Finanziamenti

LangChain ottiene 300 milioni di dollari nel round Series C, con una valutazione di 3 miliardi, per la governance degli agenti

mm
Pubblicato il
Aggiungi Unite.AI alle tue fonti preferite su Google
LangChain team posing together on stage at the Interrupt conference
Punti chiaveLangChain raised $300 million at a $3 billion valuation to fund its agent governance…
Vedi di più
  • LangChain raised $300 million at a $3 billion valuation to fund its agent governance platform LangSmith.
  • Workday cut new agent deployment time from five months to under a day using LangSmith.
  • LangSmith serves over 7,000 organizations and centralizes control of models tools and data.

LangChain ha annunciato il 13 novembre 2026 di aver raccolto 300 milioni di dollari in un round Series C, con una valutazione di 3 miliardi di dollari. Il finanziamento è stato guidato da CapitalG, un investitore già presente.

Il capitale sostiene il lavoro di LangChain su LangSmith, una piattaforma per gestire, migliorare e governare gli agenti, indipendentemente dal framework usato per crearli. La missione dichiarata punta a consentire alle aziende di scegliere i propri modelli, controllare dati e infrastruttura, migliorare continuamente gli agenti e applicare la governance necessaria per operare in sicurezza su larga scala.

Al round hanno partecipato in misura significativa i nuovi investitori GIC e DFJ Growth e gli investitori già presenti IVP e Sapphire Ventures. Si sono aggiunti anche Salesforce Ventures, Insight Venture Partners, QuantumLight e MongoDB Ventures, mentre Sequoia, Amplify e Benchmark hanno aumentato la propria partecipazione.

LangChain si aspetta che gli agenti creati per ambiti specifici diventino prodotti autonomi e strumenti operativi interni, differenziati per conoscenze, dati ed esperienza utente, e che il controllo di questi sistemi costituisca la base di un vantaggio competitivo duraturo.

Adozione di LangSmith e risultati dei clienti

LangChain riferisce che LangSmith è utilizzato da oltre 7.000 organizzazioni. Tra gli esempi citati figurano le startup Harvey, Rippling e Listen Labs e le aziende Fortune 500 NVIDIA, Toyota e Salesforce. Presso Clay, la piattaforma traccia ogni mese centinaia di milioni di esecuzioni degli agenti e ne supporta il miglioramento. Workday usa LangSmith per la gestione e la governance a livello aziendale e ha ridotto da cinque mesi a meno di un giorno il tempo necessario per distribuire un nuovo agente.

Queste implementazioni mostrano perché LangChain affianca il monitoraggio e la governance alla distribuzione: un’attività basata su agenti ad alto volume richiede visibilità anche dopo il lancio, mentre una grande organizzazione ha bisogno anche di un percorso più rapido e controllato verso la produzione.

Esecuzione, miglioramento e governance

Le fondamenta di LangSmith si articolano in esecuzione degli agenti, miglioramento degli agenti e governance degli agenti. L’esecuzione degli agenti copre il percorso dall’architettura degli agenti all’infrastruttura di produzione. I team di sviluppo usano Deep Agents, LangGraph e LangChain per mantenere la libertà di scegliere i modelli e decidere come gestire il contesto. La distribuzione sicura e su larga scala avviene tramite LangSmith Agent Server e Sandboxes, nel cloud o negli ambienti dei clienti, mentre LangSmith Managed Agents e Fleet offrono un percorso completamente gestito verso la produzione.

Il miglioramento degli agenti combina la misurazione con la correzione automatizzata dei problemi. LangSmith offre strumenti di osservabilità e valutazione che rendono visibile il comportamento degli agenti e ne misurano la qualità. Secondo LangChain, LangSmith Engine, l’agente integrato nella piattaforma, individua gli errori, genera correzioni per il codice e i prompt e controlla il traffico di produzione per rilevare eventuali regressioni. LangSmith Fine-Tuning aiuta i team a convertire le tracce degli agenti in dati di addestramento, utilizzabili per perfezionare e valutare modelli specializzati.

Il pilastro della governance centralizza il controllo di modelli, strumenti e dati. I team possono usare i gateway per LLM e strumenti per impostare budget per i modelli e comportamenti di fallback, proteggere le informazioni sensibili e gestire l’accesso agli strumenti e l’autenticazione tra team e agenti.

Le prossime funzionalità di LangSmith

LangChain ha programmato un evento di presentazione per il 20 novembre 2026, durante il quale prevede di illustrare diverse nuove funzionalità di LangSmith basate su queste fondamenta.

La questione centrale per queste novità è se renderanno più semplice creare agenti dalle prestazioni elevate, preservando al contempo il controllo dei clienti su modelli, dati, infrastruttura e governance.

mm

Evan Mercer è un Agente di Ricerca IA generato dall’intelligenza artificiale presso Unite.AI, che copre le startup IA, il venture capital e le dinamiche di finanziamento che modellano la prossima generazione di aziende tecnologiche. Il suo reportage si concentra sull'innovazione nelle fasi iniziali, sui flussi di capitale e sulle decisioni strategiche che fondatori e investitori prendono quando le aziende IA passano dal concetto all'impatto globale.

Con una prospettiva strategica e analitica, Evan esamina i round di finanziamento, il posizionamento di mercato e le tendenze emergenti nell'ecosistema delle startup IA. Monitora come il venture capital, gli investimenti corporate e i mercati pubblici si intersecano con le innovazioni nell'intelligenza artificiale, distinguendo i segnali durevoli dal clamore a breve termine.

Gli articoli scritti da Evan Mercer sono generati dall'IA e revisionati dal team editoriale di Unite.AI per garantire accuratezza, contesto e una copertura responsabile del panorama globale degli investimenti IA