Confronta oltre 50 strumenti di IA Agent

Abbiamo trascorso l'ultimo trimestre testando agenti IA in ambito codifica, servizio clienti, vendite, ricerca e flussi di lavoro aziendali. Non leggendo il marketing dei fornitori, ma utilizzando effettivamente questi strumenti quotidianamente per vedere cosa funziona e cosa no.

La maggior parte degli strumenti oggi sono co-piloti, non autopiloti. Gestiscono la ricerca e automatizzano le attività ripetitive, ma richiedono ancora il processo decisionale umano per tutto ciò che conta.

Cos'è un agente IA?

Un agente IA esegue cicli. Questa è la differenza fondamentale rispetto a un chatbot.

Fonte: GitHub¹

Non esiste un'unica definizione condivisa. L'IA tradizionale definisce gli agenti come sistemi che interagiscono con il loro ambiente. Alcune società di analisi li definiscono come sistemi completamente autonomi che operano indipendentemente per periodi prolungati, utilizzando strumenti come funzioni o API per interagire con l'ambiente circostante e prendere decisioni basate su contesto e obiettivi.² Altri usano il termine per descrivere implementazioni più prescrittive che seguono flussi di lavoro predefiniti.³

Ecco i fattori che fanno sì che un sistema IA sia considerato più agentico:

Ecco un esempio reale e una conversazione di un agente software open source che gestisce i deployment presso Humanlayer:⁴

Fonte: GitHub ⁵

Capacità dei sistemi di IA agentici

Adattato da: Cobus Greyling⁶

Per saperne di più: Agenti IA aziendali, Builder di agenti IA, modelli di azione su larga scala (LAM), e IA agentica nella cybersecurity.

Agenti di codifica

Cursor

Cursor rimane l'editor di codice IA più ampiamente adottato tra gli sviluppatori individuali. Nei thread di Reddit, anche chi preferisce altri strumenti si misura con esso.

Il suo vantaggio è la sensazione d'uso: integrazione IDE fluida costruita su VSCode, rapido cambio di contesto tra i file e un flusso di lavoro che privilegia la velocità rispetto all'intelligenza pura.

Cursor sta anche sviluppando, secondo quanto riportato, un agente di lavoro generico, chiamato internamente Sand, che risponderebbe alle email, organizzerebbe fogli di calcolo e gestirebbe attività non di codifica, posizionandosi come concorrente diretto di Claude Cowork e ChatGPT Work.⁷

Cursor ha anche rilasciato Automations, consentendo agli agenti di avviarsi automaticamente da una modifica del codice, un messaggio Slack o un timer, e ha rilasciato una beta pubblica per iOS con Remote Control e notifiche in tempo reale.⁸

Claude Code

Claude Code ha superato i $2.5 miliardi di fatturato annualizzato entro febbraio 2026, essendo raddoppiato dall'inizio dell'anno. Rappresenta più della metà di tutta la spesa aziendale per i prodotti Anthropic.⁹ Le aziende rappresentano il 80% del business complessivo di Anthropic e il numero di clienti che spendono oltre $100,000 all'anno per Claude è cresciuto di sette volte nell'ultimo anno.

Cowork si è espanso oltre il desktop a luglio 2026, arrivando su web e mobile (iOS e Android) in beta prima per gli abbonati Max.¹⁰ Le sessioni ora vengono eseguite in remoto sui server di Anthropic, così le attività pianificate continuano anche senza dispositivi online, e Chat e Cowork condividono un'unica scheda home con una barra laterale e un elenco progetti unificati.

L'applicazione è stata costruita da Claude Code stesso in circa 1.5 settimane. Il 30 gennaio, Anthropic ha aggiunto un sistema di plugin che permette l'automazione a livello di dipartimento tramite integrazioni MCP personalizzate, sotto-agenti e comandi slash.¹¹

Anthropic ha lanciato Code Review per Claude Code, un sistema multi-agente che invia un team IA per analizzare ogni pull request. La funzionalità è in anteprima di ricerca per utenti Team ed Enterprise. Nel deployment interno di Anthropic, i commenti sostanziali sulle PR sono aumentati dal 16% al 54% dopo il lancio.¹² Meno dell'1% dei risultati viene segnalato come errato dagli ingegneri e il sistema non approva le PR; quella decisione rimane agli umani.

