Kit Stampa
Risorse per stampa, investitori e partner
Panoramica Aziendale
One-Liner
Assumi un Ingegnere di Agenti AI 10x per eliminare il lavoro ripetitivo
Founded
Fondata nel novembre 2023 in Germania
Location
Mission
Liberare il mondo dal lavoro ripetitivo che nessuno vuole fare, con la massima qualità e al prezzo più conveniente.
Description
PUNKU.AI crea, migliora e condivide Agenti AI per te. Nessuna programmazione, solo italiano! Trasforma la tua azienda con agenti AI intelligenti.
Cosa Significa PUNKU?
PUNKU (si pronuncia "POON-koo") deriva dalla parola quechua e aymara che significa "portale" o "porta". Il nome è ispirato a Puma Punku, un antico sito archeologico in Bolivia a 3.960 metri sul livello del mare, dove portali di pietra scolpiti con precisione si credeva aprissero passaggi verso nuove dimensioni.
Proprio come quegli antichi portali trasformavano chi poteva attraversarli, PUNKU.AI funge da gateway moderno, aprendo l'accesso a strumenti AI che un tempo richiedevano specialisti o ingegneri, democratizzando chi può costruire con l'intelligenza artificiale.
Dati Chiave
Scelto Da
ESG-X, Seleon, SolarShare e oltre 200 PMI
Supportato Da
Supportato da investitori e acceleratori leader
Il Team
Daniel Quiroga
Co-Fondatore & CEO
Daniel combina competenze legali con una profonda esperienza tech acquisita scalando unicorni come Personio e Gorillas. Alumnus di LMU, CDTM e Harvard.
Peter Huo
Co-Fondatore & CTO
Peter è un esperto di Computer Science con B.A. & M.Eng. dalla Cornell University. In precedenza al Legal Information Institute e Cornell Urban Technology.
Anna Kwon
AI Product Engineer
Anna è specializzata in biologia computazionale e ML, con esperienza presso Novo Nordisk e il Broad Institute. Laureata in Computer Science al MIT.
Perché Ora?
Le PMI stanno annegando in attività ripetitive ma non hanno le risorse ingegneristiche per costruire soluzioni AI personalizzate. Con la maturazione dei LLM, possiamo ora colmare questo divario. PUNKU.AI fornisce il tassello mancante: basta descrivere il flusso di lavoro da automatizzare come se lo descrivessi a un collega e PUNKU.AI lo costruirà per te.
Scoperte Scientifiche che Rendono Possibile PUNKU.AI
1) Algoritmi rivoluzionari (2025)
ADAS (ICLR'25) introduce il Design Automatizzato di Sistemi Agentici: un meta-agente che programma nuovi agenti in codice; poiché i linguaggi di programmazione sono Turing-completi, questo permette al sistema di esplorare prompt, uso degli strumenti e workflow come codice. Il loro Meta Agent Search scrive iterativamente agenti, li testa e costruisce un archivio di scoperte; gli agenti scoperti superano quelli progettati manualmente e si trasferiscono tra domini/modelli.
2) Agenti auto-miglioranti dimostrati in laboratorio (Maggio '25)
Darwin Gödel Machine (DGM) è un sistema auto-referenziale che modifica il proprio codice, alternando auto-modifica con valutazione, mantenendo un archivio per l'esplorazione aperta. DGM mostra miglioramenti metrici significativi nel coding: SWE-bench 20.0% → 50.0% e Polyglot 14.2% → 30.7%. Gli esperimenti sono stati condotti con precauzioni di sicurezza (es. sandboxing, supervisione umana).
3) Dal laboratorio alla validazione sul posto di lavoro (Maggio '25)
TheAgentCompany è un benchmark workplace self-hosted con 175 compiti realistici e colleghi simulati; gli agenti devono navigare, programmare, usare un terminale e comunicare per completare i compiti. Il miglior baseline odierno completa autonomamente circa il 30.3% dei compiti, mostrando un'autonomia significativa ma margini di miglioramento sul lavoro a lungo orizzonte.
4) Strumenti implementabili (Feb '25)
AutoAgent fornisce un framework completamente automatizzato e zero-code che crea agenti, strumenti e workflow dal linguaggio naturale; è posizionato come uno dei migliori agenti generali open-source su GAIA.
5) Sicurezza + prontezza
Lo stack di ricerca con sandboxing + supervisione (DGM) suggerisce un percorso graduale e responsabile dagli ambienti di laboratorio ai piloti di produzione.
“Gli algoritmi (ADAS, DGM) dimostrano l'auto-miglioramento; i benchmark (TheAgentCompany) mostrano autonomia rilevante per il posto di lavoro; e gli strumenti (AutoAgent) lo rendono implementabile, quindi è il momento di produttizzare.”
Fonti
- Hu, S., Lu, C., & Clune, J. (2025). Automated Design of Agentic Systems (ADAS). In International Conference on Learning Representations (ICLR 2025). arXiv:2408.08435v2.
- Zhang, J., Hu, S., Lu, C., Lange, R., & Clune, J. (2025). Darwin Gödel Machine: Open-Ended Evolution of Self-Improving Agents. arXiv:2505.22954.
- Tang, J., Fan, T., & Huang, C. (2025). AutoAgent: A Fully-Automated and Zero-Code Framework for LLM Agents. arXiv:2502.05957v2.
- Xu, F. F., Song, Y., Li, B., Tang, Y., et al. (2025). TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks. arXiv:2412.14161v2.
