Nous Research ha affiancato una Serie B da 90 milioni di dollari a Hermes Business, portando il proprio progetto di agente open source verso i clienti aziendali. L’operazione di ottobre 2026 valuta la società, nata tre anni prima, 1,5 miliardi di dollari e porta i finanziamenti complessivi riportati a 158 milioni. Il compito più difficile arriva dopo: rendere affidabile un agente adattabile e capace di apprendere quando condivide la conoscenza di un’azienda e agisce attraverso strumenti.
Robot Ventures ha guidato il round, secondo Nous e le successive ricostruzioni. Hanno partecipato Nvidia, M12 di Microsoft, Samsung, Union Square Ventures, Menlo Ventures, Y Combinator e 1789 Capital. A luglio si parlava di almeno 75 milioni alla stessa valutazione. I 90 milioni finali costituiscono il round concluso, non un’ulteriore raccolta da sommare al progetto precedente.
Un’attività intorno all’ambiente dell’agente, non soltanto al modello
Hermes Agent è un’infrastruttura software open source di esecuzione, non il modello linguistico sottostante. I modelli generano e interpretano linguaggio; l’infrastruttura coordina istruzioni, strumenti, memoria persistente, messaggi ed esecuzione multistadio, comprese le autorizzazioni. Può funzionare con modelli diversi, riducendo la dipendenza da un fornitore e conservando le procedure costruite intorno all’agente.
Hermes Business aggiunge un’installazione condivisa con saldo centrale e un agente ospitato per ogni membro. L’offerta pubblicata comprende ruoli amministrativi, gestione dei membri, limiti di spesa individuali, visibilità centralizzata sui consumi e competenze condivise. Per i clienti maggiori Nous pubblicizza anche infrastrutture sotto controllo del cliente, cloud privato e installazione locale, accesso unico, impegni di servizio e avviamento personalizzato. Sono dichiarazioni di prodotto e distribuzione, non conferme indipendenti della sicurezza di ogni configurazione.
Una competenza è un insieme riutilizzabile di istruzioni o procedure per attività ricorrenti. Un responsabile prodotto potrebbe creare un metodo per sintetizzare interviste, un ingegnere una procedura di analisi degli incidenti, le operazioni commerciali uno schema per i dossier sui clienti. Condividerle potrebbe conservare il modo in cui i dipendenti combinano modelli, strumenti e informazioni interne, evitando configurazioni ripetute.
Non si tratta solo di rendere le informazioni ricercabili. Decisioni e pratiche si disperdono già tra documenti, chat, riunioni e cambiamenti di personale. L’agente aggiunge esecuzione al recupero della conoscenza, ma contesto obsoleto e accessi eccessivi possono trasformare una procedura utile in un errore ripetibile. Una competenza di assistenza valida per un prodotto, una regione o un segmento potrebbe produrre risposte sistematicamente sbagliate altrove.
Proprietà e controllo amministrativo sono promesse differenti
Fondata nel 2023 in opposizione all’AI centralizzata e chiusa, Nous descrive la raccolta come sostegno a sistemi aperti e verificabili. Il CEO Dillon Rolnick sostiene che persone e organizzazioni debbano possedere l’intelligenza costruita, comprese competenze e memoria accumulate. Codice ispezionabile e procedure trasferibili possono ridurre la ricostruzione necessaria quando un flusso vive interamente nell’applicazione di un fornitore.
I responsabili della sicurezza usano “controllo” anche in un secondo senso: autorità su dipendenti, sistemi collegati, credenziali e azioni automatiche. Un agente che apprende può cambiare una procedura senza che un amministratore riconosca la modifica operativa. La diffusione delle competenze coinvolge quindi chi può pubblicarle, esaminarle, aggiornarle o ritirarle, non soltanto chi possiede il software.
Separare la creazione personale dalla pubblicazione aziendale è un possibile progetto di governance, non l’affermazione che Hermes Business implementi già tutte queste protezioni. Revisori designati potrebbero verificare istruzioni, permessi, test e destinatari; le versioni potrebbero rintracciare guasti, il ripristino recuperare procedure precedenti e i limiti di ambito impedire che attività commerciali passino a ingegneria o finanza. Le semplici etichette delle funzioni non dimostrano questi dettagli.
La memoria persistente comporta obblighi analoghi. Dati dei clienti, decisioni interne, appunti ipotetici e conclusioni poi obsolete richiedono conservazione regolata, confini di accesso, correzione e cancellazione affidabile. Un riassuntore di documenti in sola lettura ha inoltre rischi diversi da un agente che invia messaggi, modifica registri, esegue codice o avvia processi finanziari. Privilegi minimi e approvazioni delle azioni importanti devono consentire lavoro utile senza autorizzare tutto implicitamente.
La scelta del modello non elimina la responsabilità operativa
L’indipendenza dai modelli permette di usarne uno per programmare e un altro per documenti lunghi, oppure adattarsi alla disponibilità senza ricostruire ogni flusso. Ma i modelli differiscono nell’interpretare istruzioni, nei formati degli strumenti e negli errori. Sostituzioni o aggiornamenti possono cambiare il comportamento anche se l’infrastruttura resta invariata.
Un’installazione aziendale richiede dunque procedure versionate, registri delle azioni, monitoraggio e recupero lungo l’intera catena. Se un aggiornamento rompe una chiamata a uno strumento, il cliente subisce un guasto di Hermes indipendentemente dal fornitore che ha cambiato il software. Nous deve aiutare a diagnosticare la catena anziché rimandare il cliente da un fornitore all’altro.
