In sintesi: Endava risponde all’automazione AI con Dava.Flow™: un framework che punta sulla qualità del contesto prima ancora di scrivere codice.
La domanda che Endava non voleva farsi — ma ha fatto
Undici mila dipendenti. Un prodotto principale — scrivere software di qualità per banche, assicuratori e retailer — che l’intelligenza artificiale stava trasformando in una commodity automatizzabile. Tre anni fa, qualcuno nel leadership di Endava ha messo per iscritto la domanda che nessuna azienda di servizi software vuole affrontare: se l’AI genera codice, cosa stiamo vendendo esattamente? La risposta che hanno trovato non era scontata, e ha portato a ridisegnare quasi tutto — come si qualifica un progetto, come si struttura il lavoro, come si misura il valore consegnato al cliente.
Il risultato si chiama Dava.Flow™, ed è il tentativo di Endava di rispondere a una delle domande più concrete che l’industria IT stia affrontando oggi: non “l’AI cambierà il software?” — quella battaglia è già chiusa — ma “come si costruisce un’organizzazione in cui agenti AI e persone lavorano insieme in modo ripetibile, governato e abbastanza veloce da giustificare il costo?” Capire come Endava ha provato a risponderci dice qualcosa di interessante su dove sta andando il settore.
Il collo di bottiglia non era dove tutti pensavano
L’intuizione di partenza, quella che ha orientato tutto il lavoro successivo, è stata questa: nella delivery assistita dall’AI, la risorsa scarsa non è la generazione di codice. È la comprensione strutturata del problema che si sta effettivamente risolvendo. Un agente AI, per quanto capace, lavora bene solo quando riceve contesto di qualità — sa per chi sta costruendo, sotto quali vincoli, con quali priorità. Senza questo, produce output tecnicamente corretti ma strategicamente sbagliati. Il collo di bottiglia non stava nell’esecuzione. Stava nella qualificazione.
Dava.Flow™ è costruito attorno a questa constatazione. Il framework articola il ciclo di vita di un progetto in quattro fasi: Signal, Explore, Govern ed Evolve. Signal serve a qualificare il problema giusto — prima che un agente scriva una riga di codice, il lavoro viene ancorato a una comprensione chiara della sfida di business, del contesto competitivo e dei risultati attesi. Explore struttura e arricchisce quel contesto, trasformando le informazioni raccolte in input strutturati che forniscono agli agenti AI i vincoli entro cui operare. Govern è la fase di supervisione umana durante la delivery: i team restano nel ciclo mentre gli agenti svolgono il lavoro tecnico. Evolve chiude il cerchio: i dati di performance in produzione vengono reindirizzati verso Signal, creando un ciclo continuo invece del classico handoff finale.
Joe Dunleavy, Regional CTO per l’Europa e responsabile globale del gruppo Dava.X AI, ha spiegato la logica alla conferenza Canvas 26 di Miro con una precisione che vale la pena riportare: “Quando arrivi agli agenti che scrivono il codice, stanno lavorando su un contesto focalizzato. È un ambiente molto gestito e controllato. È lì che ottieni la qualità dell’output che è importante per i clienti enterprise.” La fase Explore, in questo schema, non è un passaggio preliminare burocratico. È la condizione che rende possibile tutto il resto.
Tre partnership in tre giorni — e cosa ci dicono davvero
A febbraio 2026, Endava ha annunciato in rapida successione tre accordi che fotografano bene la direzione strategica dell’azienda. Il 17 febbraio, partnership con Miro per integrarlo come infrastruttura di contesto nell’intero ciclo di Dava.Flow™. Il 18 febbraio, espansione della partnership con Cognition, la società che ha sviluppato Devin — un agente AI capace di pianificare, eseguire e validare compiti ingegneristici complessi — e Windsurf, un ambiente di sviluppo che affianca gli ingegneri in tempo reale. Nelle settimane successive, Endava è emersa come early adopter di Codex di OpenAI, il sistema di agenti per la scrittura di codice lanciato da OpenAI.
Guardati insieme, questi tre accordi non sono semplicemente un aggiornamento del toolkit. Sono la materializzazione di una scelta architetturale precisa: costruire un sistema tool-agnostic, capace di integrare strumenti diversi senza dipendere da nessuno in modo esclusivo. Miro diventa il magazzino del contesto — il luogo dove i team distribuiti catturano e raffinano le informazioni che fanno funzionare la metodologia. Cognition porta gli agenti specializzati nell’esecuzione tecnica. Codex copre l’intero ciclo di vita, dall’analisi dei requisiti alle operations. La scelta di non legarsi a un unico fornitore è, in questo mercato, una decisione strategica più che tecnica: il paesaggio degli strumenti AI cambia troppo velocemente per scommettere su uno solo.
Mike Krolnik, Global SVP of Agentic Architecture di Endava, ha descritto l’impatto di Codex in termini che toccano qualcosa di più profondo della produttività: “Codex cambia il modo in cui ingegneri senior e junior lavorano insieme. Architetti senior come me, provenienti da ambienti complessi, sono in grado di articolare ciò che vogliamo, e Codex rende questa informazione accessibile per le persone più junior nel team.” Il giudizio accumulato in anni di esperienza — normalmente trasferito attraverso code review, mentoring, affiancamento — diventa qualcosa con cui un team meno esperto può lavorare in tempo reale. Questo cambia la dinamica interna di un’organizzazione in modo che va ben oltre la velocità di consegna.
