LinearB ha presentato Agentic Studio, una piattaforma progettata per fornire agli agenti di intelligenza artificiale impiegati nello sviluppo software informazioni sul contesto tecnico e organizzativo dei progetti ai quali stanno lavorando. Annunciata il 2 novembre 2026, la soluzione combina l’analisi dei processi di software delivery con un livello di contestualizzazione che collega strumenti di pianificazione, repository di codice, sistemi di revisione e procedure di rilascio. L’obiettivo è consentire agli agenti di prendere decisioni sulla base non soltanto del codice disponibile, ma anche delle caratteristiche dei servizi interessati, delle modifiche precedenti, delle responsabilità dei gruppi di sviluppo e dei problemi già riscontrati nel ciclo di distribuzione. Agentic Studio è disponibile per tutti i clienti LinearB, mentre le nuove Agent Skills, fra cui una prima funzionalità dedicata alla regolazione dello sforzo computazionale in funzione delle caratteristiche delle attività, sono distribuite in accesso anticipato. La piattaforma affronta una difficoltà operativa riscontrata nei sistemi di programmazione assistita: l’aumento del codice prodotto attraverso strumenti AI non comporta necessariamente una riduzione proporzionale dei tempi di revisione, integrazione e rilascio, soprattutto quando gli agenti non dispongono delle informazioni necessarie per valutare le conseguenze delle modifiche.
Il livello di engineering context sviluppato da LinearB raccoglie informazioni provenienti dai sistemi utilizzati durante il ciclo di sviluppo e le normalizza in una rappresentazione comune. La piattaforma riconcilia le identità degli sviluppatori tra Git e gli strumenti di gestione dei progetti, collega le modifiche software ai ticket di origine e alle successive fasi di distribuzione e integra dati relativi all’attribuzione delle attività svolte con l’intelligenza artificiale, alle metriche di produttività e ai benchmark. Questa struttura permette di interpretare una pull request insieme alla cronologia del servizio interessato, considerando eventuali incidenti recenti, frequenza delle rilavorazioni, complessità delle responsabilità e precedenti modifiche problematiche. Un intervento apparentemente semplice, valutato soltanto attraverso i file modificati, può infatti avere implicazioni differenti se riguarda un componente critico o un servizio caratterizzato da errori ricorrenti. Attraverso Agentic Studio, i responsabili tecnici possono interrogare queste informazioni in linguaggio naturale, ottenere indicazioni operative e utilizzare strumenti AI per costruire metriche, dashboard e altri elementi di analisi. LinearB dichiara inoltre che la piattaforma comprende controlli di accesso basati sui ruoli, attraverso i quali le organizzazioni possono stabilire quali informazioni rendere disponibili ai diversi utenti.
La prima Agent Skill introdotta in accesso anticipato riguarda la determinazione del livello di elaborazione appropriato per una specifica attività di programmazione. Il sistema considera la rilevanza aziendale dell’intervento, la sua complessità e il rischio associato, utilizzando segnali operativi come la frequenza delle rilavorazioni, gli incidenti recentemente verificatisi nei servizi coinvolti e la cronologia delle responsabilità tecniche. Sulla base di queste informazioni, una modifica a basso rischio può essere indirizzata verso un’elaborazione meno onerosa, con un numero inferiore di token e un processo di analisi più leggero, mentre interventi più delicati possono richiedere un livello superiore di ragionamento, verifica e test. LinearB prevede una classificazione delle attività secondo livelli di sforzo basso, medio e alto, consentendo ai responsabili di osservare con quale frequenza i compiti vengono assegnati alle diverse categorie. Secondo la società, la funzionalità può essere utilizzata con qualsiasi agente di programmazione, indipendentemente dal modello sottostante. Non sono tuttavia stati pubblicati risultati comparativi relativi a specifici agenti né misurazioni quantitative dei risparmi di token effettivamente ottenuti. La capacità annunciata riguarda quindi l’adattamento delle risorse alle caratteristiche dei compiti, mentre l’entità dei benefici economici rimane da verificare attraverso utilizzi operativi documentati.