L’infrastruttura privata può migliorare custodia dei dati e personalizzazione, ma trasferisce anche lavoro. Servono ancora persone e processi per applicare correzioni, proteggere segreti, gestire identità e confini di rete, sorvegliare attività, mantenere servizi collegati e reagire agli incidenti. Codice aperto significa ispezionabile, non installazione sottoposta ad audit; possedere l’infrastruttura non decide quali azioni richiedano approvazione umana.
Microsoft, OpenAI e Anthropic seguono il percorso opposto. Partono da relazioni aziendali, identità gestite, controlli cloud e programmi di conformità, poi introducono agenti entro quei confini. Nous parte dall’agente adattabile scelto dagli sviluppatori e costruisce intorno il limite organizzativo. Gli investitori strategici portano contatti in calcolo, hardware e software aziendale, ma non sostituiscono valutazioni di sicurezza, negoziati legali, governance dei dati o progetti pilota.
Le metriche d’uso non contano i clienti aziendali
Nous stimava oltre 24 milioni di clonazioni di Hermes e circa il 2,5% del consumo mondiale di token AI. Nessuna delle due cifre è stata verificata indipendentemente. Senza una metodologia pubblicata in modo indipendente non si possono stabilire fornitori, modelli, carichi e periodi inclusi, tanto meno quante aziende affidino a Hermes attività importanti.
Il Wall Street Journal ha riportato separatamente oltre 22 milioni di download dal lancio di febbraio; in seguito TechCrunch ha citato la stima aziendale di oltre 24 milioni di clonazioni. Sono misure e osservazioni differenti, non una serie verificata di utenti unici. Una clonazione può corrispondere a produzione, esperimento, compilazione automatica o attività ripetuta della stessa persona. Tempi o aggiornamenti di misurazione possono spiegare la differenza, ma i resoconti non lo provano.
Il Journal indicava circa 36 milioni di dollari di ricavi annualizzati a metà settembre 2026 e l’aspettativa di superare 100 milioni prima di fine anno. Annualizzare significa proiettare un ritmo recente sull’anno: non equivale a ricavi già incassati o contabilizzati in dodici mesi. Il dato di fine anno era una previsione, non un risultato raggiunto; il consumo può far variare rapidamente quel ritmo.
I dati pubblici non dettagliavano organizzazioni attive, flussi in produzione, mantenimento dei clienti o rinnovi. Non distinguevano nemmeno abbonamenti ricorrenti, consumo dei modelli, contratti aziendali e domanda individuale temporanea. La prova commerciale riguarda quindi conversione e durata, non rinominare una grande metrica di repository o token come adozione aziendale.
La crescita dal basso incontra costi su entrambi i fronti
Il percorso proposto è noto nel software per sviluppatori: singoli introducono Hermes, i gruppi standardizzano risorse, gli amministratori comprano controlli centrali e le grandi organizzazioni passano a installazioni private. Gli agenti però concentrano gli accessi tra servizi. Un account compromesso, un’istruzione sbagliata o una competenza poco verificata possono colpire diversi sistemi anziché una singola attività collaborativa.
Anche l’assistenza varia con identità, infrastruttura, modelli, politiche dei dati e strumenti personalizzati, rendendo più difficile standardizzare e potenzialmente comprimendo i margini. Il finanziamento può ampliare vendite, supporto, sicurezza, infrastruttura e gestione prodotto, sostenendo installazioni maggiori. Non dimostra che tali costi producano già un’attività aziendale duratura.
La concorrenza viene da sistemi chiusi e aperti. I grandi fornitori possono unire agenti, modelli, contratti cloud e applicazioni di produttività esistenti. Gli ingegneri possono assemblare componenti pubblici; operatori di hosting e specialisti possono confezionare strumenti aperti senza le aspettative della valutazione di Nous. L’azienda deve rendere gestione e miglioramento più facili dell’alternativa interna, non semplicemente vendere codice.
OpenClaw illustra la scelta senza risolverla. TechRadar lo descriveva come più semplice da avviare, mentre Hermes sarebbe maggiormente orientato a imparare competenze da attività ripetute e alla personalizzazione profonda. Non è un benchmark definitivo. Le organizzazioni tecniche possono valorizzare ispezione e modifica; quelle meno tecniche preferire configurazioni prevedibili e procedure pronte. Servirle entrambe senza complessità superflua è un’altra sfida.
Quali prove sosterrebbero la proposta aziendale
Le prove successive più forti descriverebbero la profondità: flussi reali, gruppi attivi, durata dei piloti, espansione tra reparti e crescita ripetuta presso clienti esistenti. Un assistente di ricerca in sola lettura e un agente che opera in produzione rappresentano impegni molto differenti. Loghi senza contesto non chiariscono la distinzione.
Documenti concreti su approvazione delle competenze, restrizione degli strumenti, isolamento dei dati, memoria, ispezione e annullamento delle azioni rafforzerebbero la governance. Valutazioni indipendenti, procedure d’incidente e aggiornamenti trasparenti offrirebbero prove oltre la promessa di verificabilità. Una centralizzazione eccessiva elimina la sperimentazione, mentre controlli deboli impediscono di approvare impieghi importanti.
Infine, contratti aziendali ricorrenti, espansione e uso stabile sosterrebbero meglio i ricavi rispetto alla domanda individuale temporanea o al consumo sovvenzionato. Un pilota circoscritto su un’attività ricorrente, con permessi limitati, azioni registrate e criteri di successo definiti, può mostrare se l’automazione risparmia più lavoro di quanto la governance richieda. I 90 milioni finanziano questa prova; non ne stabiliscono l’esito.
Fonti e approfondimenti
Finanziamento · Sintesi dell’operazione · Controlli di Hermes Business · Approfondimento: conoscenza personale e di gruppo · Comunicato Nous · Confronto tra agenti · Ricavi e mercato aziendale · Collegamento originario