la condivisione esterna, definire chi può pubblicare un’applicazione e controllare i privilegi assegnati ai collaboratori.
Workspace Insights aggiunge una vista centralizzata sui progetti presenti nell’organizzazione, con informazioni su proprietari, attività, pubblicazione, costi e finding di sicurezza. La funzione permette di individuare applicazioni abbandonate, sistemi senza proprietario o progetti che richiedono una revisione.
La questione assume caratteristiche simili allo shadow IT, ma la generazione attraverso linguaggio naturale cambia la scala del problema: il costo necessario per creare una nuova applicazione interna diminuisce e aumenta di conseguenza il numero di asset software che l’IT deve poter identificare e governare.
Un trust center viene generato insieme all’applicazione
Lovable ha aggiunto anche un trust center automatico alle applicazioni pubbliche, accessibile attraverso il percorso /.well-known/trust.html.
La pagina espone informazioni sui controlli effettivamente rilevati dalla piattaforma, tra cui HTTPS, HSTS, gestione dei dati, autenticazione, subprocessori e altre caratteristiche utili durante una verifica di sicurezza. Lovable genera direttamente il documento e il codice dell’applicazione non può modificarlo o cambiarne la presentazione, evitando che le informazioni pubblicate vengano alterate dal progetto stesso.
Il trust center non certifica automaticamente l’applicazione come sicura o conforme. Raccoglie controlli verificabili e certificazioni disponibili, rendendo più semplice rispondere alle prime richieste di security assessment provenienti soprattutto dai clienti enterprise.
La funzione acquista utilità quando un piccolo team costruisce rapidamente un prodotto B2B e si trova a dover fornire informazioni su cifratura, autenticazione, hosting, trattamento dei dati e dipendenze esterne prima di poter entrare nell’infrastruttura di un cliente.
Il control plane decide quale modello utilizzare
Una delle evoluzioni tecniche più rilevanti riguarda il modo in cui Lovable gestisce i modelli AI. La società considera la selezione manuale del modello poco adatta a un sistema nel quale un singolo task comprende attività molto differenti e affida quindi questa scelta al control plane dell’agente.
La generazione di una funzione può richiedere comprensione della richiesta, esplorazione della codebase, pianificazione, produzione del codice, esecuzione dell’applicazione, verifica del risultato e correzione degli errori. Le prestazioni dei modelli non sono uniformi su tutte queste operazioni: alcuni possono essere più efficaci nel debugging, altri nella generazione dell’interfaccia o nell’elaborazione di contesti molto estesi.
Il control plane può assegnare modelli differenti alle varie fasi, adattando prompt, strumenti e quantità di contesto. La selezione viene quindi trattata come un problema interno di orchestrazione anziché come una decisione che l’utente deve effettuare a ogni richiesta.
Il cambio di modello ha però un costo. Durante una sessione l’agente accumula file letti, tentativi precedenti, errori, tool call e decisioni; spostare il task verso un altro modello può richiedere la compressione della cronologia e perdere informazioni utili. Lovable considera quindi anche la continuità del contesto nel decidere se mantenere o sostituire il modello durante il lavoro.
La società dichiara inoltre di effettuare post-training di alcuni modelli open source, continuando contemporaneamente a utilizzare modelli frontier esterni. L’approccio permette di specializzare componenti del workflow e riduce la dipendenza tecnica da un solo provider.
L’agente diventa più proattivo
Il Series C anticipa una fase successiva nella quale l’agente dovrebbe assumere maggiore iniziativa durante il ciclo di vita dell’applicazione. Lovable descrive un sistema capace di comprendere più approfonditamente ciò che l’utente sta cercando di ottenere, individuare elementi che richiedono attenzione e svolgere alcune attività senza attendere ogni volta una nuova istruzione esplicita.
Pagamenti, traffico, sicurezza, dati delle integrazioni e comportamento dell’applicazione possono diventare segnali utilizzabili dall’agente per proporre modifiche o intervenire sul progetto. Il software generato acquisisce così una relazione persistente con il sistema che lo ha prodotto.
