MongoDB spinge sull'infrastruttura per agenti mentre il traffico di ricerca continua a calare

L'annuncio è arrivato in un post sul blog di MongoDB datato 29 settembre 2026, firmato da un dirigente che ha detto che il consiglio gli aveva chiesto di subentrare come CEO ad interim dopo il "cambio di vertice di questa settimana". Insieme ad Atlas Agent Engine, MongoDB ha dichiarato di rilasciare MongoDB 9.0 e una nuova opzione di deployment chiamata Atlas Infinite, che permette a storage e calcolo di "scalare in modo indipendente al variare della domanda".

Secondo la pagina del prodotto, Atlas Agent Engine è neutrale rispetto a modelli e framework ed è costruito su standard aperti tra cui MCP e A2A. L'azienda afferma che il runtime traccia ogni chiamata al modello, ogni chiamata agli strumenti e ogni accesso alla memoria, e che le policy si propagano dal livello dell'organizzazione e non possono essere aggirate a valle.

Questo è il messaggio promozionale. Che gli strumenti di governance siano ciò che le imprese comprano davvero resta da dimostrare. Il prezzo dell'anteprima pubblica, osserva MongoDB, è "soggetto a modifiche".

Dove girano davvero gli agenti

Altrove nello stack, la stessa settimana ha prodotto un gruppo di lavori open source e di ricerca volti a rendere le decisioni degli agenti più economiche e più misurabili. Il 29 settembre il progetto OpenJev ha pubblicato un motore decisionale compatibile con Jev che restituisce risposte tipizzate, Choice, Score o Noul, da modelli a pesi aperti in un singolo forward pass, senza parsing JSON. Il suo README riporta 290 ms per una domanda e 328 ms per 27, con i token di output che salgono da 23 a 594. Il progetto dichiara apertamente di essere indipendente e "non affiliato né approvato da TypeSafe".

Il routing è l'altra metà del problema dei costi. Unblocked ha raccontato di aver costruito un router adattivo per l'inferenza su modelli a pesi aperti, che spostava il traffico tra Baseten, Fireworks e CoreWeave in base a costo e velocità misurati. Con il round-robin, Fireworks serviva il 51% dei task GLM 5.2 e Baseten il 49%, anche se i prezzi di Fireworks erano più alti del 25%. Un ordine fisso ha poi portato Baseten al 98,5%. I prezzi di listino di CoreWeave erano circa il 45% sotto quelli di Baseten, ma il team non aveva dati sulle prestazioni.

Due articoli di economia sono usciti il 29 settembre con numeri più solidi. Un working paper NBER di Matthew Schwartz, Isaiah Andrews e Jesse M. Shapiro ha eseguito un workflow LLM su 4.452 pacchetti di replica pubblicati da cinque riviste di economia e ha segnalato discrepanze in 3.460 articoli o nei loro allegati. In 496 articoli ha ridotto il tempo di calcolo di un'operazione di più di un fattore 10 con accuratezza simile o superiore, e in 923 ha prodotto un'estensione assente dall'articolo originale. Il paper dichiara che Schwartz ha lavorato come collaboratore per Anthropic e che i risultati non sono approvati da Anthropic.

La tesi macro, e il suo metodo

Un secondo articolo, il working paper NBER 35793, misura l'effetto dell'AI attraverso un solo canale: l'ingegneria del software. Gli autori usano la sensibilità dei rendimenti azionari a un indice AI e la quota di salari che ogni azienda destina all'ingegneria del software. Da questi dati stimano che tra novembre 2022 e dicembre 2025 l'AI abbia aumentato il valore attuale atteso della produttività dell'ingegneria del software sul mercato per l'equivalente di un incremento permanente del 32,6%. Il loro effetto di base sul PIL è del 3,6%, che sale al 6,5% se una maggiore produttività dell'ingegneria del software aumenta anche la produttività della R&S. Entro metà 2026, scrivono, l'effetto era più che raddoppiato rispetto alla fine del 2025.

Si tratta di una misura prospettica derivata dai prezzi, non di un conteggio diretto della produttività, e gli autori la presentano come tale.

Sul campo, il CTO di Picnic Daniel Gebler ha detto a The Global Move che la sua azienda "assume per il vantaggio che l'AI ci dà", non nonostante quel vantaggio. Picnic impiega circa 400 ingegneri. Gebler ha detto che 25.000.000 delle 50.000.000 di righe di codice dell'azienda sono state scritte da analisti e non da ingegneri, e che Picnic ha frenato sulla velocità di rilascio guidata dall'AI perché 10 volte più esperimenti battono 10 volte più rilasci.

Il lato del traffico della storia è meno incoraggiante per chiunque abbia un business che dipende dalle referral di ricerca. I titoli recenti raccolti per contesto indicano che i cali di traffico di ricerca Google si sono inaspriti fino al 40% su base annua per gli editori al 24 settembre, con piccoli siti che riportano cali fino al 60%. Sono riassunti di titoli, non fatti che questo pezzo può verificare in modo indipendente, ma inquadrano le notizie sull'infrastruttura della settimana: gli strumenti che si costruiscono ora danno per scontato che le risposte arrivino senza un clic.

Manticore Search ha reso esplicita questa assunzione in un post del 29 settembre, sostenendo che la ricerca full-text funziona ancora bene per SKU e nomi esatti ma non basta più da sola a portare un utente a una risposta. Google ha riferito a maggio 2026 che AI Mode aveva superato un miliardo di utenti mensili, nota il post, e le persone pongono domande più lunghe che non entrano mai in un campo per parole chiave.