Databricks vale 188 miliardi e la sua prossima scommessa potrebbe ridisegnare l'IA aziendale
In cinque mesi, Databricks ha aggiunto 54 miliardi di dollari alla propria valutazione senza essere quotata in alcuna borsa. È passata da 134 miliardi a febbraio 2026 a 188 miliardi a luglio, guidata da un nuovo round strategico capeggiato da Coatue Management. PitchBook stima l'importo in 3 miliardi di dollari in azioni privilegiate. La società non ha confermato la cifra, ma ha firmato il term sheet. La chiusura è attesa prima della fine dell'estate.
Ciò che colpisce non è solo il numero. È la velocità con cui si muove la struttura di potere del mercato dei dati aziendali, e quanto deliberatamente Databricks stia scegliendo di restare fuori dai mercati pubblici mentre costruisce dall'interno.
---
Il denaro non arriva a un'azienda di dati. Arriva a una scommessa su chi controlla lo strato dell'intelligenza aziendale
Per capire perché Coatue torni a investire a una valutazione più elevata, bisogna capire cosa sta comprando in realtà. Databricks non è, in senso stretto, un'azienda di archiviazione dati. Non è nemmeno un fornitore di modelli di intelligenza artificiale. È una società che vuole occupare lo spazio tra i due: il luogo in cui i dati proprietari di un'organizzazione si connettono con i modelli di IA che li elaborano.
Quello spazio, oggi frammentato e tecnicamente complicato, è il campo di battaglia più intenso dell'industria tecnologica. E Databricks ha tre mosse in corso che rivelano una lettura molto specifica del momento.
La prima è Unity AI Gateway, uno strato di gestione che consente alle aziende di amministrare quali modelli di IA utilizzano, in quali condizioni e a quale costo. Non è infrastruttura di calcolo. È governance dei modelli. Questo è importante perché le grandi organizzazioni stanno cominciando a scoprire che avere accesso a decine di modelli non risolve nulla: il nuovo problema operativo è decidere quale modello usare per ogni attività senza che i costi esplodano.
La seconda mossa è Genie, descritto come un collaboratore di IA che risponde a domande e compie azioni utilizzando i dati aziendali. Qui la scommessa è più rischiosa. Il passaggio da data center a interfaccia conversazionale è un salto che molti fornitori hanno tentato con risultati eterogenei. Il differenziatore che Databricks intende sostenere è che Genie non opera su dati generici, bensì sui dati specifici del cliente, archiviati ed elaborati all'interno della propria piattaforma. Se questo funziona con coerenza, la fidelizzazione dei clienti cambia natura: abbandonare Databricks implicherebbe perdere il contesto accumulato.
La terza è Lakebase, un database costruito per applicazioni guidate da agenti di IA. Questo punta a un orizzonte leggermente più lontano, in cui i flussi di lavoro automatizzati necessitano di un'archiviazione progettata per la scrittura e lettura intensiva da parte di processi autonomi, non di analisti umani. È infrastruttura per un mondo in cui gli agenti prendono decisioni senza attendere la conferma umana a ogni passo.
I tre prodotti insieme non sono un portafoglio diversificato. Sono un argomento architetturale: Databricks vuole essere lo strato in cui l'intelligenza artificiale aziendale tocca terra.
---
La frase più rivelatrice non parla di tecnologia. Parla di economia
Ali Ghodsi, cofondatore e CEO di Databricks, ha utilizzato una distinzione che merita attenzione: la differenza tra tokenmaxxing e valuemaxxing. In termini operativi, significa passare da "usiamo sempre il modello più potente" a "usiamo il modello che produce il miglior risultato per dollaro speso".
Quella frase ha implicazioni che vanno ben oltre il marketing. Nel corso del 2023 e per buona parte del 2024, la logica dominante nell'adozione aziendale dell'IA è stata quella di scalare verso i modelli più grandi disponibili. OpenAI, Anthropic e Google si sono scontrati tra loro per la leadership nei benchmark. Le aziende hanno adottato quella scala quasi per inerzia: se il modello più costoso era il più capace, bisognava usarlo.
Ma il costo di operare con modelli di frontiera per tutte le attività, comprese quelle banali, è diventato insostenibile su larga scala. Un'azienda che elabora milioni di richieste al giorno non può permettersi di pagare la tariffa di inferenza di un modello da 70 miliardi di parametri per rispondere a domande che un modello da 7 miliardi gestisce altrettanto bene.
