Databricks raggiunge una valutazione di 188 Mld $: cosa significa la scommessa sulla piattaforma dati per i team USA & UE

Yury Pukhov CEO & Mobile Engineering Lead, YuSMP Group · Consiglia i team USA e UE su build-vs-buy e strategia di prodotto

La risposta breve

Cosa ha annunciato davvero Databricks

Databricks ha dichiarato di aver firmato un term sheet per un round di finanziamento strategico che valuta l’azienda 188 miliardi di dollari, con l’investitore esistente Coatue alla guida e altri investitori nuovi ed esistenti a partecipare. L’azienda non ha indicato una cifra per il round in sé; fonti indipendenti lo hanno stimato intorno ai 3 miliardi, con chiusura attesa più avanti in estate. Ciò che colpisce del numero è la velocità: Databricks ha chiuso una Serie L da 5 miliardi a una valutazione di 134 miliardi a febbraio 2026, quindi questo segna un aumento di circa il 40 % in cinque mesi.

L’azienda è stata esplicita su dove va il capitale, ed è la parte utile per tutti noi. Ha indicato tre priorità: Unity AI Gateway, uno strato di governance che consente alle aziende di gestire e controllare il costo dell’uso dell’IA su più modelli; Genie, un «collega» IA che trasforma i dati aziendali in risposte e azioni; e Lakebase, un database Postgres serverless pensato per gli agenti IA. Tre prodotti, una tesi: il valore sta in dati governati, interrogabili e pronti per gli agenti — non nel possesso di un modello di frontiera.

Leggere la scommessa: i dati prima dei modelli

Tolto il dramma del finanziamento, l’affermazione interessante è di natura architetturale. Per due anni la conversazione sull’IA aziendale ha riguardato quale modello fosse il migliore. Questo round scommette che la domanda si stia già spostando verso un’altra, più noiosa ma più durevole: potete alimentare un modello con dati puliti, governati e autorizzati, a un costo prevedibile? Un gateway che governa molti modelli e ne controlla la spesa, e un Postgres ottimizzato affinché gli agenti leggano e scrivano, sono entrambi risposte a «il modello è facile; l’impianto è difficile.»

Ciò corrisponde a quanto la maggior parte dei team incontra davvero in produzione. Il blocco raramente è la qualità del modello; è la maturità dei dati — lineage, controllo degli accessi, freschezza e la capacità di lasciare che un agente o una pipeline tocchi la porzione giusta di dati senza toccare quella sbagliata. Una piattaforma valutata 188 miliardi per risolvere proprio quell’impianto è un segnale forte che l’industria ora tratta la base dati, non il modello, come l’asset scarso e difendibile.

La domanda sul lock-in che nessuno pone abbastanza presto

Un unico e potente piano di controllo ha un rovescio, ed è bene nominarlo prima di impegnarsi. Standardizzare dati, governance e accessi IA su una sola piattaforma offre velocità reale: un solo posto per il lineage, uno per le policy, uno per vedere e limitare la spesa IA. Concentra però anche la dipendenza dai formati, dalla curva dei prezzi e dalla roadmap di un fornitore. La comodità che rende attraente il consolidamento è esattamente ciò che rende costoso andarsene in seguito.

La mitigazione non è evitare le piattaforme — è così che i team restano lenti. È agire in modo deliberato: tenere i dati in formati di tabella aperti, isolare la logica di business dalle API proprietarie e decidere consapevolmente quali capacità adottare in profondità e quali mantenere portabili. Comprate la piattaforma per la leva e continuate a possedere la vostra architettura dati. «Alla portabilità penseremo dopo» è il modo in cui un avvio rapido diventa un contratto di cinque anni che non potete più rinegoziare.

Cosa significa per i team software USA & UE

Per i team statunitensi, la riformulazione pratica riguarda budget e sequenza. Se il fossato è lo strato dati, la spesa a maggiore leva non è un altro pilota di modello; è la maturità dei dati e la governance dei costi — il lavoro poco appariscente su pipeline, lineage, controllo degli accessi e limiti d’uso che decide se un pilota promettente arriva mai in produzione. La governance multi-modello rispecchia anche un problema che i team già avvertono con la spesa degli agenti: senza un piano di controllo, i costi dell’IA vanno alla deriva e nessuno risponde del numero.

Per i team UE e per chiunque venda in Europa, la scelta della piattaforma è anche una decisione di conformità. Con il GDPR e l’imminente EU AI Act, dovete sapere dove risiedono i dati di training e inferenza, chi può raggiungerli e come l’uso dell’IA viene registrato e controllato. Uno strato di governance può operazionalizzare questi controlli, ma la responsabilità resta vostra, non del fornitore. Nei settori regolamentati — una FinTech che tratta dati di pagamento, un operatore sanitario che gestisce cartelle cliniche — residenza dei dati e accesso IA verificabile devono essere nella valutazione della piattaforma dal primo giorno, non aggiunti dopo il go-live.

Su entrambe le sponde dell’Atlantico c’è una trappola di disciplina: trattare l’«adozione di una piattaforma IA» come un acquisto anziché come un cambiamento operativo. Gli strumenti valgono solo quanto i dati con cui li alimentate e la governance con cui li avvolgete. I team che vincono con questa svolta sono quelli che investono prima nella base e trattano la piattaforma come leva sopra di essa — non come scorciatoia per aggirare il lavoro.

Cosa fare questo trimestre

Non serve un budget da 188 miliardi per agire sul segnale. Dovete spostare le vostre priorità verso lo strato che il mercato ora prezza.

1. Verificate la maturità dei vostri dati. Mappate lineage, controllo degli accessi, freschezza e qualità per i dataset da cui dipendono i vostri piani IA. È di solito il vero blocco, e resta invisibile finché non lo si guarda.
2. Mettete un numero sulla spesa IA. Affidate a qualcuno la responsabilità dei costi di modelli e agenti e adottate o costruite un gateway che misuri l’uso su tutti i modelli — prima della fattura, non dopo.
3. Progettate ora per la portabilità. Tenete i dati in formati di tabella aperti e isolate la logica di business dalle API proprietarie di un singolo fornitore, così che una scelta di piattaforma resti una scelta.
4. Rendete la governance un requisito di primo piano. Per i team USA, legatela a SOC 2 e all’esposizione alle violazioni; per i team UE, agli obblighi di GDPR ed EU AI Act, inclusi residenza dei dati e registrazione degli accessi.
5. Comprate leva, non lock-in. Adottate le capacità di piattaforma che vi accelerano, ma continuate a possedere la vostra architettura dati e la vostra via d’uscita.
6. Sequenziate i piloti dietro la base. Eseguite gli esperimenti sui modelli sopra uno strato dati governato, anziché al posto di costruirne uno — è ciò che trasforma una demo in produzione.

Nulla di tutto ciò è consulenza sugli investimenti, e un term sheet non è un round chiuso. Ma il segnale strategico è difficile da ignorare: nell’IA aziendale, il vantaggio si consolida attorno a dati governati e pronti per gli agenti — e i team che costruiscono questa base otterranno di più da ogni modello rispetto a chi ne sta ancora cercando uno.

Domande frequenti

Fonti

Databricks — Databricks is Raising a Strategic Round of Funding at a $188 Billion Valuation, 16 luglio 2026 (fonte primaria)
Bloomberg — Coatue Leads Databricks Funding Round at $188 Billion Valuation, 17 luglio 2026
TechCrunch — Databricks hits $188B valuation, extending its run as AI’s favorite second act, 17 luglio 2026