L’integrazione con gli strumenti già utilizzati dagli sviluppatori viene realizzata anche attraverso il Model Context Protocol, o MCP, che permette ai client AI compatibili di accedere ai dati e alle funzionalità esposte da LinearB. Il server MCP della società consente di interrogare in linguaggio naturale le metriche di software delivery, effettuare analisi dei colli di bottiglia, produrre report personalizzati e ottenere indicazioni relative all’automazione delle revisioni o all’assegnazione delle attività. Il protocollo costituisce il collegamento tecnico tra l’agente e i sistemi informativi, mentre il livello di contesto sviluppato da LinearB permette di interpretare le relazioni tra repository, modifiche, persone e processi. La società descrive questa impostazione come context engineering, cioè selezione e organizzazione delle informazioni effettivamente necessarie all’esecuzione di un compito, anziché semplice accumulo indiscriminato di contenuti nella finestra contestuale del modello. La valutazione comprende il codice da modificare, l’obiettivo aziendale dell’intervento, le dipendenze tra sistemi e i limiti di accesso assegnati all’agente. Rimane tuttavia una distinzione tra i controlli basati sui ruoli annunciati per Agentic Studio e le autorizzazioni applicate attraverso tutte le implementazioni MCP già disponibili: nella documentazione pubblica del server MCP, il supporto a permessi limitati in base all’utente figura ancora tra le funzionalità previste, senza che risulti confermata la piena corrispondenza tra ogni autorizzazione della piattaforma e quelle ereditate dai client MCP.
LinearB ha accompagnato il lancio con dati provenienti dai propri benchmark 2026, elaborati su un insieme comprendente 2,7 milioni di pull request, 83.000 sviluppatori e 253 organizzazioni. Secondo le rilevazioni aziendali, gli sviluppatori che utilizzavano strumenti AI per almeno il 75% delle giornate dedicate alla programmazione hanno registrato un incremento del 96% nel numero di pull request integrate settimanalmente rispetto all’anno precedente. Il dato descrive un’associazione osservata nei processi di sviluppo e non dimostra che l’intero aumento sia stato causato direttamente dall’intelligenza artificiale. Le analisi richiamate dalla società indicano inoltre che le modifiche assistite dall’AI tendono a essere più estese e che le pull request create dagli agenti possono rimanere in attesa di revisione per periodi sensibilmente più lunghi. L’incremento delle attività di generazione del codice può quindi trasferire una parte del carico operativo verso le fasi successive del processo, rendendo necessario individuare le cause concrete dei rallentamenti.
Tra i casi applicativi presentati figura Kraken, che ha utilizzato il server MCP di LinearB insieme a strumenti di intelligenza artificiale per analizzare i ritardi nelle revisioni del codice. L’indagine ha individuato nella distribuzione dei fusi orari e nella disponibilità dei revisori fattori più rilevanti della dimensione delle modifiche, permettendo al gruppo di intervenire sull’organizzazione del processo. Secondo LinearB, nell’arco di quattro mesi Kraken ha ridotto di oltre la metà il tempo di revisione misurato al novantesimo percentile, un indicatore che rappresenta la soglia entro la quale viene completato il 90% delle revisioni osservate. La società prevede di ampliare progressivamente la gamma delle Agent Skills, introducendo ulteriori funzionalità dedicate alla revisione, all’integrazione delle modifiche e alla governance dei processi di sviluppo. Queste capacità aggiuntive costituiscono sviluppi futuri e non devono essere confuse con le funzionalità già disponibili nella piattaforma. Agentic Studio introduce pertanto un’integrazione tra agenti di programmazione, dati operativi e informazioni organizzative, con un primo meccanismo dedicato alla distribuzione selettiva dello sforzo computazionale e strumenti per collegare l’attività degli agenti ai risultati effettivi del processo di sviluppo e rilascio software.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)