G5 Labs ha presentato G5, una piattaforma cloud sicura progettata per trasformare requisiti aziendali, decisioni architetturali, policy e altri elementi dell’intento umano in una system ontology, cioè un grafo semantico strutturato che descrive cosa deve fare il sistema, perché determinate decisioni sono state prese e come queste si collegano al codice sottostante. La startup è stata fondata da Tim Kraska, professore di informatica al MIT, ed è uscita dallo stealth con un finanziamento seed da 14 milioni di dollari. L’idea alla base della piattaforma è rendere il linguaggio naturale il livello sorgente principale del software, lasciando che il codice in Python, Rust o altri linguaggi venga derivato da una rappresentazione semantica più alta e mantenuta nel tempo come riferimento canonico per sviluppatori, agenti AI e funzioni aziendali.
G5 non si limita a generare codice partendo da specifiche in linguaggio naturale, ma utilizza un compilatore bidirezionale capace di lavorare anche nella direzione opposta. Un’applicazione esistente può essere analizzata e “sollevata” dal codice sorgente verso l’ontologia, dalla quale vengono estratti workflow, modelli dati, regole di business e decisioni progettuali. Gli utenti umani possono quindi rivedere questa rappresentazione, modificarne requisiti e architettura e far generare nuovamente l’implementazione in linguaggi e framework convenzionali. Ogni nodo dell’ontologia è scritto in linguaggio naturale e collegato al codice che lo implementa, permettendo di risalire da una modifica del sorgente al requisito che l’ha originata e, viceversa, di modificare l’intento e propagare il cambiamento nell’implementazione.
L’ontologia include non soltanto le specifiche funzionali, ma anche regole trasversali relative a sicurezza, GDPR, infrastruttura, standard di coding e altre policy aziendali. G5 controlla continuamente la coerenza interna del grafo semantico e verifica che il codice rimanga conforme a quanto espresso nell’ontologia. La piattaforma mostra inoltre un Diff Graph che collega conversazioni, documenti, concetti semantici, componenti architetturali e file sorgente, insieme a informazioni sullo stato della revisione, avanzamento dell’implementazione e copertura dei test. Pull request, rebase, approvazioni e merge rimangono passaggi governati separatamente, in modo da mantenere tracciabilità anche quando una parte consistente del codice viene prodotta automaticamente.
Uno degli obiettivi è spostare la revisione del software dal puro confronto testuale alla semantica del cambiamento. Se due sviluppatori o agenti modificano la stessa applicazione ma soltanto uno specifica che un determinato pulsante debba essere rosso, G5 può riconoscere che l’altra modifica non esprime in realtà una preferenza incompatibile e trattare i due contributi come semanticamente compatibili. Se invece due modifiche definiscono requisiti di autenticazione tra loro incompatibili, il sistema può segnalarle come un conflitto reale che richiede una decisione. Questo livello intermedio è pensato per rendere più gestibile anche una quantità di codice generato dall’AI troppo elevata per essere revisionata manualmente riga per riga.
La piattaforma viene utilizzata anche per la modernizzazione del software legacy. Invece di tradurre direttamente un’applicazione da un vecchio linguaggio o framework a uno più recente, G5 cerca prima di recuperare le regole, le dipendenze e le decisioni che ne determinano il comportamento. L’impresa può quindi distinguere gli elementi che devono essere mantenuti dalle scelte tecniche ormai obsolete o dal debito accumulato nel tempo e generare una nuova implementazione partendo dall’ontologia aggiornata. G5 Labs riferisce che circa il 90% delle organizzazioni con cui sta lavorando appartiene al settore dei servizi finanziari e dichiara di avere già trasformato milioni di righe di codice legacy in ontologie semantiche, anche se questi numeri sono riportati direttamente dall’azienda.
Un secondo scenario riguarda la sostituzione di applicazioni SaaS con software proprietario costruito intorno ai workflow specifici dell’impresa. G5 Labs ritiene che la riduzione dei costi di implementazione resa possibile dagli agenti AI possa rendere economicamente sostenibile lo sviluppo di applicazioni altamente personalizzate al posto di servizi SaaS generalisti con canoni ricorrenti elevati. In questo modello l’azienda mantiene il controllo sia dell’applicazione sia della rappresentazione semantica che ne descrive il funzionamento, pur continuando a utilizzare modelli e coding agent esterni per produrre materialmente l’implementazione.
G5 non intende infatti sostituire strumenti come Claude Code o Codex. La piattaforma opera sopra il livello dei modelli e dei coding harness e può coordinare più agenti contemporaneamente, suddividendo un piano approvato in task verificabili e assegnando ciascuno al modello ritenuto più adatto. L’architettura è model-agnostic e consente di utilizzare modelli frontier per le parti più complesse e sistemi meno costosi per operazioni più semplici. Decisioni, risultati intermedi, linee guida architetturali e informazioni emerse durante il lavoro degli agenti vengono riportati nell’ontologia, così da non lasciare il reasoning operativo isolato all’interno delle singole sessioni di generazione.
Il livello di orchestrazione include anche controlli economici e di governance. Una richiesta apparentemente limitata formulata in linguaggio naturale può, per esempio, implicare una riscrittura architetturale molto più ampia: in questo caso G5 può stimare il costo potenziale prima dell’esecuzione e richiedere un’ulteriore conferma. Le modifiche vengono inoltre associate a processi di approvazione e policy aziendali, permettendo di ricostruire chi abbia autorizzato un intervento, quale agente sia stato coinvolto e se l’implementazione finale rispetti i requisiti previsti.
Il posizionamento di G5 si inserisce in un mercato nel quale sono già presenti diverse forme di sviluppo spec-driven. Amazon Kiro utilizza requisiti, design e task strutturati, GitHub Spec Kit tratta spec.md come contratto vivente e può confrontare l’implementazione con specifiche e piano, mentre AveriSource utilizza modelli intermedi per recuperare regole di business e modernizzare applicazioni legacy. G5 Labs cerca di differenziarsi mantenendo un unico grafo semantico persistente a livello dell’intera applicazione, collegato bidirezionalmente al codice, capace di preservare separatamente l’intento umano e le scelte effettuate dagli agenti e utilizzato anche per merge semantici, policy e governance.
G5 è attualmente offerto attraverso deployment enterprise e non dispone di un piano self-service pubblico. La configurazione standard è basata su un ambiente cloud gestito al quale i clienti ricevono le credenziali di accesso, ma l’azienda afferma di poter supportare anche organizzazioni, come banche e soggetti regolamentati, con requisiti infrastrutturali più restrittivi. I dati rimangono sotto il controllo dell’impresa e il sistema può operare all’interno degli accordi già stipulati con i provider dei modelli, comprese configurazioni zero-data-retention quando disponibili.
Il prezzo non è ancora stato definito pubblicamente. Il costo complessivo per un’azienda comprenderà quindi non soltanto il futuro prezzo della piattaforma G5, ma anche l’utilizzo dei modelli e delle API sottostanti, la migrazione iniziale, la costruzione dell’ontologia e il lavoro continuativo di governance. Tra gli aspetti che rimangono da chiarire figurano inoltre portabilità ed esportazione dell’ontologia, procedure di recovery, opzioni precise di isolamento e deployment, SLA, sistemi di version control supportati, controlli amministrativi e meccanismi per evitare che la stessa ontologia diventi una nuova forma di lock-in tecnologico.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)