GitHub Copilot

GitHub Copilot ha subito un'importante espansione nel 2026, passando da strumento di suggerimento codice a un ambiente di sviluppo multi-agente. L'aggiornamento CLI del 14 gennaio ha introdotto quattro agenti paralleli specializzati: Explore (Q&A rapida sul codebase senza ingombrare il contesto principale), Task e Code-review.

Questi agenti vengono eseguiti in simultanea, comprimendo ciò che prima richiedeva passaggi sequenziali in esecuzione parallela.¹³

Un aggiornamento di luglio 2026 ha aggiunto Codex come nuovo provider di agenti all'interno di Copilot CLI e degli IDE JetBrains (anteprima pubblica), insieme alla selezione della modalità di autorizzazione e al logging di debug per l'agente Claude.¹⁴

Lo stesso ciclo di rilascio ha portato gli strumenti browser agentici in disponibilità generale su VS Code, consentendo agli agenti di navigare pagine e validare app web direttamente nell'editor, oltre al supporto per finestre di contesto da 1M token su modelli compatibili di Anthropic e OpenAI.¹⁵

Kiro (AWS)

Kiro è passato dall'anteprima alla disponibilità generale il 7 maggio 2026, lanciandosi come successore diretto di Amazon Q Developer anziché come un aggiornamento incrementale di quest'ultimo.

Le nuove iscrizioni a Q Developer si sono fermate il 15 maggio 2026, con supporto che terminerà il 30 aprile 2027.¹⁶ Kiro è un IDE agentico guidato da specifiche che converte prompt in linguaggio naturale in requisiti strutturati, documenti di progettazione tecnica e attività di implementazione sequenziate.

Amazon ha imposto l'adozione interna di Kiro al posto di Claude Code, con circa il 70% dei suoi ingegneri software che hanno utilizzato Kiro almeno una volta. Tuttavia, circa 1,500 ingegneri Amazon hanno firmato un post sul forum interno a sostegno di Claude Code, citando le carenze prestazionali di Kiro come un impedimento alla produttività.

Questo ha creato un conflitto visibile: gli ingegneri commerciali AWS che vendono Claude Code tramite Amazon Bedrock non possono ufficialmente usarlo nel proprio lavoro di produzione.¹⁷

Agenti per flussi di lavoro aziendali

OpenAI Frontier

OpenAI ha lanciato Frontier nel 2026 come piattaforma aperta end-to-end per le aziende per costruire, distribuire e gestire agenti IA su modelli di qualsiasi fornitore. HP, Intuit, Oracle, State Farm, Thermo Fisher e Uber sono tra i primi adottanti. Frontier è la risposta diretta di OpenAI a IBM WatsonX, Orchestrate, Relevance IA e Salesforce Agentforce nell'orchestrazione di agenti aziendali.

OpenAI ha deprecato il suo framework Swarm e lanciato un Agents SDK unificato e agnostico rispetto al provider che supporta oltre 100 LLM, segnalando un passaggio da strumenti sperimentali verso infrastrutture di livello produttivo.¹⁸

Capacità chiave: Identità dell'agente definita con permessi espliciti e guardrail basati sui ruoli per ambienti regolamentati; valutazione della qualità integrata e cicli di feedback; un livello di contesto aziendale condiviso che collega data warehouse, CRM e app interne; e un runtime distribuibile on-premise, su cloud aziendale o ospitato da OpenAI.¹⁹

IBM Watsonx Orchestrate

IBM Watsonx Orchestrate punta all'orchestrazione di livello aziendale, con governance e sicurezza integrate. È progettato per settori regolamentati dove le tracce di audit e la conformità sono fondamentali.

Il compromesso è reale: tempistiche di implementazione più lunghe, costi più elevati e la necessità di aderire all'ecosistema IBM. Per le aziende che già utilizzano infrastrutture IBM, questa è l'opzione più difendibile. Per tutti gli altri, il sovraccarico raramente giustifica la scelta.

Relevance IA

Relevance IA combina analisi integrate con flussi decisionali. Ha successo integrandosi profondamente con le piattaforme aziendali più comuni, tra cui Salesforce, Slack, Notion e Google Analytics. Dove le piattaforme orizzontali offrono flessibilità, Relevance offre un percorso più rapido verso il deployment all'interno dei flussi di lavoro esistenti.

