La start-up zurighese Klarent, in precedenza Fore AI, annuncia una raccolta di fondi di 8 milioni di dollari in fase seed. L'obiettivo dichiarato: insediarsi negli Stati Uniti con la sua piattaforma di test software autonomi, dopo una crescita realizzata in Europa. L'informazione proviene da un comunicato stampa ripreso il 12 ottobre 2026 da Startupticker.ch; i clienti di riferimento e le prestazioni descritte di seguito sono quelli rivendicati dall'azienda e non sono stati oggetto di una verifica indipendente.
Due ex di Google al comando
Klarent è stata fondata da due ex ingegneri di Google: Asheem Panakkat, direttore generale, e Momchil Ivanov, direttore tecnico. La società, con sede a Zurigo, vuole aiutare le aziende a migliorare la qualità dei loro software, «in particolare nell'era dei software generati dall'IA», secondo il comunicato.
Il round di finanziamento è guidato da Mosaic Ventures, con la partecipazione di Moonfire Ventures e di un gruppo di business angel, tra cui Jürgen Galler (ex direttore presso Google), Harris Barton e AngelInvest Ventures.
Come funziona un test guidato da agenti
Per capire l'approccio, bisogna partire dal mestiere preso di mira: la garanzia della qualità, o QA. Prima di mettere in produzione un'applicazione, i team scrivono dei test, ossia degli script che simulano delle azioni (accedere, riempire un carrello, pagare) e verificano che il risultato ottenuto corrisponda al risultato atteso. Scrivere e soprattutto mantenere questi script richiede tempo: ogni modifica dell'interfaccia o di un processo può comprometterne una parte.
Un «agente» di test, nel senso inteso da Klarent, è un sistema che si basa su un grande modello linguistico (LLM) per farsi carico di una parte di questo lavoro. La sfumatura rivendicata dall'azienda è importante: i suoi agenti utilizzano gli LLM unicamente per redigere e adattare codice di test cosiddetto «deterministico». In altre parole, l'IA scrive il test, ma non è lei a eseguirlo. Una volta prodotto, lo script si comporta come un test classico: nelle stesse condizioni, restituisce lo stesso verdetto a ogni esecuzione.
Questa scelta risponde a un limite noto dei modelli linguistici: le loro risposte possono variare da una richiesta all'altra. Un test il cui verdetto cambiasse senza motivo apparente sarebbe inutilizzabile per decidere se un software può essere rilasciato. Confinando l'IA alla fase di redazione, Klarent afferma di combinare la velocità dell'IA con la precisione e il controllo dei costi propri dell'ingegneria di produzione. Il comunicato non descrive tuttavia nel dettaglio il metodo impiegato e non pubblica alcuna misura comparativa di affidabilità.
Un essere umano nel ciclo
Secondo elemento del dispositivo: la piattaforma si appoggia a un servizio di verifica umana («human-in-the-loop») che controlla ogni risultato. Secondo l'azienda, questo meccanismo permette ai clienti di pagare solo per dei risultati. Questa presenza umana indica anche che l'automazione non è totale: la convalida finale resta, almeno in parte, una questione di persone.
È uno dei limiti da tenere a mente di fronte al discorso sui test «autonomi». Un test, anche se redatto da un'IA, verifica solo ciò che gli si chiede di verificare. La questione della copertura, ossia quali scenari sono stati testati e quali sono stati dimenticati, rimane aperta, e il comunicato non la affronta.
Clienti in Europa, obiettivo americano
Klarent rivendica un'adozione rapida in Europa, con clienti in diversi settori, tra cui JD Sports nel commercio online, la NZZ nei media e Sixt nei viaggi e nella mobilità. Presso JD Sports, i suoi agenti eseguirebbero percorsi che attraversano diversi sistemi della catena del commercio online, cosa che nemmeno i team interni specializzati nei test (gli SDET, per «software development engineer in test») sarebbero riusciti a riprodurre, secondo l'azienda. La società afferma inoltre di estendersi ai servizi finanziari, presso banche e assicurazioni di primo piano, che non nomina.
I fondi serviranno a stabilire una presenza negli Stati Uniti, ad ampliare il team di ingegneria e ad approfondire il prodotto multipiattaforma, sul web come su mobile.
Una scommessa su un collo di bottiglia
La tesi dell'investitore principale è formulata da Chandar Lal, socio di Mosaic Ventures: «Con l'IA, la generazione di codice progredisce più rapidamente della nostra capacità di testarla, tanto che la QA diventerà il principale collo di bottiglia.» Afferma di essere stato convinto dall'insistenza dei fondatori sul determinismo, ossia «usare l'IA per scrivere i test, non per eseguirli» (citazioni tradotte dall'inglese).
Si tratta di un'ipotesi di mercato, non di un risultato acquisito. Si basa su una tendenza plausibile, più codice prodotto con l'aiuto di assistenti IA e quindi più codice da controllare, la cui portata resta da misurare. Per Klarent, la sfida sarà dimostrare che il suo approccio mantiene le promesse al di fuori dell'Europa e su scala più ampia.
