Replit, piattaforma specializzata nello sviluppo di software mediante intelligenza artificiale, utilizza la tecnologia di Antithesis per verificare il comportamento delle applicazioni attraverso un sistema di simulazione deterministica, integrando le capacità di generazione del codice dei modelli linguistici con strumenti di collaudo basati sull’esecuzione effettiva dei programmi. Luis Chávez, Chief Technology Officer di Replit, ha confermato l’impiego della piattaforma commerciale sviluppata dalla società statunitense Antithesis, con sede in Virginia, per sottoporre il software a condizioni operative controllate e identificare anomalie che potrebbero non emergere attraverso una semplice revisione automatica del codice. La tecnologia, denominata Deterministic Simulation Testing, permette di riprodurre l’esecuzione di un programma mantenendo sotto controllo le variabili che ne influenzano il comportamento, come la sequenza delle operazioni, la gestione del tempo, le comunicazioni di rete e il verificarsi di malfunzionamenti nei componenti infrastrutturali. Il principio deterministico si distingue dal comportamento probabilistico dei grandi modelli linguistici, che possono generare risposte differenti anche quando ricevono richieste sostanzialmente equivalenti. Nel caso di Antithesis, tuttavia, la determinazione non riguarda il processo con cui l’intelligenza artificiale produce il codice, ma la possibilità di ripetere esattamente le condizioni nelle quali il software viene eseguito, consentendo agli sviluppatori di osservare nuovamente un errore e verificare in maniera riproducibile gli effetti delle successive correzioni.
La piattaforma Antithesis esegue i programmi all’interno di un ambiente virtualizzato controllato, nel quale vengono introdotte artificialmente condizioni di guasto e situazioni operative problematiche, fra cui ritardi nelle comunicazioni di rete, interruzioni dei server e malfunzionamenti dei sistemi di archiviazione. L’obiettivo è individuare comportamenti non corretti che possono manifestarsi soltanto in determinate combinazioni di eventi e che, proprio per questo, risultano difficili da riprodurre con i tradizionali test applicativi. Quando viene identificata un’anomalia, il sistema consente di ricostruire le condizioni esatte nelle quali si è verificata, rieseguire il programma lungo il medesimo percorso operativo e controllare se le modifiche introdotte nel codice eliminino effettivamente il difetto. Per realizzare questa modalità di verifica, Antithesis utilizza un hypervisor sviluppato internamente, capace di gestire l’ambiente virtuale e controllare fattori determinanti per la riproducibilità, tra cui l’ordine di esecuzione delle operazioni, il tempo e le interazioni di rete. L’utilizzo dell’hypervisor consente quindi di intervenire su componenti dell’ambiente che, nei normali sistemi distribuiti, possono produrre comportamenti difficili da prevedere a causa della concorrenza tra processi, delle comunicazioni asincrone e della variabilità delle condizioni infrastrutturali. La metodologia non si limita a individuare difetti attraverso l’analisi statica del sorgente, ma verifica direttamente gli effetti delle diverse condizioni sul funzionamento del programma.
La decisione di Replit di adottare una piattaforma specializzata nella verifica deterministica si collega ai limiti osservati nell’impiego dei modelli linguistici come strumenti autonomi di controllo della qualità e della sicurezza del software. Chávez ha evidenziato che il comportamento probabilistico degli LLM rende particolarmente difficile affidare esclusivamente a questi sistemi l’individuazione completa dei problemi presenti in un’applicazione, perché la valutazione può cambiare tra esecuzioni differenti. Le verifiche basate sull’intelligenza artificiale possono inoltre generare falsi positivi, segnalando come difettose porzioni di codice che in realtà non presentano anomalie. Già nel gennaio 2026 Replit aveva pubblicato una ricerca interna sui limiti dell’analisi automatizzata delle vulnerabilità, rilevando che lo stesso problema di sicurezza poteva ricevere valutazioni differenti a seconda della formulazione del codice o della struttura della richiesta sottoposta al modello. La società aveva quindi indicato la necessità di combinare il ragionamento dei sistemi AI con strumenti consolidati di analisi statica e controllo delle dipendenze software. L’introduzione di Antithesis estende questa impostazione alla verifica dinamica, aggiungendo un ambiente nel quale i programmi possono essere eseguiti e sottoposti a condizioni di guasto riproducibili, senza affidare esclusivamente al modello linguistico la determinazione dell’effettiva correttezza del comportamento osservato.
