CAST AI

Quando un ingegnere DevOps guarda la fattura cloud della propria azienda, spesso trova un paesaggio desolante: cluster Kubernetes sovradimensionati, istanze che girano al trenta o quaranta percento di utilizzo effettivo, risorse allocate per picchi che non si verificheranno mai. Secondo il report sul benchmark dei costi Kubernetes pubblicato da CAST AI nel 2025 — basato sull'analisi di oltre 2.100 organizzazioni su AWS, Google Cloud e Azure — le applicazioni utilizzano in media solo il 10% della CPU e il 23% della memoria che hanno effettivamente allocato. Il divario tra risorse pagate e risorse usate è uno spreco strutturale da miliardi di dollari l'anno, che nessuna revisione manuale dei costi è in grado di risolvere in modo sistematico. È su questa frattura che CAST AI ha costruito il suo business. Fondata nel 2019 in Estonia da Yuri Frayman, Laurent Gil, Leon Kuperman e Domantas Lubys — con sede operativa poi spostata a Miami — la startup ha sviluppato una piattaforma di ottimizzazione automatica dei workload Kubernetes che promette riduzioni dei costi cloud tra il 50 e l'80%, senza richiedere modifiche al codice applicativo e senza intervento manuale da parte dei team di engineering. Il meccanismo è elegante nella sua semplicità: la piattaforma analizza continuamente l'utilizzo reale delle risorse, seleziona le istanze cloud più convenienti per ogni tipologia di workload, scala dinamicamente la capacità in base alla domanda effettiva e sfrutta sistematicamente le spot e preemptible instances — quelle a prezzo ridotto messe a disposizione dai cloud provider quando hanno capacità inutilizzata — per tagliare la bolletta senza compromettere le performance. Il tutto in modo automatico, trasparente e reversibile. La trazione commerciale è significativa. Tra i clienti di CAST AI figurano Banking Circle, Yotpo, NielsenIQ e Akamai — nomi che non si affidano a una tecnologia se non ha dimostrato solidità e affidabilità in ambienti di produzione critici. Il modello di pricing, basato su una percentuale dei risparmi effettivamente generati, allinea perfettamente gli incentivi della startup con quelli dei suoi clienti: CAST AI guadagna solo quando il cliente risparmia. La traiettoria finanziaria racconta una crescita rapida. Dopo un round Series A da 20 milioni di dollari nel marzo 2023 e una Series B da 35 milioni a novembre dello stesso anno, nell'aprile 2025 la startup ha chiuso un round da 108 milioni di dollari — portando il totale del finanziamento raccolto oltre i 163 milioni — con una valutazione vicina al miliardo di dollari, ai margini dello status unicorno. Il round è stato guidato con l'obiettivo di accelerare l'espansione nei mercati USA ed europei e di potenziare le capacità della piattaforma nell'ottimizzazione di workload AI, che richiedono risorse GPU enormemente più costose e dove il margine di ottimizzazione è ancora più ampio. Di particolare rilevanza è l'estensione del perimetro oltre la pura ottimizzazione dei costi: CAST AI ha integrato nella piattaforma funzionalità di sicurezza — scansione delle vulnerabilità dei container, gestione degli accessi, policy enforcement — trasformandosi da tool di FinOps a piattaforma di gestione olistica dei cluster Kubernetes. Questo posizionamento allargato aumenta lo stickiness del prodotto: un'azienda che affida a CAST AI non solo i costi ma anche la sicurezza dei propri cluster difficilmente cambierà fornitore. In un momento storico in cui le spese cloud delle aziende continuano a crescere — trainate dai carichi di lavoro AI e dalla proliferazione dei microservizi — CAST AI si trova a cavalcare due trend strutturali convergenti: la necessità di contenere i costi infrastrutturali e la complessità crescente dei sistemi cloud nativi. Una combinazione che, nel mercato del FinOps e dell'ottimizzazione Kubernetes, vale già miliardi.