Thomas Dohmke non è un esordiente. Dopo aver guidato GitHub attraverso l’acquisizione da parte di Microsoft e l’integrazione con Copilot, oggi lancia una preview di Entire, una piattaforma che capovolge il modello che lui stesso ha contribuito a rendere universale. Invece di concentrare il codice in un unico fornitore centrale, Entire costruisce una rete Git distribuita: nodi sparsi per regioni geografiche, con l’obiettivo dichiarato di servire gli agenti AI che sempre più spesso non leggono soltanto il codice, ma lo generano, lo modificano e lo mergiano in autonomia.

La notizia, riportata da The Next Web, arriva in un momento in cui la sovranità dei dati e il controllo sull’infrastruttura di sviluppo sono diventati critici per le aziende. Quando un LLM orchestrato come coding agent può produrre intere baseline e proporre pull request senza intervento umano, il repository non è più solo un archivio statico: diventa il sistema nervoso di un processo produttivo vivo. Lasciarlo in mano a un cloud provider centralizzato — fosse anche GitHub — significa accettare che ogni commit automatico transiti su macchine altrui, con i vincoli di latenza, le vulnerabilità della supply chain software e le incognite di conformità che questo comporta.

La scommessa di Entire, quindi, è infrastrutturale prima ancora che funzionale. Una rete Git distribuita, se aperta a nodi self-hosted, permetterebbe alle organizzazioni di tenere i propri repository su server interni, in configurazioni air-gapped o ibride, mantenendo comunque la capacità di sincronizzare il codice con altre istanze fidate. Per chi sta già spostando l’inference dei LLM on-premise, dal fine-tuning di modelli su GPU locali ai framework di serving come vLLM o TGI, avere un layer di versioning che giri nello stesso perimetro fisico non è un dettaglio: riduce la superficie d’attacco, taglia i costi di egress e rende l’intero stack verificabile.

C’è una tensione più profonda che questa mossa mette a nudo. Gli strumenti di sviluppo sono stati a lungo dominati da pochissime piattaforme; con gli agenti AI, il valore del codice cresce esponenzialmente, e chi ospita i repository detiene non solo il dato grezzo ma anche la telemetria su come gli agenti operano, quali pattern generano, quali errori correggono. In altre parole, il fornitore di hosting diventa il guardiano dell’intelligenza collettiva codificata. Scegliere un’architettura distribuita, quindi, non è solo una preferenza tecnica: è una presa di posizione sulla proprietà e sulla governance delle knowledge base software.

Dal punto di vista del TCO, l’idea di una rete federata apre scenari interessanti. Invece di pagare per gigabyte di storage e minuti di azioni su un piano SaaS sempre più costoso, un’azienda può dimensionare i propri nodi in base al carico reale, gestendo il versioning con macchine locali già ammortizzate per l’inference. Naturalmente, la complessità di gestione cresce: orchestrazione dei nodi, risoluzione dei conflitti distribuiti, manutenzione. È il trade-off classico che chi valuta deployment on-premise conosce bene.

Il vero banco di prova per Entire sarà la capacità di attrarre una massa critica di agenzie e imprese che oggi vivono di pipeline CI/CD automatizzate tramite agenti. Se la rete raggiungerà una densità sufficiente, potrebbe innestare un effetto a catena: tooling indipendente, meno dipendenza dai grandi provider, e runtime locali per coding agent che attingono al repository direttamente senza uscire dalla rete aziendale. Non sorprende che l’iniziativa arrivi proprio da chi ha visto da vicino le leve di potere di un monopolio come GitHub. Dohmke sembra indicare che il futuro del codice non sarà un unico orto, ma un ecosistema di orti connessi.

Per chi segue le dinamiche del deployment AI on-premise, AI-RADAR offre da tempo chiavi di lettura su come valutare i trade-off tra controllo e convenienza. La scelta di Entire ci ricorda che il software non inizia con il modello: inizia con il codice che lo addestra, lo integra e lo governa. E quel codice, oggi, ha bisogno di una casa che non sia affittata.