La tecnologia di simulazione deterministica non è stata sviluppata originariamente per rispondere alla diffusione degli strumenti di programmazione basati sull’intelligenza artificiale. I fondatori di Antithesis avevano già utilizzato un approccio analogo durante lo sviluppo di FoundationDB, un database distribuito progettato per garantire proprietà rigorose di affidabilità e consistenza. Nel 2018 avevano costituito Antithesis con l’obiettivo di estendere questa metodologia ad altre categorie di software. Uno dei principali ambiti applicativi riguarda proprio i sistemi distribuiti, nei quali più server cooperano per elaborare richieste, conservare informazioni e garantire la continuità delle operazioni. In questi ambienti, problemi legati alla sincronizzazione, alla concorrenza, ai ritardi di rete o al guasto di singoli componenti possono compromettere il rispetto delle proprietà attese dal sistema. La verifica consiste nel definire le condizioni che devono rimanere valide durante l’esecuzione e nell’esplorare differenti percorsi operativi, comprese situazioni di malfunzionamento, per individuare eventuali violazioni. La riproducibilità deterministica permette di analizzare gli eventi che hanno condotto al problema senza dover attendere che la stessa combinazione di circostanze si ripresenti spontaneamente. Questa capacità non costituisce comunque una prova formale dell’assenza di qualsiasi errore o vulnerabilità, poiché la copertura delle verifiche dipende dalle proprietà definite, dagli scenari esplorati e dalle caratteristiche del software sottoposto al test.
Will Wilson, amministratore delegato di Antithesis, ha evidenziato come l’intelligenza artificiale abbia reso notevolmente più semplice la produzione di software, senza determinare un miglioramento equivalente nella capacità di verificarne il corretto funzionamento. Il problema riguarda la crescente disponibilità di sistemi capaci di generare applicazioni articolate, rispetto ai quali rimane necessario dimostrare che il codice prodotto rispetti i requisiti funzionali e mantenga comportamenti affidabili in condizioni operative non ideali. Un’impostazione parzialmente analoga è stata adottata anche da Salesforce per i propri agenti aziendali, attraverso l’integrazione di procedure automatizzate deterministiche nei processi che non devono dipendere esclusivamente dalle decisioni probabilistiche di un modello linguistico. In un caso operativo, il mancato invio di un questionario di soddisfazione al termine di un’interazione con un cliente è stato risolto introducendo un trigger capace di eseguire obbligatoriamente l’attività al verificarsi delle condizioni stabilite. Le due applicazioni rimangono tecnicamente differenti: Salesforce utilizza regole deterministiche per garantire l’esecuzione di specifiche procedure aziendali, mentre Antithesis interviene durante il collaudo del software per controllare e riprodurre le condizioni nelle quali si manifestano gli errori. Entrambe separano tuttavia le attività che possono essere affidate al ragionamento di un modello da quelle per le quali è necessario ricorrere a meccanismi espliciti di controllo e verifica.
Antithesis ha registrato una crescita commerciale significativa in parallelo all’espansione della domanda di strumenti di verifica del software. Wilson ha dichiarato che il fatturato del trimestre conclusosi nell’agosto 2026 ha superato la somma dei ricavi conseguiti nei cinque trimestri precedenti, senza comunicare l’ammontare assoluto delle vendite. Nel dicembre 2025 la società aveva raccolto 105 milioni di dollari attraverso un finanziamento di Serie A guidato da Jane Street, mentre tra i clienti figurano Palantir e Datadog. La diffusione della piattaforma in organizzazioni che sviluppano e gestiscono infrastrutture software complesse evidenzia l’applicabilità della metodologia deterministica a contesti caratterizzati da elevate esigenze di affidabilità. L’impiego da parte di Replit introduce questa tecnologia anche nel processo di sviluppo assistito dall’intelligenza artificiale, nel quale la generazione del codice e la verifica del comportamento vengono trattate come attività distinte ma complementari. La prima può beneficiare delle capacità dei modelli linguistici di produrre e modificare programmi, mentre la seconda richiede l’esecuzione controllata del software, la riproduzione degli errori e la verifica delle proprietà operative richieste.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)