MongoDB nomina un CEO ad interim e lancia Atlas Agent Engine in anteprima pubblica

Il 29 settembre MongoDB ha pubblicato un unico post contenente due annunci: un cambio alla guida e la più ampia espansione della piattaforma nella storia dell'azienda. Il consiglio ha chiesto a un ex CEO, che ha guidato l'azienda per oltre 11 anni, di tornare come CEO ad interim, come riportato sul blog aziendale.

Lo stesso post ha introdotto MongoDB 9.0, Atlas Infinite e Atlas Agent Engine. Quest'ultimo è il componente pensato specificamente per gli agenti in produzione. È in anteprima pubblica e i prezzi sono indicati come soggetti a variazioni. Secondo la pagina di prodotto, il motore integra tre elementi che, secondo l'azienda, gli agenti non possono gestire in modo efficace: memoria, runtime e governance. La memoria è suddivisa in tipi semantici, episodici, tassonomici e procedurali, gestiti nativamente. Questo permette agli agenti di diventare più accurati nel tempo riducendo al contempo il consumo di token.

Ogni chiamata a uno strumento viene eseguita con l'identità reale di un utente o di un agente all'interno di un sandbox isolato, spiega la pagina di prodotto. Le policy si propagano dal livello organizzativo e non possono essere sovrascritte a valle. Le azioni a rischio possono essere inviate per l'approvazione umana, mentre il runtime traccia ogni chiamata al modello, a uno strumento e ogni accesso alla memoria. MongoDB afferma che il motore è neutrale rispetto ai modelli e ai framework e si basa su standard aperti, tra cui MCP, A2A e OpenTelemetry.

La proposta è volutamente mirata. Gli agenti nelle fasi iniziali, sostiene MongoDB, girano su stack fragili composti da vector store separati, cache e pipeline personalizzate, difficili da scalare, governare o auditare. Atlas Agent Engine li consolida in un unico piano di controllo con isolamento per singola invocazione. L'azienda afferma inoltre che il motore può accedere a dati esterni ad Atlas, citando Salesforce, Oracle, Snowflake, S3, SharePoint e sistemi interni.

Perché la freschezza dei dati è l'argomento centrale

Il post inquadra l'intera release attorno a una tesi: gli agenti che agiscono su dati obsoleti prendono decisioni errate. Un agente di customer service che decide un rimborso, uno commerciale che promette una consegna o uno finanziario che opera su un conto hanno tutti bisogno dello stato attuale, non di uno snapshot di ieri.

Per molte applicazioni agentiche, copiare periodicamente i dati operativi in un altro sistema non è sufficiente, afferma il post.

"Un modello può ragionare perfettamente sulle informazioni a sua disposizione e prendere comunque la decisione sbagliata se quelle informazioni sono obsolete", ha scritto il CEO ad interim nel post del 29 settembre.

L'argomento del carico di lavoro è l'altra metà dell'equazione. Le applicazioni tradizionali hanno schemi di traffico prevedibili, dice MongoDB, mentre una singola richiesta utente può innescare pianificazione, retrieval, chiamate a strumenti, letture, scritture e ulteriore ragionamento. Migliaia di agenti possono operare contemporaneamente. Dimensionare per la media significa crollare durante un picco; dimensionare per il picco significa pagare capacità inattiva, spiega il post. Atlas Infinite è la risposta: un'opzione di deployment che scala storage e calcolo in modo indipendente.

MongoDB 9.0 è il terzo elemento, descritto come la versione più veloce e performante del database creata dall'azienda, pensata per applicazioni e agenti che operano su dati in tempo reale. Il post si appoggia alla posizione consolidata di MongoDB come sistema operativo di riferimento, unitamente alla ricerca nativa, alla ricerca vettoriale e alla tecnologia di retrieval ed embedding di Voyage AI, per sostenere che dati operativi e contesto AI stanno convergendo.

Questa tesi della convergenza non è esclusiva di MongoDB, e la release arriva in un mercato delle infrastrutture per agenti affollato. L'azienda stessa lo riconosce, osservando che quasi ogni azienda di dati si descrive oggi come piattaforma per l'AI. La domanda più interessante è cosa succede all'architettura dei dati quando l'AI inizia a compiere azioni invece di rispondere a domande.

Le funzioni di governance sono quelle con più dettagli. La policy di privilegio minimo viene applicata prima di ogni chiamata a uno strumento, ogni invocazione gira in un sandbox e ogni azione viene registrata con l'identità che l'ha autorizzata. Audit, controlli di costo e guardrail si configurano una volta a livello di organizzazione e vengono applicati automaticamente, spiega la pagina di prodotto, evitando di doverli integrare manualmente tra sistemi diversi.

Per ora i dettagli rilevanti per gli acquirenti sono pochi. I prezzi dell'anteprima pubblica sono esplicitamente provvisori e il post del CEO ad interim non include nomi di clienti, benchmark o tempistiche di migrazione. L'azienda afferma che il motore funziona con qualsiasi LLM o framework e che il passaggio a un altro in seguito richiede solo un cambio di configurazione, non una ricostruzione.