Sono rimasto a fissare il sito di Kadoa a intermittenza per le ultime settimane, soprattutto perché il rebrand di giugno 2026 mi ha colto di sorpresa. Un giorno si definivano "un AI web scraper" e il giorno dopo si presentavano come un "Web Scraping OS". È un salto notevole — e dice parecchio sulla direzione in cui sta andando tutto il settore.
Quindi ecco la domanda che mi sono sentito fare spesso dai lettori e dal mio team: Kadoa è ancora davvero confrontabile con Thunderbit, oppure ha mollato del tutto la corsia del "tool per scraping rapido"? Risposta breve: un po’ entrambe le cose. La risposta lunga è qui sotto.
Risposta rapida
Se vuoi il tl;dr prima di entrare nei dettagli:
- Thunderbit è pensato per il momento in cui stai guardando una pagina web e pensi: "Mi serve solo questo dato, subito, in un foglio di calcolo". Un clic, niente schema, niente attese da parte di un team dati.
- Kadoa è pensato per organizzazioni che hanno bisogno di dataset governati, monitorati e mantenuti in modo continuo in produzione — per esempio team finance che estraggono alternative data da decine di fonti ogni giorno, con audit trail inclusi.
- Nessuno dei due è "l’AI scraper" contro "lo scraper manuale". Entrambi sono davvero agentic — la differenza sta in cosa stanno ottimizzando l’agente per.
Quest’ultimo punto conta più di quanto molti credano. Vedo spesso articoli comparativi trattare la questione come una gara di checklist di funzionalità, quando in realtà si tratta di due prodotti che si sono spostati verso categorie di acquirenti diverse.
Panoramica rapida
| Dimensione | Thunderbit | Kadoa |
|---|---|---|
| Utente principale | Business user, marketer, solopreneur, sviluppatori | Team dati enterprise/finance, organizzazioni dati centrali |
| Orizzonte temporale | Immediato — estrai la pagina davanti a te | Ciclo di produzione — costruisci, approva e mantieni una pipeline |
| Flusso di setup | Clic su One Click Extract → esecuzione automatica | Prompt → proposta di schema → creazione/test pipeline → approvazione → workflow schedulato live |
| Modello di esecuzione | Analisi agentica della pagina per sessione | Generazione deterministica della pipeline con manutenzione assistita da agente |
| Manutenzione | L’utente rilancia su pagine compatibili | Monitoraggio automatico della pipeline e self-healing (secondo il vendor) |
| Osservabilità | Anteprima tabellare, rifinitura | Tasso di successo, MTTR, provenienza, dashboard SLA (secondo il vendor) |
| Superfici di accesso | Estensione browser, Web App, Open API, MCP Server, CLI | Piattaforma Web Scraping OS, deployment enterprise |
| Prezzi | Piani self-service pubblici, vedi pagina prezzi | Contatta il team commerciale; al momento non c’è una tabella prezzi self-service pubblica |
| Miglior fit | Task ad hoc, di reparto o moderatamente ricorrenti | Dataset enterprise governati, multi-source e aggiornati in modo continuo |
Lo dico sinceramente: realizzare questa tabella mi ha preso più tempo del previsto, perché gran parte dei contenuti "Thunderbit vs Kadoa" che girano online mette semplicemente una spunta su "AI-powered" per entrambi e chiude lì. Ma così non si capisce nulla.
Cos’è Thunderbit?
Questo è il flusso reale, esattamente come funziona oggi (non la vecchia interfaccia che alcune recensioni descrivono ancora):
Apri una pagina web che sei autorizzato a visualizzare. Clicchi One Click Extract. Fine: l’agente di Thunderbit rileva la struttura della pagina, legge i contenuti, capisce quali campi contano e inizia a preparare l’estrazione. Vedrai il pulsante Run Now, ma in realtà non devi nemmeno cliccarlo — se non fai nulla, parte da solo. Un clic intenzionale, zero setup dello schema, zero selettori.
Mi piace descriverlo così: "lo strumento si toglie di mezzo". Puoi comunque rifinire i risultati con il linguaggio naturale se i campi rilevati automaticamente non sono perfetti, e sulle pagine compatibili può impaginare da solo o arricchire le sottopagine. Oltre all’estensione browser, c’è una Web App, una Open API per gli sviluppatori, un MCP Server per agenti AI come Claude o Cursor, e una CLI per i flussi da terminale. L’export va su Excel, Google Sheets, Airtable o Notion.
Non è uno strumento progettato per stare dentro uno stack di data engineering. È pensato per chi ha bisogno di dati subito e non vuole aprire un ticket per ottenerli.
Cos’è Kadoa nel 2026?