La società vuole inoltre utilizzare pattern aggregati ricavati dai milioni di progetti costruiti sulla piattaforma per correlare determinate caratteristiche con risultati concreti, come generazione di ricavi, crescita dell’utilizzo o miglioramento di un workflow. Questa parte appartiene ancora alla direzione di sviluppo annunciata: Lovable non ha descritto nel dettaglio quali metriche alimenteranno il sistema, come verranno normalizzate tra applicazioni differenti o quanto autonomamente l’agente potrà agire sulla base di questi segnali.
Cerebras interviene sulla velocità di inferenza
La maggiore autonomia aumenta il numero di passaggi di inferenza necessari per completare un task. Con la partnership con Cerebras, Lovable sta quindi intervenendo anche sulla latenza dell’infrastruttura AI.
L’accordo prevede l’utilizzo progressivo di capacità Cerebras dedicata nei workload nei quali la velocità di inferenza incide maggiormente sul ciclo tra richiesta, ragionamento, tool call, esecuzione e verifica.
Cerebras utilizza il Wafer-Scale Engine, un processore costruito su un intero wafer e progettato per mantenere una quantità molto elevata di capacità computazionale e memoria direttamente sul dispositivo. Nel caso di Lovable, il beneficio ricercato riguarda soprattutto la riduzione dei tempi di risposta dei workflow agentici caratterizzati da numerosi passaggi sequenziali.
La partnership guarda anche al 2027 e non descrive quindi l’architettura attuale di tutti i workload Lovable. Indica però quanto la velocità di inferenza stia diventando una variabile strutturale del prodotto: con agenti che iterano autonomamente molte volte sullo stesso task, ogni riduzione della latenza può accumularsi lungo l’intera catena di esecuzione.
Il nuovo capitale finanzia anche infrastruttura, ML e sicurezza
Lovable prevede di arrivare a circa 450 dipendenti nel corso del 2026, concentrando una parte significativa delle assunzioni su machine learning, prodotto, infrastruttura e sicurezza. Stoccolma rimarrà il principale centro operativo, affiancato dall’espansione a Londra, Boston, San Francisco e New York.
La distribuzione delle assunzioni riflette l’ampliamento tecnico della piattaforma. Pagamenti, sicurezza, deployment, integrazioni enterprise e workload agentici persistenti richiedono capacità infrastrutturali e operative molto più estese rispetto a quelle necessarie per un application builder concentrato prevalentemente sulla generazione del codice.
Da 1,8 a 13,3 miliardi di dollari in tredici mesi
La crescita finanziaria è stata particolarmente rapida. Nel luglio 2025 Lovable aveva raccolto 200 milioni di dollari a una valutazione di 1,8 miliardi; nel dicembre successivo il Series B aveva aggiunto 330 milioni a una valutazione di 6,6 miliardi; il nuovo Series C porta altri 400 milioni e la valutazione a 13,3 miliardi di dollari.
Nello stesso periodo è cambiato il perimetro del prodotto. La generazione dell’applicazione attraverso linguaggio naturale rimane il nucleo dell’esperienza, mentre intorno a quel nucleo si sono aggiunti billing, discoverability, integrazioni aziendali, security scanning, governance, trust center, orchestrazione multi-model e infrastruttura per agenti sempre più autonomi.
La sequenza del workflow rende evidente il cambiamento. Un utente può descrivere un prodotto, generarlo, collegarlo ai sistemi aziendali, configurare pagamenti, pubblicarlo, verificarne la visibilità sui motori di ricerca, monitorarne la sicurezza e amministrarne l’accesso senza uscire necessariamente dall’ecosistema Lovable.
Il software diventa così un oggetto che la piattaforma continua a conoscere anche dopo la prima generazione. Il valore del prodotto si sposta progressivamente dalla velocità con cui un prompt produce un’applicazione alla quantità di lavoro necessaria per trasformarla in software operativo, distribuibile e governabile.
La valutazione di 13,3 miliardi di dollari incorpora quindi due elementi: la capacità di Lovable di estendere il vibe coding verso una piattaforma utilizzabile anche per software operativo e la possibilità, per una società tecnologica europea, di raggiungere una scala globale in uno dei segmenti più competitivi dell’attuale mercato AI.
