Cursor Automations: Agenti AI che Lavorano Mentre Dormi

Il 5 marzo 2026 Cursor ha rilasciato Automations, e il nome è molto più modesto di quello che fa. Non è un assistente che aspetta il tuo prompt. È un sistema di agenti always-on che girano in cloud, si attivano da soli, e toccano il tuo codice senza che tu gli abbia chiesto nulla.

Nel frattempo, il revenue di Cursor ha toccato i $2 miliardi annui, raddoppiando in tre mesi. GitHub Copilot ha un nuovo concorrente che non compete sulle completion — compete sull'automazione completa del workflow.

Vediamo cosa fa, come funziona, e se è il futuro o un rischio calcolato.

Cosa sono le Automations

Le Automations sono agenti AI che si attivano in risposta a eventi, non a prompt. La differenza è fondamentale:

Prompt classico: tu scrivi "refactora questa funzione", l'AI risponde
Automation: un PR viene mergiato → un agente si sveglia, analizza il diff, cerca vulnerabilità, e posta su Slack se trova qualcosa

I trigger supportati:

Commit/PR su GitHub — ogni push attiva un agente
Messaggio Slack — scrivi in un canale, l'agente risponde
Issue su Linear — nuova issue = agente che inizia a investigare
Incidente PagerDuty — alert alle 3 di notte, l'agente risponde prima di te
Timer — ogni lunedì mattina, digest settimanale del repo
Webhook custom — qualsiasi evento che vuoi

Quando un'automation si attiva, l'agente:

Spinna un sandbox cloud isolato
Segue le istruzioni che hai configurato
Usa gli MCP e i modelli che hai scelto
Verifica il proprio output prima di proporlo
Ha memoria — impara dalle esecuzioni precedenti

BugBot: l'Automation che ha iniziato tutto

BugBot è il capostipite. Esiste da prima di Automations come feature standalone, ma ora è integrato nel framework.

Come funziona:

Si attiva ogni volta che apri o aggiorni un PR
Analizza il diff per bug, security issues, e pattern problematici
Viene triggerato migliaia di volte al giorno
Ha trovato milioni di bug dal suo lancio

Con Automations, BugBot è stato esteso:

Security audit completi — non solo bug, ma vulnerabilità OWASP
Review più approfondite — analisi cross-file, non solo il diff
Integrazione Slack — i finding critici vanno direttamente nel canale del team

I casi d'uso reali

Cursor stessa usa le Automations internamente. Ecco come:

Incident Response automatizzato

Quando PagerDuty spara un alert:

L'agente si attiva immediatamente
Usa il Datadog MCP per interrogare i log
Cerca cambiamenti recenti nel codebase
Assembla una timeline dell'incidente
Posta su Slack per gli on-call engineer con il messaggio del monitor
Apre un PR con la fix proposta

Il tempo tra "alert" e "prima analisi" passa da minuti (se qualcuno è sveglio) a secondi.

Digest settimanale del codebase

Ogni settimana, un'automation compila un riassunto per Slack:

PR principali mergiati
Bug fix importanti
Debito tecnico accumulato
Aggiornamenti di sicurezza e dipendenze
Link ai diff più significativi

Security review continua

Ogni PR viene auditato per vulnerabilità di sicurezza:

Skippa le issue già discusse nei commenti del PR
Posta solo i finding ad alto rischio su Slack
Tiene traccia dei pattern ricorrenti

La filosofia: da "prompt-and-monitor" a "event-driven"

Qui sta il cambio di paradigma. Oggi il workflow con un coding agent è:

Scrivi un prompt
L'agente lavora
Tu monitori
Approvi o correggi
Ripeti

Con le Automations, il modello si inverte:

Definisci le regole una volta (chi può approvare cosa, quali test devono passare, quali directory richiedono sign-off senior)
Gli agenti lavorano in background rispondendo agli eventi
Tu intervieni solo quando serve — il sistema ti chiama, non viceversa

È il passaggio da "copilot" (ti assiste mentre guidi) a qualcosa che si avvicina a "autopilot con supervisione".