Ciò che Databricks sta articolando è una proposta di valore che si adatta esattamente a quella pressione: la piattaforma che instrada ogni attività al modello corretto, al costo corretto, usando i dati corretti. Unity AI Gateway è il meccanismo tecnico di quella proposta. E se riesce a far sì che i CFO delle grandi aziende vedano una linea di risparmio direttamente attribuibile a Databricks, l'argomento di vendita cessa di essere tecnico e diventa finanziario.
Quel cambio di registro, dalla conversazione ingegneristica alla conversazione sui costi, è ciò che storicamente trasforma uno strumento di nicchia in infrastruttura obbligatoria. Snowflake ha percorso quella strada nei dati. Databricks sta cercando di ripeterlo, ma a uno strato più alto dello stack.
---
Restare privata a 188 miliardi non è timidezza. È posizionamento
Il round di Coatue riduce esplicitamente la pressione di quotarsi in borsa. Inc. lo annota con chiarezza: il nuovo capitale offre a Ghodsi più spazio per operare senza l'esposizione trimestrale che implica una quotazione pubblica. Questo merita analisi, perché a quella valutazione, la domanda naturale è perché la società non sfrutti il mercato pubblico.
La risposta più probabile non è che i fondatori abbiano avversione allo scrutinio. È che il momento strategico non è ancora maturo. Un'azienda che si quota a 188 miliardi di dollari deve dimostrare una traiettoria di crescita sostenuta fin dal primo giorno di quotazione. Se Lakebase e Genie sono ancora in fasi iniziali di adozione di massa, uscire ora significa fissare aspettative su una promessa che non ha ancora scala comprovata.
Restare privata con il capitale di Coatue consente qualcosa di specifico: eseguire acquisizioni senza il rumore pubblico che genera ogni mossa di un'azienda quotata. Databricks ha menzionato esplicitamente che parte dei fondi andrà ad acquisizioni. Questo suggerisce che la società identifica lacune nel proprio stack che preferisce acquistare piuttosto che costruire. Probabilmente nella governance dei dati, nell'osservabilità dei modelli o nelle capacità di agenti specializzati per settori verticali.
Esiste un pattern nella storia tecnologica recente: le aziende che hanno posticipato la propria IPO in finestre di abbondanza di capitale privato sono arrivate al mercato pubblico con un'architettura di prodotto più completa e con minore dipendenza da un singolo vettore di crescita. Databricks sembra seguire quella logica. La domanda non è se si quoterà in borsa, ma in quali condizioni lo farà e quanto sarà diversa la società quando ciò accadrà.
Quello che è chiaro è che Coatue non sta facendo questa scommessa su una narrativa. La sta facendo su un modello di business in cui i dati proprietari delle aziende generano fidelizzazione strutturale. Ogni organizzazione che archivia, elabora e connette i propri dati sulla piattaforma di Databricks diventa più costosa da migrare. Questo non è lealtà: è frizione di uscita convertita in vantaggio competitivo.
---
La corsa non è per i modelli. È per lo strato che li rende utili all'interno dell'azienda
Lo spostamento che questo round rivela non riguarda le valutazioni private né l'appetito degli investitori in crescita. Riguarda dove si concentrerà il valore nella catena dell'intelligenza artificiale aziendale nei prossimi anni.
I modelli linguistici continueranno a migliorare. Alcuni saranno aperti, altri proprietari. Alcuni saranno più economici, altri più capaci. Ciò che il mercato dei modelli da solo non risolverà è il problema di connessione: come fa un'azienda a fare in modo che quei modelli accedano ai propri dati senza esporli, li utilizzino con criterio di costo e producano azioni coerenti con i propri processi interni.
Quello strato di connessione, governance e ottimizzazione è il territorio che Databricks sta delimitando. Unity AI Gateway, Genie e Lakebase sono i tre punti di ancoraggio di quella delimitazione. Se tutti e tre maturano con coerenza, la società non ha bisogno di vincere la guerra dei modelli. Ha solo bisogno di essere indispensabile nel momento in cui qualsiasi modello tocca i dati di un'azienda.
A 188 miliardi di valutazione privata, Databricks non sta più scommettendo di diventare infrastruttura. Sta scommettendo che l'infrastruttura che ha costruito è sufficientemente difficile da sostituire che nessuno vorrà tentarci.
