Secondo indiscrezioni, la società software Temporal, che ha sviluppato la tecnologia di “durable execution” che consente ad agenti AI e altre applicazioni di lunga durata di riprendersi dai malfunzionamenti senza ricominciare da capo, sta cercando circa $500 milioni a una valutazione di almeno $12 miliardi.

Se l’operazione si chiudesse a quel livello, la valutazione di Temporal raddoppierebbe in sei mesi. Indicherebbe inoltre un graduale spostamento dell’attenzione degli investitori dai soli sviluppatori di “frontier-model” verso i fornitori di infrastrutture che aiutano i sistemi AI a funzionare in modo affidabile in produzione.

Il cambiamento è rilevante per il più ampio mercato dell’AI. Sebbene gli sviluppatori di modelli continuino ad attirare i round di finanziamento più grandi, anche le aziende che affrontano i problemi meno visibili legati alla distribuzione dell’AI su larga scala stanno ottenendo valutazioni più elevate. Secondo Temporal, OpenAI, ADP, Block e Yum! Brands sono tra i clienti che hanno implementato la sua tecnologia.

Una valutazione quadruplicata in un anno

La valutazione di Temporal è aumentata rapidamente nell’ultimo anno. Nel primo trimestre del 2025, la società ha raccolto $146 milioni con una valutazione di $1.72 miliardi, poi ha ottenuto un’operazione secondaria da $105 milioni in ottobre che ha portato la sua valutazione a $2.5 miliardi.

A febbraio, Andreessen Horowitz ha guidato un Series D da $300 milioni che ha valutato Temporal a $5 miliardi post-money, con la մասնակցazione di Lightspeed Venture Partners, Sapphire Ventures, Sequoia Capital e altri.

Una valutazione di $12 miliardi collocherebbe l’azienda a oltre quattro volte il livello di circa 18 mesi fa. Temporal non ha confermato le ultime trattative di raccolta fondi.

Perché i costruttori di agenti pagano per la durabilità

L’attrattiva di Temporal risiede in un problema tecnico dalle conseguenze rilevanti. La società descrive la propria piattaforma come un servizio di Durable Execution che consente alle applicazioni di “resistere” ai crash, ritentare automaticamente alcune operazioni e proseguire dal punto di guasto invece di ripartire da zero.

Questa capacità è particolarmente importante per gli agenti AI. Un semplice prompt di chatbot può ricevere una risposta rapidamente, ma un agente può operare per ore o giorni, attraversare più passaggi, dipendere da servizi esterni e persino cambiare percorso in base all’output del modello. Più a lungo dura un processo di questo tipo, maggiore è la probabilità che qualcosa vada storto.

La tecnologia precede in realtà il boom degli agenti. Temporal è stata fondata nel 2019 da Maxim Fateev e Samar Abbas, i creatori del motore di workflow Cadence in Uber, e il suo motore principale resta open source, mentre la società vende un servizio gestito, Temporal Cloud, costruito sopra di esso. Questa distribuzione open source aiuta a spiegare la scala dei dati di adozione riportati dall’azienda e significa che i carichi di lavoro AI ora operano insieme ai processi aziendali di lunga durata — come pagamenti, evasione ordini e provisioning dell’infrastruttura — che la piattaforma era stata originariamente creata per coordinare. I case study pubblici citano utenti tra cui Snap, Coinbase, Netflix, Datadog e Nubank, andando ben oltre i clienti nominati negli annunci di finanziamento.

Temporal afferma che la domanda è già visibile nelle sue metriche di business. Quando ha annunciato il round di finanziamento di febbraio, la società ha dichiarato che i ricavi erano cresciuti di oltre il 380% su base annua, l’uso attivo settimanale era aumentato del 350% e le installazioni erano salite del 500% a oltre 20 milioni al mese. Temporal Cloud aveva elaborato 9.1 trilioni di esecuzioni di azioni nel corso della sua storia, incluse 1.86 trilioni per aziende AI-native.

Nell’annuncio del 17 febbraio di Temporal, Venkat Venkataramani, vicepresidente di App Infrastructure di OpenAI, ha affermato che “as AI systems become more complex and long-running, durability is as important as performance.”

La matematica dei costi alla base della scommessa infrastrutturale

Il caso d’investimento diventa più chiaro se si considerano i costi dell’esecuzione dell’AI.

Il 17 agosto, Gartner ha previsto che la spesa per i workflow di agentic AI aumenterà di cinque volte entro il 2028. Gartner ha definito questo fenomeno “Inference Paradox”, il che significa che, mentre il costo per token diminuisce, la spesa totale per l’AI aumenta in modo significativo a causa del numero molto più elevato di token coinvolti.

Secondo Will Sommer, senior director analyst di Gartner, i responsabili di prodotto “cannot rely on more efficient token economics to rationalize AI costs.”

Ciò significa che l’affidabilità non è solo una questione tecnica, ma anche finanziaria. Ogni volta che un workflow fallisce e deve essere riavviato, si traduce in ulteriori chiamate al modello, più token e costi di calcolo più elevati. Temporal ritiene che le organizzazioni che usano l’AI su larga scala saranno disposte a spendere per evitare questo tipo di sprechi.

Temporal non è sola in questa categoria. I principali provider cloud vendono già strumenti gestiti di orchestrazione come AWS Step Functions, Azure Durable Functions e Google Cloud Workflows, mentre nuovi operatori come Restate e Inngest stanno anch’essi sviluppando soluzioni basate sulla durable execution. Temporal si differenzia dalle opzioni legate a una singola piattaforma perché il suo motore open source funziona su più cloud e sull’infrastruttura dei clienti, e ora sta applicando questo approccio pre-AI ai carichi di lavoro agentici.

Anche il comportamento degli investitori suggerisce una visione simile. Crunchbase ha riportato che il venture funding globale nella prima metà del 2026 ha raggiunto un record di $510 miliardi. Oltre il 70% di tutti i finanziamenti del secondo trimestre è andato a startup AI, con OpenAI e Anthropic da sole responsabili di $217 miliardi, pari al 43% dei finanziamenti alle startup nella prima metà dell’anno.

Un round di Temporal a una valutazione di $12 miliardi rappresenterebbe quindi più di un’altra grande operazione AI. Indicherebbe una tendenza di mercato più ampia: gli investitori stanno puntando non solo sui modelli AI in sé, ma anche sull’infrastruttura necessaria per renderli affidabili, scalabili e redditizi.