I numeri di Cursor

Per capire il contesto:

Metrica	Valore
Revenue annualizzato	$2 miliardi
Crescita Q4 2025 → Q1 2026	2x in 3 mesi
Valutazione	$29.3 miliardi
Ultimo round	$2.3 miliardi (Accel + Coatue)
Market share AI coding	~25% dei client GenAI
Enterprise vs Individual	60% / 40% del revenue

Il dato più interessante: Cursor è passato da tool per sviluppatori individuali a piattaforma enterprise. Il 60% del revenue viene ora da clienti aziendali. E le Automations sono chiaramente pensate per quel segmento.

Come si posiziona nel mercato

Il mercato degli AI coding tool vale oggi oltre $5 miliardi, cresciuto da $500 milioni in meno di un anno. I player principali:

Cursor (copilot → automazione)

IDE completo basato su VS Code
Background agents, Automations
$20-40/mese per utente
Forte con enterprise

Claude Code (autopilot CLI)

Agente terminale, lavora in autonomia
Il 4% dei commit GitHub
Pay-per-use via API
Forte con dev individuali e startup

GitHub Copilot (completion → agent)

Integrato in VS Code/JetBrains
Copilot Workspace per task multi-file
$10-19/mese
Forte per reach (base installata enorme)

OpenAI Codex (cloud agent)

Agente cloud con sandbox
GPT-5.4 nativo con computer use
Integrato in ChatGPT
Forte per chi è già nell'ecosistema OpenAI

La tendenza è chiara: tutti convergono verso agenti autonomi. La differenza è nell'approccio — chi parte dall'IDE, chi dal terminale, chi dal cloud.

Come provare le Automations

Le Automations sono disponibili a partire dal piano Pro ($20/mese):

Apri Cursor e vai nelle impostazioni Automations
Scegli un trigger — GitHub PR, Slack, timer, webhook
Scrivi le istruzioni — cosa deve fare l'agente quando si attiva
Configura gli MCP — Datadog, Slack, Linear, o i tuoi custom
Scegli il modello — Claude, GPT, o quello che preferisci
Attiva e lascia che lavori

Per iniziare, il caso d'uso più sicuro è il code review automatico: ogni PR aperto trigga un agente che analizza il diff e lascia commenti. Basso rischio, alto valore.

I limiti (quelli veri)

Non è tutto oro:

Il problema della fiducia: stai dando a un agente AI il permesso di toccare il tuo codebase in autonomia. Anche con sandbox e verifiche, il rischio di false positive (o peggio, false negative) è reale.

Il costo scala: centinaia di automation per ora = centinaia di chiamate API al modello. Per team grandi, i costi possono salire rapidamente.

La complessità delle regole: definire le boundary (chi approva cosa, quali directory sono off-limits, quali test devono passare) richiede un investimento iniziale non banale. Se le regole sono troppo lasse, l'agente fa danni. Se sono troppo strette, non serve a nulla.

Il lock-in: le Automations sono profondamente integrate nell'ecosistema Cursor. Migrare a un altro tool significa ricostruire tutto.

Il rumore: un agente che commenta ogni PR con finding di basso valore diventa rapidamente "il collega che nessuno ascolta". La calibrazione è cruciale.

Cosa significa per chi sviluppa

Le Automations di Cursor segnano un punto di svolta concettuale. Non è più "AI che ti aiuta a scrivere codice" — è "AI che partecipa al tuo workflow come un membro del team".

Per i team enterprise, il valore è evidente: incident response più veloce, review automatiche, meno lavoro ripetitivo per i senior.

Per gli sviluppatori individuali, l'impatto è meno immediato. Se lavori da solo su un progetto, un BugBot è utile ma non trasformativo. Il vero valore emerge quando ci sono processi da automatizzare.

La domanda non è più "quanto è bravo il modello a generare codice". È "quanto ti fidi di un agente che lavora mentre dormi".

E quella è una domanda a cui ognuno dovrà rispondere da solo.

Fonti: