Una piattaforma su cinque continenti, un operatore
Nel settembre 2026 Google Cloud ha raccontato l'infrastruttura di Lucius AI, una startup di tender intelligence fondata da Davor Jerković. Il prodotto aiuta le imprese a valutare le gare pubbliche in mercati distribuiti su cinque continenti.
La piattaforma segue oltre 210.000 bandi pubblici tra Regno Unito, Unione Europea, India e Australia. Ogni notte raccoglie avvisi da tredici fonti di appalti, comprese le gare finanziate dalla Banca Mondiale in Africa e in Asia.
Il carico operativo resta pesante. Due regioni di produzione girano su Cloud Run, Europa e Australia, e la seconda poggia su un cluster dedicato con chiavi di cifratura gestite dal cliente, per clienti vicini al settore difesa.
A occuparsi di analisi, messa a punto delle prestazioni, validazione dei dati e risposta agli incidenti c'è una persona.
L'idea originale: un motore unico al posto di tre
La scelta che spiega il risultato precede qualunque modello linguistico.
Lucius AI tiene il catalogo relazionale delle gare, i metadati dei documenti, i log di audit e gli embedding vettoriali dentro un'unica base dati gestita, AlloyDB for PostgreSQL. Il manuale corrente di una startup AI prevede invece tre pezzi distinti: un database relazionale, un database vettoriale e un archivio di log.
Tre pezzi significano tre contratti, tre piani di backup, tre modi di interrogare i dati e tre superfici da aggiornare. Per un organico di una persona quel conto diventa il vero costo del prodotto. Il consolidamento sposta la manutenzione dalla persona al servizio gestito.
Qui vale la prima lezione trasferibile: il vantaggio nasce dal disegno dei dati, prima che dall'intelligenza applicata sopra.
Da 1,14 secondi a 24 millisecondi
Il numero che resta impresso riguarda la ricerca semantica. Portando l'indice vettoriale su ScaNN, la latenza di una query di produzione rappresentativa è scesa da 1,14 secondi a 24 millisecondi, un fattore 47, secondo il racconto tecnico pubblicato da Google Cloud il 18 settembre 2026[1].
Il salto cambia la natura del prodotto. Sopra il secondo l'utente percepisce un'attesa e abbandona la ricerca esplorativa; sotto i 50 millisecondi la stessa ricerca diventa un gesto ripetibile dieci volte di seguito.
Per chi valuta un bando di gara quella differenza vale ore di lavoro. La selezione passa da una consultazione prudente a un confronto rapido fra decine di opportunità.
La testata indipendente ITBrief Asia ha ripreso la migrazione e i tempi di ricerca accorciati in un resoconto esterno al canale del fornitore[2], utile per chi pretende una seconda verifica.
L'agente che amministra il database
Il secondo fronte riguarda l'amministrazione quotidiana.
Lucius AI collega un agente AI ad AlloyDB attraverso il Model Context Protocol, lo standard che espone strumenti e dati a un modello in modo controllato. L'agente analizza le query, verifica la freschezza dei dati e ricostruisce gli incidenti, entro permessi stretti di minimo privilegio.
Il dettaglio dei permessi merita attenzione. Un agente con accesso pieno a una base dati di produzione diventa una fonte di rischio; un agente con un perimetro ristretto resta un collaboratore utile. La differenza passa dalla configurazione, prima che dalla potenza del modello.
Il risultato pratico: le mansioni che in un'azienda normale occupano un amministratore di database finiscono in mano a un agente sorvegliato da una persona. Questa è la parte del caso che un capo della tecnologia può copiare in settimana.
Il momento di frizione: un numero, una query
La storia contiene un limite dichiarato, e il limite la rende utile.
Il fattore 47 misura una query di produzione rappresentativa, descritta come tale dalla fonte. Il dato riguarda un campione, e un carico completo mescola scritture notturne, aggregazioni analitiche e ricerche concorrenti con profili di latenza diversi.
Chi legge un titolo con un moltiplicatore trova spesso una media di sistema. Qui la misura resta puntuale, e l'onestà del perimetro vale più del numero stesso: un before e after su una metrica con denominatore chiaro supera qualunque «miglioramento significativo».
Secondo freno volontario: i permessi minimi dell'agente riducono la sua autonomia. È una correzione di perimetro, decisa in partenza, e segna maturità operativa.
Anche la seconda regione porta un costo. Un cluster australiano separato, con chiavi gestite dal cliente, duplica monitoraggio e aggiornamenti; la conformità richiesta dai clienti vicini alla difesa vale quel prezzo.
Dove si è spostata l'asticella
Resta aperta la domanda che porta molte persone a cercare questa storia: quanto fattura un'azienda di una persona che vende intelligenza artificiale?
Il materiale pubblico risponde con misure operative: 210.000 gare in catalogo, tredici fonti, due regioni, 24 millisecondi per query. Le cifre di ricavo restano riservate, e dichiararle a stima significherebbe inventarle.
L'asticella che si è mossa riguarda la scala servibile per addetto. Una persona copre mercati pubblici su cinque continenti con un prodotto che genera matrici di conformità, raccomandazioni di offerta e bozze di risposta con citazione della pagina originale.
Per un consiglio di amministrazione il benchmark cambia qui. Il costo marginale di un nuovo mercato geografico tende verso il costo di una nuova fonte di dati da ingerire, e quella cifra è piccola.
Il playbook per chi ha poche risorse
Le mosse di questa storia si riassumono in quattro punti, replicabili con un budget modesto.
- Un motore gestito per tutti i dati: relazionale, vettoriale, log di audit.
- Un indice specializzato per la ricerca semantica, misurato prima e dopo.
- Un agente collegato al database con permessi di minimo privilegio.
- Una regione dedicata dove la conformità del cliente la richiede.
Ogni mossa risponde al vincolo vero del fondatore unico: il tempo. Il tempo di amministrazione cresce con il numero di sistemi, e il consolidamento lo comprime alla radice.
Un capo prodotto ricava un altro insegnamento. La latenza della ricerca è una funzione di prodotto, nel modo in cui la velocità di un motore di ricerca cambia il comportamento di chi lo usa. Trattarla come dettaglio tecnico costa conversioni.
Per un manager la mossa più facile da portare a casa riguarda l'agente: dare a un modello l'accesso in lettura ai log e alle statistiche delle query produce diagnosi in minuti. Il perimetro ristretto rende l'esperimento sicuro anche su un sistema vivo.
Cosa puoi portare via da questa storia
Il vantaggio competitivo di Lucius AI vive nel disegno dei dati, prima che nel modello che redige le bozze di offerta. La decisione di tenere catalogo, log e vettori in un unico motore gestito ha reso possibile tutto il resto, agente compreso.
Il secondo elemento riguarda il metodo di misura. Un before e after su una query definita, pubblicato con il nome dell'azienda e la data, resta verificabile da chiunque legga.
La domanda aperta vale per qualunque organizzazione, con dieci persone o con diecimila: quante basi dati separate stai mantenendo per ragioni storiche, e quanto tempo del tuo team finisce in manutenzione? Il conto, fatto una volta con numeri reali, orienta la prossima scelta architetturale meglio di qualunque demo.
Questo articolo è stato redatto da un autore editoriale AI con supervisione umana, in conformità agli obblighi di trasparenza del Regolamento (UE) 2024/1689 (AI Act, Art. 50). Le fonti sono linkate nel testo.
Article by SAGA
Fonti
- racconto tecnico pubblicato da Google Cloud il 18 settembre 2026 17 set 2026 (cloud.google.com)
- un resoconto esterno al canale del fornitore (itbrief.asia)