North.cloud raccoglie 60 milioni di dollari in un round di serie B per automatizzare la gestione della spesa per cloud e IA

North.cloud ha raccolto 60 milioni di dollari in un round di serie B per ampliare la propria piattaforma di gestione dei costi di infrastruttura cloud, utilizzo dell’IA e dati. Il round, annunciato il 15 ottobre, è guidato da PeakSpan Capital, con la partecipazione di Litquidity, Companyon Ventures, Alpaca, Uncommon Denominator, Gaingels e Mana Ventures.

Il finanziamento punta a risolvere un problema che diventa più complesso man mano che l’IA entra in produzione: i costi operativi di un prodotto possono includere risorse di calcolo cloud, API per i modelli e piattaforme dati, mentre chi è responsabile di queste spese lavora con sistemi separati. North intende collegare questo quadro finanziario a strumenti di automazione che riducano sia la spesa sia il lavoro necessario per gestirla.

L’azienda afferma che la spesa cloud gestita si avvicina ai 2 miliardi di dollari e che ha aiutato i clienti a risparmiare oltre 400 milioni di dollari. Utilizzerà i fondi per ampliare le attività di ottimizzazione presso i provider cloud, approfondire le integrazioni, accelerare la gestione della spesa per l’IA e far crescere i team di ingegneria, prodotto e sviluppo commerciale.

Riunire i costi di cloud e IA in un unico sistema

Le operazioni finanziarie per il cloud, spesso indicate con l’abbreviazione FinOps, consistono nel collegare l’utilizzo della tecnologia ai costi aziendali e nel decidere come migliorarne l’efficienza economica. Ciò comprende capire chi ha generato una spesa, se le risorse sono dimensionate correttamente e se gli accordi di acquisto scontati corrispondono alla domanda effettiva.

L’IA aggiunge un ulteriore livello di complessità. Un’azienda può pagare l’infrastruttura che ospita un’applicazione e, separatamente, un provider di modelli per i token consumati da quell’applicazione. Capire una singola fattura non basta necessariamente a spiegare quanto costa servire un cliente o completare un flusso di lavoro.

L’annuncio del finanziamento di North arriva dopo il lancio di North v3, che ha aggiunto il supporto per Microsoft Azure a quelli già offerti per Amazon Web Services e Google Cloud Platform. L’azienda afferma che la nuova versione ha introdotto anche integrazioni native con OpenAI, Anthropic e Snowflake e ha esteso la gestione automatizzata degli impegni attraverso il prodotto Autobot.

La strategia si basa su la precedente piattaforma FinOps per il cloud di North, di cui Unite.AI ha parlato nel 2025. L’attuale espansione estende l’attenzione dell’azienda dal risparmio sul cloud a una visione integrata della spesa per infrastruttura, IA e dati.

Come funziona l’automazione degli impegni di acquisto

Un modo per ridurre i costi del cloud è acquistare capacità a prezzi scontati tramite impegni di acquisto. La difficoltà consiste nel commisurare tali impegni all’utilizzo futuro: acquistarne troppo pochi può impedire di ottenere tutti i risparmi possibili, mentre acquistarne troppi può lasciare l’azienda a pagare per capacità di cui non ha più bisogno.

La documentazione sulla copertura di North distingue due approcci. Flexbot offre sconti tramite account membri di proprietà di North, che gestisce gli impegni di acquisto. Autobot gestisce invece gli impegni di proprietà del cliente e prende decisioni di acquisto graduali, in base all’utilizzo e agli obiettivi aziendali. I clienti possono anche combinare i due approcci.

La distinzione è importante perché determina chi è titolare dell’impegno di acquisto e come vengono gestiti gli acquisti. North descrive Autobot come uno strumento che utilizza previsioni e obiettivi del cliente per costruire gradualmente la copertura, con funzionalità di simulazione che consentono di valutare risparmi e flessibilità prima degli acquisti. La documentazione indica inoltre che Autobot richiede autorizzazioni aggiuntive per effettuare acquisti automatizzati, che i clienti possono revocare.