Agenti per il servizio clienti

Lyro di Tidio

Lyro di Tidio si concentra sulla chat dal vivo per PMI con capacità agentiche. Dai resoconti di utenti reali: gestisce il 70-80% delle domande comuni senza intervento umano e migliora con il feedback nei primi mesi. Crolla su domande che richiedono empatia o valutazioni discrezionali. Non è lo strumento giusto per situazioni complesse con i clienti.

Salesforce Agentforce

Salesforce Agentforce è diventato la piattaforma dominante di agenti per il servizio clienti di livello aziendale. Agentforce ha raggiunto $800 milioni di fatturato ricorrente annuale, in crescita del 169% anno su anno. Salesforce ha chiuso 29,000 contratti cumulativi dal lancio, con il numero di contratti in crescita del 50% trimestre su trimestre.²⁰ Oltre il 60% delle prenotazioni di Agentforce nel Q4 provenivano dall'espansione dei clienti esistenti, il che suggerisce che il prodotto sta offrendo un valore di produzione sufficiente perché i clienti espandano anziché abbandonare.

In un deployment di produzione presso UCSF Health, Agentforce Voice ha raggiunto una copertura delle attività del 88% utilizzando formazione basata su simulazione, significativamente al di sopra del 60-70% tipico degli approcci tradizionali.²¹

Il modello più ampio è coerente su tutte le piattaforme: gli agenti di servizio clienti funzionano bene su richieste ripetitive ad alto volume e faticano con compiti che richiedono valutazione, empatia o contesto multi-parte.

Ricerca e analisi

Kompas IA

Kompas IA è specializzato nella ricerca approfondita e nella generazione di report. Legge e sintetizza effettivamente articoli accademici, mantiene correttamente le citazioni, monitora continuamente nuove pubblicazioni e si integra con arXiv, PubMed e SSRN. Il compromesso è la velocità: ottimizza per l'accuratezza rispetto al throughput e costa di più per query rispetto all'IA generica. Per i lavoratori della conoscenza che necessitano di output difendibili e citati, questo compromesso ne vale la pena.

Beam IA

Beam IA gestisce flussi di lavoro pesantemente documentali, in particolare in ambienti dove l'estrazione di dati strutturati da grandi insiemi di documenti è il collo di bottiglia principale.

Otter.ai

Otter.ai rimane solido per gli appunti delle riunioni ma non si è evoluto molto oltre la trascrizione e il riepilogo di base dal 2024. Se è tutto ciò di cui hai bisogno, funziona ancora. Se hai bisogno di agenti che agiscano sui contenuti delle riunioni, cerca altrove.

Cosa differenzia gli agenti veramente utili

Autonomia vs. Controllo

La decisione più importante è quanta indipendenza desideri effettivamente. Gli agenti co-pilota come Cursor e Otter mantengono la supervisione umana nelle decisioni chiave, gestendo la ricerca e l'esecuzione ma richiedendo approvazione prima di azioni critiche. Le piattaforme di automazione strategica come n8n e Make seguono flussi di lavoro predefiniti con un processo decisionale in tempo reale minimo, il che è prevedibile e affidabile ma si interrompe quando si incontrano scenari imprevisti. I sistemi basati su regole rispondono a trigger senza comprensione contestuale, non realmente agentici ma preziosi per l'automazione semplice.

La maggior parte delle aziende nel 2026 opera con agenti di Livello 2-3. L'autonomia completa crea più problemi di quanti ne risolva a meno che non si siano costruite ampie protezioni.

Specializzati vs. Generici

Gli agenti specializzati incorporano una profonda conoscenza del dominio. Comprendono i flussi di lavoro del settore, la terminologia e i requisiti di conformità, raggiungono tassi di successo più elevati all'interno del loro dominio e sono completamente inadatti per casi d'uso adiacenti.

Le piattaforme orizzontali come LangGraph, watsonx Orchestrate e Relevance IA forniscono framework flessibili per costruire agenti personalizzati. Sacrificano l'ottimizzazione del dominio per la versatilità. LangGraph si concentra sulla generazione di flussi di lavoro multi-agente di livello produttivo, potente per sviluppatori che costruiscono sistemi complessi ma che richiede competenze tecniche. Relevance IA si rivolge agli utenti aziendali con modelli predefiniti e una configurazione più semplice. Gli agenti di ricerca come Kompas IA ottimizzano per l'accuratezza e la completezza rispetto alla velocità.