I numeri — e quello che non dicono
Endava dichiara che Dava.Flow ha ridotto il cycle time — il tempo che intercorre dall’inizio di un task alla sua consegna — fino al 40% in determinati contesti, con miglioramenti documentati nella disciplina dei test e risparmio di tempo sul lavoro ingegneristico ripetitivo. Sono numeri che Endava stessa qualifica con cautela (“in determinati contesti”), il che è già un segnale di onestà rispetto all’hype che circola nel settore.
Vale però la pena notare cosa questi numeri non dicono. Non sappiamo su quali tipologie di progetto siano stati misurati, né con quale metodologia, né se i clienti finali abbiano validato i risultati in modo indipendente. Dunleavy ha presentato il caso a Canvas 26, la conferenza annuale di Miro — un contesto in cui l’incentivo a raccontare la versione migliore della storia è strutturalmente presente. Questo non rende i dati falsi, ma li colloca in una cornice che il lettore deve tenere a mente. I benchmark fatti in casa, anche quando sono onesti, restano benchmark fatti in casa.
C’è poi una questione di scala che il confronto con i competitor rende evidente. Accenture — il principale punto di riferimento nel segmento della consulenza IT enterprise — ha triplicato i ricavi da AI generativa a 2,7 miliardi di dollari nel fiscal year 2025, con 77.000 professionisti AI e data su una forza lavoro di 779.000 persone. Endava ne conta 11.636 in totale. Non è un confronto diretto: Endava serve prevalentemente il segmento mid-market con un modello nearshore, mentre Accenture opera su trasformazioni multi-annuali e cross-funzionali con tariffe significativamente più alte. Ma la differenza di scala dice qualcosa su dove Dava.Flow può fare la differenza e dove, invece, non arriva.
Quando il prodotto diventa il metodo — e il modello di vendita cambia
La mossa più interessante che Endava sta compiendo non è tecnologica. È commerciale. Matt Cloke, CTO dell’azienda, ha dichiarato esplicitamente che il cambiamento sta spostando il modello di vendita verso contratti basati sui risultati — outcome-based, nel gergo del settore — anziché sul tempo e i materiali. È una transizione che l’industria dei servizi IT discute da anni senza mai completarla davvero, perché richiede di assumersi rischi che i clienti storicamente non sono disposti a condividere. Il fatto che Endava la stia perseguendo adesso, nel momento in cui la produttività dei team è misurabile in modo molto più granulare grazie agli strumenti AI, suggerisce che le condizioni per renderla praticabile potrebbero finalmente esserci.
C’è anche una dimensione interna che merita attenzione. Convincere oltre 11.000 persone a cambiare genuinamente il proprio modo di lavorare non si risolve con un comunicato interno o un corso di formazione obbligatorio. Endava ha costruito un programma strutturato per livelli — dall’onboarding di base fino alla formazione di team specializzati — e ha puntato sulle reti di campioni interni: persone all’interno di ogni team che credono nella direzione e modellano il nuovo comportamento quotidianamente. È la differenza tra un rollout e una trasformazione. Il primo si misura in licenze attivate. La seconda si misura in abitudini cambiate.
Perche’ e’ importante
Dava.Flow™ non è solo un framework produttivo: è una risposta concreta alla domanda che tutte le aziende di servizi IT dovranno affrontare quando gli agenti AI saranno accessibili direttamente ai clienti. Il tentativo di Endava di spostare il proprio valore verso la qualità del contesto e la governance dell’esecuzione anticipa una riconfigurazione profonda dell’intero mercato della consulenza software. Se il modello regge, potrebbe diventare un riferimento per il segmento mid-market globale.
La vera posta in gioco — e la domanda che resta aperta
La storia di Endava è interessante non perché Dava.Flow™ sia necessariamente il modello definitivo per l’industria, ma perché pone con chiarezza una domanda che tutte le aziende di servizi IT dovranno affrontare nei prossimi anni: quando gli agenti AI possono eseguire una quota crescente del lavoro tecnico, cosa rimane come valore distintivo di un fornitore umano? La risposta di Endava — la qualità del contesto, la governance dell’esecuzione, la capacità di qualificare il problema giusto prima ancora di iniziare a risolverlo — è una risposta plausibile. Non è l’unica possibile.
Quello che resta aperto è se questo modello regga quando i clienti stessi inizieranno ad adottare gli stessi strumenti internamente. Se Devin, Windsurf e Codex diventano accessibili a qualsiasi team di sviluppo senza intermediari, il valore di un fornitore esterno si sposta ancora una volta. Forse verso la governance e la compliance in settori regolamentati. Forse verso la gestione del cambiamento organizzativo. Forse verso qualcosa che oggi non sappiamo ancora nominare. Endava ha trovato una risposta per il 2026. La domanda è se quella risposta tenga anche nel 2028.
