G5 Labs emerge dallo stealth con $14M per rendere il linguaggio naturale il nuovo codice sorgente

G5 Labs, una spin‑out del MIT Computer Science e Artificial Intelligence Laboratory (CSAIL), è emersa dallo stealth con $14 million in finanziamento seed e una tesi ambiziosa: il prossimo linguaggio di programmazione importante potrebbe non assomigliare affatto a un linguaggio di programmazione.

La startup con sede a Boston sta sviluppando uno strato di astrazione per lo sviluppo software nativo AI in cui le descrizioni in linguaggio naturale di ciò che il software deve fare sono organizzate in un grafo formale di intenti, o ontologia, che diventa effettivamente il codice sorgente. Pillar VC e Battery Ventures hanno co‑guidato il round seed, affiancati da Omega Venture Partners, Encoded Ventures e investitori angel.

Il finanziamento sarà utilizzato per espandere il team di ingegneria di G5 Labs, scalare le implementazioni per i clienti e continuare lo sviluppo del suo compilatore di ontologie, mentre l’azienda cerca di risolvere uno dei problemi emergenti creati dagli strumenti di codifica AI: generare codice sta diventando sempre più facile, mentre comprenderlo, revisionarlo, governarlo e mantenerlo può rimanere difficile.

Spostare il collo di bottiglia oltre la generazione di codice

Gli assistenti di codifica AI hanno rapidamente cambiato l’economia della produzione di software. Gli sviluppatori possono ora generare funzioni, test, documentazione e applicazioni sempre più complete con relativamente poco codice manuale.

Ma più codice non significa necessariamente organizzazioni di ingegneria più produttive.

Ricerca di Faros basata su più di 10.000 sviluppatori in 1.255 team ha scoperto che i team con alta adozione dell’AI hanno completato il 21% in più di attività e hanno fuso il 98% in più di pull request, ma hanno anche registrato un aumento del 91% del tempo di revisione delle pull request. La stessa analisi ha associato l’adozione dell’AI a pull request più grandi e a più bug per sviluppatore.

studio randomizzato coinvolgendo sviluppatori open‑source esperti ha scoperto che gli strumenti AI di inizio 2025 hanno effettivamente aumentato il tempo di completamento dei compiti del 19% nei progetti specifici studiati, nonostante gli stessi sviluppatori si aspettassero che l’AI li rendesse sostanzialmente più rapidi.

G5 Labs affronta il problema da una direzione diversa. Piuttosto che costruire un altro modello di codifica, l’azienda vuole spostare lo strato di astrazione al di sopra del codice generato stesso.

Trasformare l’intento aziendale in un artefatto software

Al centro della piattaforma G5 Labs c’è ciò che l’azienda descrive come un compilatore auto‑apprendente e bidirezionale.

L’intento in linguaggio naturale può essere tradotto in codice eseguibile, ma il processo funziona anche al contrario: il codice esistente può essere interpretato e incorporato in un’ontologia che descrive i requisiti e il comportamento sottostanti del sistema.

Questa distinzione è centrale nell’approccio di G5.

Se un’organizzazione modifica un requisito, il codice corrispondente può essere rigenerato per rifletterlo. Se gli sviluppatori modificano direttamente il codice, l’ontologia può apprendere da tali cambiamenti e rimanere sincronizzata con l’implementazione. G5 afferma che le singole righe di codice generato possono quindi rimanere tracciabili ai requisiti aziendali che le hanno originato.

In pratica, l’azienda sta cercando di conferire ai requisiti software in linguaggio naturale alcune delle proprietà che gli sviluppatori si aspettano dal codice sorgente tradizionale: possono essere confrontati, uniti, versionati, governati e, in ultima analisi, compilati.

Invece di scoprire, ad esempio, che due agenti AI hanno prodotto implementazioni in conflitto dopo aver esaminato migliaia di righe di codice, G5 mira a far emergere il disaccordo a livello semantico — dove un product manager, un analista o un ingegnere può decidere quale requisito sottostante sia corretto.

G5 si colloca sopra Claude Code, Codex e altri modelli di codifica

Un altro elemento importante dell’architettura di G5 è che non è progettata per competere direttamente con i modelli di codifica sempre più potenti provenienti dai principali laboratori AI.

G5, invece, opera come livello di applicazione e governance sopra di essi.

L’azienda afferma che la sua piattaforma può funzionare con sistemi come Claude Code, Codex e modelli open‑weight, offrendo alle imprese la possibilità di cambiare il modello AI sottostante senza ricostruire l’architettura semantica che governa il loro software.

G5 scompone inoltre i piani di sviluppo in attività verificabili che possono essere distribuite tra più agenti AI. Le loro azioni, decisioni architetturali, politiche e lezioni possono poi essere incorporate nell’ontologia dell’organizzazione.