Profondità di integrazione

Anthropic ha donato MCP alla Agentic IA Foundation della Linux Foundation, rendendolo uno standard aperto e neutrale rispetto al fornitore sotto lo stesso modello di governance indipendente di Kubernetes e Node.js. MCP conta ora oltre 10,000 server pubblicati e 97 milioni di download mensili dell'SDK, con supporto di prima classe su Claude, Cursor, GitHub Copilot, Gemini, VS Code e ChatGPT.

Le integrazioni native con le piattaforme distinguono gli agenti focalizzati sul business. Beam IA e Relevance IA hanno successo integrandosi profondamente con Salesforce, Slack, Notion e Google Analytics. Il valore deriva meno dalle capacità IA e più dal flusso di dati senza interruzioni. Le architetture API-first come n8n e Make consentono integrazioni personalizzate ma richiedono competenze tecniche, supportando centinaia di connettori predefiniti pur consentendo nodi personalizzati.

Sicurezza e conformità

I requisiti di deployment in produzione creano grandi differenze architetturali. Gli agenti di livello aziendale come IBM WatsonX e gli agenti sanitari danno priorità a certificazioni di sicurezza (SOC 2, ISO 27001), tracce di audit, framework di conformità (GDPR, HIPAA), controllo degli accessi basato sui ruoli, crittografia dei dati e flussi di lavoro di governance. Questo sovraccarico infrastrutturale aumenta i costi ma consente il deployment in settori regolamentati.

Un notevole test reale di questi limiti: a febbraio 2026, tre agenzie del gabinetto statunitense hanno ordinato al personale di smettere di usare Claude dopo che Anthropic si è rifiutata di rimuovere i divieti contrattuali sulla sorveglianza domestica di massa e sulle armi completamente autonome.²² L'episodio illustra che le decisioni di governance prese a livello di fornitore hanno conseguenze operative dirette per i clienti aziendali in ambienti regolamentati o vicini al governo.

Gli strumenti orientati agli sviluppatori come LangGraph e gli agenti di codifica si concentrano su debugging, logging e integrazione con sistemi di controllo versione, servendo utenti tecnici che implementano la propria sicurezza. Gli strumenti orientati al consumatore spesso mancano del tutto di funzionalità di conformità aziendale.

Il problema di governance che nessuno ha ancora risolto

Gli strumenti di governance stanno iniziando a recuperare. Diverse soluzioni concrete sono state rilasciate:

• Cisco IA Agent Monitor per Splunk Observability Cloud: monitoraggio in tempo reale della qualità del flusso di lavoro degli agenti, costo per esecuzione e anomalie comportamentali, in fase di test pubblico. ²³
• OpenAI Frontier: a ogni agente viene assegnata un'identità definita con permessi espliciti, tracce di audit e guardrail, modellati su come le aziende gestiscono l'accesso dei dipendenti umani²⁴
• Agentic IA Foundation (AAIF), OpenAI, Anthropic e Block hanno co-fondato un consorzio sostenuto dalla Linux Foundation a dicembre 2025 per stabilire standard di governance aperti e neutrali rispetto al fornitore per l'IA agentica. AWS, Google, Microsoft, Bloomberg e Cloudflare hanno aderito come membri Platinum. Anthropic ha donato MCP alla fondazione, garantendo che rimanga uno standard industriale aperto anziché un protocollo proprietario²⁵

Cosa funziona, cosa no (esempi reali)

Cosa funziona davvero oggi

Assistenza alla codifica a Livello 3: combinazione Cursor + Claude Code utilizzata da migliaia di sviluppatori. Cursor per il flusso e l'iterazione rapida, Claude per i problemi difficili.

Flusso di lavoro tipico:

1. Usare Cursor per l'80% della codifica (implementazione di funzionalità, refactoring)
2. Quando bloccati, passare a Claude Code per il ragionamento architetturale
3. Lasciare che l'agente esegua i test, iteri sui fallimenti
4. Revisione umana dell'output finale prima del merge

Automazione dell'outreach commerciale: gli agenti IA qualificano i lead, prenotano riunioni e inviano follow-up. Le aziende segnalano un aumento di 2-3x della produttività del team di vendita.

Klarna ha distribuito agenti di vendita che gestiscono l'outreach iniziale e la qualificazione. I rappresentanti umani si concentrano su trattative complesse e costruzione di relazioni.

Servizio clienti per domande comuni: agenti che gestiscono il 70-80% delle richieste di routine durante gli orari non presidiati. I punteggi di soddisfazione del cliente sono migliorati perché le risposte sono immediate invece di "ti risponderemo domani".

