Finanziamenti

Noeri raccoglie 110 milioni di dollari per sviluppare un’IA aziendale capace di migliorarsi autonomamente

Evan Mercer
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiaveIl sistema di Noeri migliora modelli e strumenti intorno ai flussi di lavoro dei…
Vedi di più
  • Il sistema di Noeri migliora modelli e strumenti intorno ai flussi di lavoro dei clienti invece di vendere un unico modello general-purpose.
  • Ogni modifica proposta arriva a una persona per l'approvazione attraverso un processo di revisione simile alla revisione del codice.
  • I fondatori sostengono che l'intelligenza dovrebbe essere distribuita tra molti sistemi specializzati di proprietà dei clienti invece di una singola superintelligenza centralizzata.

Il 16 novembre 2026 Noeri ha annunciato il proprio lancio e un finanziamento di 110 milioni di dollari, con Menlo Ventures alla guida dell’operazione, per sviluppare un’IA capace di migliorarsi autonomamente destinata alle imprese e alla scoperta scientifica.

Hanno partecipato anche Madrona Venture Group, Kindred Ventures, Wing Venture Capital e NEA, mentre Cisco Investments, NVIDIA e Snowflake sono entrate in qualità di investitori strategici. I professori di informatica di Stanford Yejin Choi e Carlos Guestrin hanno fondato Noeri nel 2026 e ricoprono il ruolo di co-amministratori delegati. L’azienda ha sede a Palo Alto e un ufficio a Zurigo.

Specializzare l’IA in base al lavoro dei clienti

Noeri affronta il dilemma che spesso si presenta alle imprese: pagare di più per il modello generalista più capace oppure accettare risultati inferiori scegliendo un’opzione meno costosa. L’azienda afferma che il suo sistema analizza i dati e i flussi di lavoro di un’organizzazione, quindi migliora il software circostante, le competenze, le istruzioni, gli strumenti e la scelta del modello per ogni fase, intervenendo, quando ne vale la pena, anche sui parametri sottostanti dei modelli.

La panoramica del prodotto descrive agenti che apprendono da attività, errori, correzioni e traffico reale in produzione, senza richiedere un ampio insieme di dati etichettati. Possono affinare le proprie competenze, i propri strumenti e la propria orchestrazione, creare strumenti quando quelli esistenti non sono sufficienti e addestrare modelli sulle attività dei clienti. La qualità e i costi vengono misurati sul traffico e sulle metriche proprie del cliente, anziché ricorrere a benchmark pubblici; i miglioramenti attesi sono così specifici per quella particolare implementazione.

Noeri afferma che ogni modifica viene spiegata e sottoposta all’approvazione di una persona tramite una procedura simile alla revisione del codice. Il sistema funziona con modelli chiusi e modelli a pesi aperti ed è progettato per adattarsi all’arrivo di nuovi modelli. Il cliente conserva i propri dati ed è titolare dei flussi di lavoro e dei modelli sviluppati tramite il sistema, fermo restando che continuano ad applicarsi le licenze dei modelli di terze parti pertinenti.

Ricerca orientata all’apprendimento continuo e alla scoperta

Noeri intende inoltre utilizzare gli stessi meccanismi per formulare ipotesi, condurre esperimenti e apprendere dai risultati nell’ambito di attività scientifiche che coinvolgono molecole, proteine e sistemi tecnici complessi. L’azienda sostiene che la scoperta aperta metta sotto pressione l’economia dei modelli di grandi dimensioni, poiché una ricerca prolungata richiede molta più capacità di calcolo di una singola risposta; propone modelli specializzati più piccoli per rendere economicamente accessibile tale ricerca.

Il programma di ricerca dell’azienda comprende l’automazione dello sviluppo dell’IA, la specializzazione efficiente a partire da dati limitati, l’apprendimento continuo senza dimenticare quanto appreso e la scoperta attraverso ricerca, ragionamento e gruppi di modelli. Queste priorità si basano sul lavoro dei fondatori nell’addestramento in fase di inferenza, nell’auto-distillazione e nell’orchestrazione agentica, ambiti in cui i modelli apprendono dopo la distribuzione, imparano dai propri errori oppure coordinano altri modelli e strumenti.

In una dichiarazione d’intenti, Choi e Guestrin sostengono che l’intelligenza dovrebbe essere distribuita tra molti sistemi specializzati di proprietà dei clienti, anziché concentrata in un’unica superintelligenza centralizzata. Affermano inoltre che i modelli dimensionati in base al compito sono meno costosi e consumano meno energia, e che i sistemi progettati per uno scopo specifico sono più facili da definire, testare e supervisionare.

Noeri afferma che le sue prime collaborazioni per la prova di concetto spaziano tra i settori aziendale e scientifico. Sta inoltre lavorando con partner strategici di diversi settori, tra cui alcuni investitori, e ha scelto un gruppo eterogeneo affinché la tecnologia impari a generalizzare prima di specializzarsi per i singoli clienti.

Il team fondatore e le prime sperimentazioni

Guestrin ha cofondato in precedenza Turi, la piattaforma di apprendimento automatico acquisita da Apple nel 2016, e in seguito ha creato e diretto l’organizzazione centrale di Apple dedicata all’apprendimento automatico e all’IA. Choi ha ricevuto una MacArthur Fellowship e la sua ricerca si concentra sul rendere più capaci i modelli di IA più piccoli; in precedenza è stata professoressa alla University of Washington e direttrice senior presso l’Allen Institute for AI. Noeri sta assumendo ricercatori e ingegneri a Palo Alto e Zurigo.

La prima verifica concreta per il nuovo laboratorio sarà capire se queste collaborazioni riusciranno a trasformare la ricerca in miglioramenti ripetibili secondo le metriche di qualità e costo adottate dai clienti, mantenendo al contempo i controlli di approvazione umana e di titolarità che sono al centro del prodotto.

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