Harness ha lanciato il 30 giugno 2026 gli Autonomous Worker Agents, una piattaforma che consente alle aziende di costruire e gestire agenti AI in grado di occuparsi di tutto ciò che accade tra la scrittura del codice e il suo rilascio in produzione. Gli agenti sono disponibili da subito per tutti i clienti esistenti.
La logica alla base è semplice: ogni step di un pipeline può ora girare come un agente che ragiona, non come uno script che esegue istruzioni fisse. Test, build, scansioni di sicurezza, deployment — qualsiasi fase può essere delegata a un Worker Agent. Harness ha già pubblicato una serie di agenti preconfigurati: Autofix legge i log di build, individua la causa di un errore, fa il commit della correzione sul branch e rilancia la build finché non passa. Code Review analizza le diff delle pull request per qualità del codice, problemi di sicurezza e copertura dei test. Code Coverage identifica le righe non testate e genera i test mancanti. Tutti disponibili subito, con altri in arrivo.
Il punto che distingue questo lancio dai tanti annunci analoghi è l’approccio alla governance. Gli agenti non girano su infrastruttura Harness: girano su delegate, componenti installati all’interno del cluster Kubernetes o della VPC del cliente. Codice e dati non escono mai dalla rete dell’azienda. Quando un agente invoca un modello linguistico, la richiesta passa attraverso un LLM Gateway che la valida rispetto alle policy aziendali e mantiene un audit trail completo. Le stesse regole OPA e gli stessi controlli RBAC che governano i deployment umani si applicano agli agenti senza alcuna configurazione aggiuntiva. Un agente a cui non è permesso fare merge sul branch principale non può farlo, indipendentemente da quello che gli viene chiesto. L’architettura lo impedisce strutturalmente. Ogni container gira in modalità non-root, con filesystem in sola lettura eccetto lo spazio di lavoro.
Sul fronte dei modelli, la piattaforma supporta Anthropic — direttamente o tramite AWS Bedrock — e OpenAI, con GPT-5.5 disponibile tramite connettore dedicato. I clienti possono cambiare modello per singolo agente, per ambiente o per pipeline, senza toccare il resto della configurazione. Per chi non ha accesso diretto a un provider, Harness offre un connettore LLM gestito incluso nella sottoscrizione fino ad agosto 2026, dopodichè sarà fatturato separatamente. Creare un agente richiede un singolo file Markdown con le istruzioni in linguaggio naturale: una volta fatto il commit nel repository, l’agente è attivo, governato e disponibile per tutta l’organizzazione. Chi preferisce non scrivere il file può usare Harness AI per generarlo automaticamente.
Il feedback degli early adopter è concreto. Verint Systems ha costruito un agente per la risoluzione dei problemi Kubernetes che, secondo il Director of Cloud Infrastructure John Jones, andrà a beneficiare oltre 200 membri del team operations e circa mille sviluppatori. United Airlines ha portato un agente in produzione in quattro giorni a partire dall’idea iniziale. La piattaforma include anche un Agent Marketplace con tre categorie: agenti gestiti direttamente da Harness con SLA garantito, agenti certificati da partner, e agenti pubblicati dalla community. Ogni agente può essere clonato e modificato.
Jyoti Bansal, co-fondatore e CEO di Harness, ha già indicato dove punta il passo successivo: l’ingegneria del software completamente autonoma, dal ticket Jira al rilascio in produzione, con agenti che gestiscono ogni fase e umani coinvolti solo in proporzione al rischio della modifica. È uno scenario ancora lontano, ma la direzione è tracciata. Il vero test per Harness sarà convincere le grandi enterprise che affidare la governance di un pipeline a un agente AI è altrettanto affidabile — e verificabile — quanto affidarla a un ingegnere.