Sintesi di ricerca: ricercatori accademici che usano agenti per analizzare nuovi articoli, estrarre sezioni rilevanti, mantenere database di citazioni. Risparmia ore di revisione manuale della letteratura.

Cosa non funziona ancora

Deployment completamente autonomo: agenti di Livello 4 che distribuiscono codice in produzione senza approvazione umana. Troppo rischioso per la maggior parte delle aziende. Anche con test approfonditi, i casi limite causano problemi.

Eccezione: sistemi semplici e ben delimitati dove i fallimenti sono recuperabili.

Situazioni complesse con i clienti: gli agenti falliscono quando è richiesta empatia, giudizio o comprensione sfumata. "Capisco che sei frustrato" da un agente suona vuoto.

Processo decisionale multi-stakeholder: gli agenti non possono navigare le dinamiche politiche d'ufficio, comprendere il contesto inespresso o leggere tra le righe nelle negoziazioni aziendali.

Strategia creativa: gli agenti possono eseguire tattiche ma non sviluppano approcci strategici innovativi. Ottimizzano entro parametri dati ma non mettono in discussione i parametri stessi.

Scopri altri nostri benchmark e approfondimenti basati sui dati nella Ricerca Google.

Aggiungi come fonte preferita

La realtà dei costi

Tutti parlano delle capacità degli agenti. Pochi discutono l'economia.

Costi diretti:

• Chiamate API ai modelli: $0.003-0.10 per 1K token (varia in base al modello)
• Esecuzione degli strumenti: API, fonti di dati, integrazioni
• Infrastruttura: hosting, calcolo per sistemi self-hosted

Costi nascosti:

• L'utilizzo della finestra di contesto si accumula rapidamente con conversazioni multi-turno
• Tentativi di esecuzione falliti (l'agente prova, fallisce, riprova: paghi per ogni tentativo)
• Tempo di debugging e perfezionamento
• Infrastruttura di governance e sicurezza
• Formazione del team per lavorare efficacemente con gli agenti

Le organizzazioni all'avanguardia trattano l'ottimizzazione dei costi degli agenti come una preoccupazione architetturale di primo livello. Costruiscono modelli economici nella progettazione degli agenti anziché adattare i controlli dei costi dopo il deployment.

Strategie di ottimizzazione esemplificative:

• Instradare le query semplici verso modelli più piccoli ed economici
• Utilizzare aggressivamente la cache dei prompt (riduzione dei costi del 90% per contesti ripetuti)
• Implementare circuit breaker per fermare gli agenti fuori controllo
• Monitorare l'utilizzo dei token per attività, ottimizzare i prompt
• Raggruppare le richieste quando la latenza non è critica

Se stai esaminando l'infrastruttura che alimenta l'IA agentica abilitata per il web, ecco i nostri ultimi benchmark:

• Browser remoti: Come l'infrastruttura browser consente agli agenti di interagire con il web in modo sicuro.
• Benchmark Browser MCP: I migliori server MCP per l'uso di strumenti e l'accesso web.

È in corso anche un cambiamento strutturale nel modo in cui i fornitori prezzano gli strumenti agentici. Il passaggio di Cursor a un sistema di crediti a doppio pool e il raggruppamento di Anthropic di Claude Code nei piani Team riflettono entrambi la normalizzazione del mercato dell'IA agentica come costo infrastrutturale di linea anziché come spesa per singola query. Le principali organizzazioni di ingegneria ora modellano la spesa per i token a livello di flusso di lavoro, non per singolo prompt.²⁶

Ulteriori letture

• Confronta 20 strumenti di sicurezza LLM e framework open-source

Cita questa ricerca

Scegli il formato adatto a dove pubblicherai. Incollare la versione con link nel tuo CMS preserva il backlink.

@misc{dilmegani2026,
  author = {Dilmegani, Cem},
  title  = {{Confronta oltre 50 strumenti di IA Agent}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/ai-agent-tools}},
  note   = {AIMultiple. Consultato il 22 Luglio 2026}
}

Collegamenti di riferimento

1.

GitHub - humanlayer/12-factor-agents: What are the principles we can use to build LLM-powered software that is actually good enough to put in the hands of production customers? · GitHub

2.

AI Agents: What They Are and Their Business Impact | BCG

Boston Consulting Group

3.

