Gli AI coding tools stanno invadendo il mercato, ma presentano una debolezza critica: per impostazione predefinita, come la maggior parte delle sessioni chat con LLM, sono temporanei. Non appena chiudi una sessione e ne avvii una nuova, lo strumento dimentica tutto ciò su cui stavi lavorando.
Grazie per avere letto questo articolo, non dimenticare di iscriverti al nostro feed!
Inoltre, gli sviluppatori hanno aggirato questo limite facendo salvare lo stato degli strumenti in file markdown e di testo. Tuttavia, questa soluzione risulta approssimativa nella migliore delle ipotesi.
Qodo, la startup specializzata in code review basata su intelligenza artificiale, ritiene di aver trovato una soluzione. Di conseguenza, ha lanciato quello che definisce il primo Rules System intelligente del settore per la governance AI: un framework che fornisce ai revisori di codice AI una memoria organizzativa persistente.
Il problema della memoria negli AI coding tools
Per spiegare i limiti degli attuali AI coding tools, Itamar Friedman, CEO e co-fondatore di Qodo, richiama il film di Christopher Nolan del 2000 Memento. Nel film, il protagonista soffre di perdita di memoria a breve termine e deve tatuarsi note sul corpo per ricordare informazioni cruciali.
“Ogni volta che li chiami, è una macchina che si risveglia da zero”, ha dichiarato Friedman in un’intervista con VentureBeat riferendosi agli assistenti di programmazione AI odierni. “Quindi tutto ciò che può fare, prima di andare in stop e riavviarsi, è scrivere quello che ha fatto in un file.”
Questo approccio – salvare il contesto in file markdown come agents.md o napkin.md – è diventato una soluzione comune tra gli sviluppatori che utilizzano strumenti come Claude Code e Cursor. Tuttavia, Friedman sostiene che questo metodo si rivela inadeguato su scala enterprise.
“Pensa a software complessi dove ora hai, diciamo, 100.000 di questi post-it”, ha spiegato. “Alcuni sono semplici note. Altri sono spiegazioni enormi. Altri ancora sono storie complete. Ti svegli e ricevi un compito. La prima cosa che l’AI fa è iniziare statisticamente a cercare i memo giusti… È molto meglio che non averli. Ma è molto casuale.”
Come funziona il Rules System per AI coding tools
Il nuovo sistema, annunciato come parte di Qodo 2.1, sostituisce i file di regole statici e mantenuti manualmente con un livello di governance intelligente. In particolare, genera automaticamente regole dai pattern di codice reali e dalle decisioni di revisione passate.
Pertanto, il Rules System di Qodo stabilisce quella che l’azienda definisce una fonte unificata di verità per gli standard di codifica organizzativi. Il sistema include diversi componenti chiave:
- Scoperta automatica delle regole: un Rules Discovery Agent genera standard dalle codebase e dal feedback delle pull request, eliminando la creazione manuale di file di regole
- Manutenzione intelligente: un Rules Expert Agent identifica continuamente conflitti, duplicati e standard obsoleti per prevenire il “decadimento delle regole”
- Applicazione scalabile: le regole vengono applicate automaticamente durante la code review delle pull request, con correzioni raccomandate fornite agli sviluppatori
- Analisi nel mondo reale: le organizzazioni possono tracciare tassi di adozione, tendenze delle violazioni e metriche di miglioramento
Friedman ha sottolineato che questo rappresenta un cambiamento fondamentale nel modo in cui operano gli AI coding tools per la revisione del codice. “È la prima volta che uno strumento di code review AI passa da reattivo a proattivo”, ha affermato.
Dall’assenza di stato alla memoria persistente
L’evoluzione degli strumenti di sviluppo AI ha seguito una traiettoria chiara, secondo Friedman: dall’autocompletamento (GitHub Copilot) alle domande e risposte (ChatGPT), fino alla codifica agente nell’IDE (Cursor) e alle capacità agente ovunque (Claude Code). Nonostante ciò, sostiene che tutti questi rimangono fondamentalmente privi di stato.
“Affinché lo sviluppo software rivoluzioni davvero come facciamo software nel mondo reale, deve essere una macchina con stato”, ha dichiarato Friedman.
La sfida principale, ha spiegato, è che la qualità del codice è intrinsecamente soggettiva. In effetti, diverse organizzazioni hanno standard diversi, e persino i team all’interno della stessa azienda possono affrontare i problemi in modo differente.
Di conseguenza, la risposta di Qodo è quella che Friedman descrive come “memoria costruita nel tempo e accessibile agli agenti di codifica, che possono quindi verificare che ciò che stanno effettivamente facendo sia conforme alle esigenze soggettive dell’azienda.”
Integrazione tra memoria e agenti AI
Ciò che distingue l’approccio di Qodo, secondo Friedman, è quanto strettamente il sistema di regole si integri con gli agenti AI stessi. Al contrario, altri trattano la memoria come una risorsa esterna che l’AI deve cercare.
“In Qodo, questa memoria e gli agenti sono molto più connessi, come nel nostro cervello”, ha spiegato Friedman. “C’è molta più struttura… dove diverse parti sono ben collegate e non separate.”
Inoltre, Friedman ha notato che Qodo applica tecniche di fine-tuning e reinforcement learning a questo sistema integrato. Come risultato, l’azienda ha ottenuto un miglioramento dell’11% in precisione e recall rispetto ad altre piattaforme, identificando con successo 580 difetti in 100 PR di produzione reali.
Deployment enterprise e prezzi
Qodo si posiziona come azienda enterprise-first, offrendo molteplici opzioni di deployment. In particolare, le organizzazioni possono distribuire il sistema interamente all’interno della propria infrastruttura tramite cloud premise o VPN.
Allo stesso modo, possono utilizzare un’opzione SaaS single-tenant dove Qodo ospita un’istanza isolata, oppure optare per il tradizionale SaaS self-serve.
Per quanto riguarda i prezzi, Qodo mantiene il suo modello esistente basato su posti con quote di utilizzo. Attualmente, l’azienda offre tre livelli di prezzo: un piano Developer gratuito per individui con 30 revisioni PR al mese, un piano Teams a 38 dollari per utente al mese che include 20 PR per utente mensili, e un piano Enterprise con prezzo personalizzato.
Risposta dei primi clienti
Ofer Morag Brin di Hibob, azienda di tecnologia HR e primo utilizzatore del Rules System, ha riportato risultati positivi. “Il Rules System di Qodo non ha solo fatto emergere gli standard che avevamo sparsi in luoghi diversi; li ha resi operativi”, ha dichiarato Brin.
In conclusione, fondata nel 2018, Qodo ha raccolto 50 milioni di dollari da investitori tra cui TLV Partners, Vine Ventures, Susa Ventures e Square Peg. Per approfondire altre innovazioni nel campo dello sviluppo software, visita il blog di Digital Seeds.
Infine, Friedman ha offerto una previsione per il settore: “Guardando un anno avanti, sarà molto chiaro che quando abbiamo iniziato il 2026, eravamo in macchine senza stato che cercavano di hackerare il modo in cui interagiscono con la memoria. E avremo un modo molto più accoppiato entro la fine del 2026, e Qodo 2.1 è il primo progetto di come farlo.”