Ciò potrebbe diventare sempre più importante man mano che lo sviluppo software passa da un singolo sviluppatore che utilizza un assistente AI a più agenti autonomi che modificano simultaneamente grandi codebase.

Senza una rappresentazione condivisa di ciò che l’applicazione deve realmente realizzare, una generazione di codice più rapida può semplicemente creare disaccordi più rapidi.

La governance diventa parte del processo di sviluppo

G5 sta anche puntando alle imprese regolamentate, dove consentire a agenti di codifica autonomi di operare senza controlli può introdurre problemi di sicurezza e conformità.

La piattaforma è progettata per codificare le politiche direttamente nel processo di sviluppo software. Le organizzazioni possono stabilire requisiti relativi a sicurezza, approvazioni, conformità al Regolamento generale sulla protezione dei dati (GDPR), architettura e spese per l’IA prima che gli agenti inizino a generare codice.

I controlli dei costi sono particolarmente rilevanti mentre le imprese sperimentano sistemi di sviluppo sempre più agentici. Un singolo prompt a un assistente di codifica può essere poco costoso, ma flotte di agenti che pianificano, generano, testano e correggono software in modo ricorrente possono generare costi di inferenza considerevoli.

L’approccio di G5 tenta di limitare tali processi nelle fasi di intento e pianificazione, anziché scoprire problemi di costo o governance dopo che il lavoro è già stato completato.

La modernizzazione legacy potrebbe rappresentare un’opportunità precoce

Sebbene G5 presenti la sua tecnologia come parte di una più ampia revisione dell’ingegneria del software, una delle sue applicazioni più immediate potrebbe essere notevolmente più pratica: la modernizzazione dei sistemi legacy aziendali.

I progetti di modernizzazione tradizionali spesso prevedono la traduzione di un’applicazione da un linguaggio o un’architettura obsoleti a uno stack tecnologico più recente. Questo processo può involontariamente conservare decenni di assunzioni obsolete, funzionalità duplicate e debito tecnico.

G5, invece, cerca di estrarre l’intento sottostante del software esistente in un’ontologia e di rigenerare l’applicazione attorno a quel modello.

L’azienda afferma di stare già implementando questo approccio in settori fortemente regolamentati. In un progetto di modernizzazione dei servizi finanziari, l’analisi a livello di ontologia di G5 ha identificato conflitti strutturali che sarebbero stati difficili da rilevare mediante una semplice migrazione del codice. Il suo sito web dichiara che milioni di righe di codice legacy sono già state convertite in modelli di sistema semantici in diverse implementazioni.

Ciò potrebbe offrire a G5 un punto di ingresso più misurabile rispetto a chiedere alle imprese di ripensare immediatamente l’intero ciclo di vita dello sviluppo software. La modernizzazione legacy è già una spesa significativa per le grandi organizzazioni, in particolare nei servizi finanziari e in altri settori in cui sistemi di decenni rimangono fondamentali per il business.

Dalla ricerca MIT a una piattaforma commerciale

G5 Labs è nata dalla ricerca guidata dal cofondatore e CEO Tim Kraska al MIT CSAIL, dove il suo lavoro si concentra sempre più su come l’intelligenza artificiale cambierà la costruzione di sistemi software grandi e complessi.

Kraska è un professore del MIT la cui ricerca copre sistemi agentici, sistemi di dati e l’uso di grandi modelli linguistici per lo sviluppo di sistemi. È anche co-direttore del Generative AI Impact Consortium del MIT, che riunisce ricercatori accademici con partecipanti dell’industria per esplorare le implicazioni pratiche e sociali dell’IA generativa.

La più ampia domanda di ricerca alla base di G5 è semplice ma di grande rilevanza: se l’IA dovesse alla fine scrivere una larga percentuale del codice software, gli esseri umani dovrebbero continuare a gestire il software principalmente attraverso il codice stesso?

La risposta di G5 è no. L’azienda crede che l’intento di business debba diventare l’artefatto duraturo, mentre i linguaggi di programmazione diventino sempre più un dettaglio di implementazione gestito dai sistemi di IA.

Se ciò diventerà il prossimo importante livello di astrazione nell’ingegneria del software rimane una questione aperta. I linguaggi di programmazione esistenti, gli ambienti di sviluppo, i processi di revisione del codice e i cicli di vita dello sviluppo software rappresentano decenni di strumenti e conoscenze istituzionali accumulati, e sostituire il loro ruolo centrale richiederà molto più che una generazione accurata di codice.

Tuttavia, il round seed da 14 milioni di dollari fornisce a G5 Labs il capitale necessario per testare questa tesi con i clienti aziendali. Man mano che l’IA aumenta drasticamente la quantità di software che può essere generata, l’opportunità dell’azienda potrebbe risiedere nell’affrontare la sfida meno appariscente che ne consegue: garantire che le organizzazioni possano ancora comprendere, controllare e far evolvere ciò che quelle macchine costruiscono.