AI Agents — Introduction, Workflows and Application | by Sulbha Jain | Medium

Medium

4.

agents/deploybot-ts at main · got-agents/agents · GitHub

5.

agents/deploybot-ts at main · got-agents/agents · GitHub

6.

5 Levels Of AI Agents (Updated). 𝗔𝘂𝘁𝗼𝗻𝗼𝗺𝗼𝘂𝘀 𝗔𝗜 𝗔𝗴𝗲𝗻𝘁𝘀… | by Cobus Greyling | Medium

Medium

7.

PYMNTS | Cursor Prepares Workplace Agent to Challenge Claude Cowork

PYMNTS

8.

Cursor Release Notes - July 2026 Latest Updates - Releasebot

Releasebot

9.

Anthropic's Claude Code revenue doubled since Jan. 1 | Constellation Research

10.

Claude Cowork on web and mobile: hand off work anywhere | Claude by Anthropic

11.

Anthropic debuts Claude Cowork plugins to help users automate more tasks - SiliconANGLE

12.

Who Reviews the AI's Code? Anthropic Has an Answer.

Simpler Media Group, Inc.

13.

GitHub Copilot CLI Gains Specialized Agents, Parallel Execution, and Smarter Context Management

WinBuzzer

14.

Codex as agent provider and agentic enhancements in JetBrains IDEs - GitHub Changelog

15.

GitHub Copilot in Visual Studio Code, June 2026 releases - GitHub Changelog

16.

AWS Kiro IDE: Complete Launch Guide 2026 — Pricing, Features & Setup

17.

Amazon instructs its AI coding assistant, Kiro, to be used in production, but about 1,500 employees want to use Claude Code - GIGAZINE

18.

Introducing OpenAI Frontier | OpenAI

19.

OpenAI launches a way for enterprises to build and manage AI agents | TechCrunch

TechCrunch

20.

Salesforce FY2026 Results Show Subscription-Led Revenue Base as Agentforce Becomes a Fast-Growing Layer - Subscription Insider

Subscription Insider

21.

Salesforce Announces 2026 Connectivity Report - Salesforce

Salesforce

22.

Claude (AI) - Wikipedia

Contributors to Wikimedia projects

23.

Daily AI Agent News - Last 7 Days

24.

OpenAI launches a way for enterprises to build and manage AI agents | TechCrunch

TechCrunch

25.

ttps://www.linuxfoundation.org/press/linux-foundation-announces-the-formation-of-the-agentic-ai-foundation

26.

Cursor AI Doubles Down on Agents: Usage Limits Surge as Composer 1.5 Launches

AdwaitX

Cem Dilmegani

Analista principale

Segui

Cem è analista principale presso AIMultiple dal 2017. AIMultiple fornisce informazioni a centinaia di migliaia di aziende (secondo SimilarWeb), tra cui il 55% delle aziende Fortune 500, ogni mese. Il lavoro di Cem è stato citato da importanti pubblicazioni globali come Business Insider, Forbes, Washington Post, società globali come Deloitte e HPE, ONG come il World Economic Forum e organizzazioni sovranazionali come la Commissione Europea. È possibile consultare l'elenco di altre aziende e risorse autorevoli che hanno citato AIMultiple. Nel corso della sua carriera, Cem ha lavorato come consulente tecnologico, responsabile acquisti tecnologici e imprenditore nel settore tecnologico. Ha fornito consulenza alle aziende sulle loro decisioni tecnologiche presso McKinsey & Company e Altman Solon per oltre un decennio. Ha anche pubblicato un report di McKinsey sulla digitalizzazione. Ha guidato la strategia tecnologica e gli acquisti di un'azienda di telecomunicazioni, riportando direttamente al CEO. Ha inoltre guidato la crescita commerciale dell'azienda deep tech Hypatos, che ha raggiunto un fatturato annuo ricorrente a 7 cifre e una valutazione a 9 cifre partendo da zero in soli 2 anni. Il lavoro di Cem in Hypatos è stato oggetto di articoli su importanti pubblicazioni tecnologiche come TechCrunch e Business Insider. Cem partecipa regolarmente come relatore a conferenze internazionali di settore. Si è laureato in ingegneria informatica presso l'Università di Bogazici e ha conseguito un MBA presso la Columbia Business School.

Visualizza il profilo completo

Sii il primo a commentare

Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori. I commenti vengono lasciati nella loro lingua originale.

Nome

Indirizzo e-mail

Commento

0/450

Pubblica un commento