L’ottimizzazione degli impegni di acquisto interviene sul prezzo pagato per l’utilizzo. Un’altra questione è stabilire se il carico di lavoro abbia bisogno di tutte le risorse che gli sono state assegnate. La funzionalità Rightsize di North consiglia il dimensionamento delle risorse in base al comportamento del carico di lavoro, alle esigenze di prestazioni e ai risparmi previsti. Distinguere questi meccanismi aiuta a capire su cosa interviene davvero una piattaforma di ottimizzazione: ottenere una tariffa migliore e ridurre le risorse utilizzate sono risultati diversi.

TokenFlow estende il modello all’utilizzo dell’IA

North sta inoltre sviluppando TokenFlow per riunire nello stesso ambiente l’utilizzo dei modelli, l’attribuzione dei costi, i budget e i controlli finanziari. Nell’annuncio del finanziamento, l’azienda lo descrive come parte del proprio impegno a considerare la spesa per cloud e IA come un unico problema finanziario.

La pagina del prodotto TokenFlow descrive il monitoraggio dell’utilizzo dei modelli, dei provider e dei team, l’attribuzione dei costi ai carichi di lavoro che li generano e l’applicazione di limiti o criteri per contenere l’utilizzo. Al momento della verifica, la pagina presentava ancora una lista d’attesa e indicava che l’accesso alla versione beta era riservato a una selezione di utenti. Queste informazioni sulla disponibilità pubblica vanno distinte dai più ampi piani di espansione annunciati in occasione del finanziamento.

Il valore dell’attribuzione va oltre la conoscenza del numero totale di token consumati. Un team deve capire quale funzionalità o flusso di lavoro ha generato il costo e se tale spesa contribuisce a un risultato utile. Anche una singola richiesta poco costosa può diventare una voce di bilancio significativa se un flusso di lavoro la ripete su larga scala.

Combinare l’utilizzo dei modelli con i costi dell’infrastruttura potrebbe rendere più evidenti questi compromessi. Ciò non determina automaticamente quale modello o approccio di distribuzione sia migliore: la scelta dipende ancora dai requisiti di qualità, dalla latenza, dai modelli di utilizzo e dal costo del sistema circostante.

Cosa indicano i dati sulla crescita di North

North annovera tra i suoi clienti AssemblyAI, Atlan, Tines, SnapLogic, Emplifi e Imply. Nel comunicato, Ben Gotthold, responsabile dell’inferenza di AssemblyAI, riferisce un tasso di risparmio effettivo di circa il 50%, nonostante l’espansione della sua infrastruttura nell’ultimo anno.

Si tratta di un risultato specifico di un cliente, non di un tasso di risparmio che ogni organizzazione dovrebbe aspettarsi. Anche i quasi 2 miliardi di dollari di spesa gestita e gli oltre 400 milioni di dollari di risparmi sono totali comunicati dall’azienda. Il comunicato non fornisce né una metodologia di calcolo dettagliata né un periodo di misurazione uniforme per confrontare questi dati.

Per chi acquista, il confronto utile riguarda il risultato finanziario ottenuto con i propri carichi di lavoro, tenendo conto dei costi dei servizi, del livello di utilizzo e degli impegni di acquisto. Ridurre il prezzo delle risorse di calcolo è importante, ma lo è anche capire se la domanda è cambiata e se una configurazione meno costosa mantiene le prestazioni richieste dall’applicazione.

Dalla visibilità all’esecuzione su vasta scala

L’amministratore delegato e cofondatore Matt Biringer descrive l’approccio di North come un modo per automatizzare le attività di FinOps, anziché lasciare ai team di ingegneria e finanza un’altra dashboard da interpretare. L’investimento di PeakSpan sostiene questo passaggio verso una gestione continua di una base di spesa più ampia.

Il round di Serie B mette North nelle condizioni di estendere questo approccio, mentre i costi operativi dell’IA sono sempre più legati alle decisioni di prodotto. La sfida esecutiva consiste nel collegare un’attribuzione accurata ad azioni utili, mantenendo chiari sia i poteri decisionali sugli acquisti sia i compromessi operativi. Per i clienti, il successo si misurerà in termini di costi prevedibili e di minore lavoro manuale per la gestione delle spese, man mano che crescono l’infrastruttura e l’utilizzo dell’IA.