Qui la cosa si fa interessante. L’annuncio di Kadoa di giugno 2026 ha introdotto quello che chiamano Web Scraping OS, alimentato da qualcosa che chiamano "Kadoa Assistant". Il flusso che descrivono è questo:
- Inserisci una richiesta in linguaggio naturale — "Mi servono i dati di pricing da questi 12 siti competitor, aggiornati ogni giorno"
- Kadoa esplora le fonti target e sceglie il metodo di estrazione più affidabile (endpoint API, JSON incorporato, file scaricabile, qualunque cosa sia più stabile)
- Propone uno schema dati
- Costruisce una pipeline deterministica — cioè vero codice di estrazione generato, non un LLM che improvvisa a ogni esecuzione — e la testa
- Rivedi un’anteprima e la approvi
- Va live con scheduling, validazione e notifiche già integrati
La narrativa del "Web Scraping OS" aggiunge manutenzione automatica delle pipeline, sblocco dell’infrastruttura, dashboard di osservabilità (success rate, mean time to repair, tracking SLA), provenienza dei dati e workflow di governance/compliance. Questo è chiaramente linguaggio da infrastruttura enterprise, e il loro posizionamento attuale punta forte su finance e casi d’uso di alternative data — pensa a hedge fund e asset manager che hanno bisogno di dataset verificabili e aggiornati continuamente da decine di fonti.
È un’ambizione di prodotto davvero diversa da "aiutami a fare scraping di una pagina". Voglio riconoscere il merito di Kadoa: passare da tool di scraping a piattaforma di data infrastructure è una mossa strategica reale, non solo un rebrand per fare marketing.
La differenza centrale: estrazione immediata vs ciclo di vita di un dataset in produzione
Il job interattivo one-click di Thunderbit
Thunderbit ottimizza per la distanza più breve possibile tra "vedo dei dati su una pagina" e "ho quei dati in un foglio di calcolo". Non c’è una fase di revisione dello schema perché l’agente gestisce il rilevamento dei campi in tempo reale, sulla pagina che stai già guardando. Se sei un founder solitario o un commerciale, è esattamente quello che vuoi — alle 16 di martedì non hai energia da "approvare l’anteprima di una pipeline" quando ti servono solo 200 lead.
La pipeline deterministica approvata di Kadoa
Il flusso di Kadoa inserisce volutamente un passaggio di revisione e approvazione prima che tutto vada in produzione. Non è un difetto, è proprio il punto — se stai costruendo un dataset che alimenta un modello di trading o un report di compliance, vuoi che un essere umano approvi lo schema prima che il sistema giri senza supervisione per i prossimi sei mesi.
Interpretazione runtime versus codice mantenuto generato dall’agente
Ecco la sfumatura architetturale che vale la pena capire: Kadoa distingue esplicitamente tra un agente che genera codice di estrazione deterministico (che poi gira senza dover chiamare un LLM ogni volta) e l’estrazione diretta con LLM a ogni caricamento di pagina. Il loro spiegatore ufficiale sull’AI nel web scraping approfondisce questo aspetto. Non vado oltre quello che hanno pubblicato, ma il punto è: Kadoa cerca di ottenere l’affidabilità del codice deterministico con la velocità di setup della generazione di pipeline assistita dall’AI. Thunderbit, al contrario, mantiene l’analisi agentica nel loop per ogni sessione interattiva invece di compattare in anticipo un artefatto di pipeline a lungo termine.
Scenari pratici
Ti mostro come userei davvero ciascuno strumento, perché i confronti astratti di funzionalità non raccontano mai tutta la storia.
Tabella lead/prodotto/ricerca occasionale
Supponiamo che mi serva un elenco di 150 aziende da un sito directory, con nome, sito web ed email di contatto. Aprirei la pagina, cliccherei One Click Extract in Thunderbit e avrei un foglio di calcolo in meno di un minuto. Non c’è alcun mondo in cui mi metterei a creare una pipeline Kadoa, chiedere l’approvazione dello schema e aspettare un’esecuzione schedulata per un elenco una tantum del genere. Sarebbe un eccesso totale.
Dataset settimanale per monitorare i competitor
Adesso immaginiamo di volere i dati di pricing da 15 siti competitor, aggiornati ogni lunedì mattina, dentro una dashboard di cui tutto il team si fida. Questo si avvicina molto al punto forte di Kadoa — il passaggio di approvazione, il monitoraggio, la logica di self-healing quando un competitor ridisegna il sito diventano davvero importanti. Thunderbit può tecnicamente fare anche estrazioni pianificate su piani e superfici supportate, ma il messaggio di Kadoa è costruito proprio attorno a questo caso d’uso ricorrente e multi-source.
Workflow multi-source per investimenti/alternative data
Questo è il territorio naturale di Kadoa, almeno per come si posiziona oggi — estrazione da decine di fonti finanziarie o di alternative data con tracciamento della provenienza e audit trail. Qui non userei Thunderbit; semplicemente non è il centro di progettazione del prodotto.
Integrazione con agenti AI e delivery dei dati
Se sto costruendo una pipeline RAG o un agente di monitoraggio che deve chiamare programmaticamente uno strumento di estrazione, qui entrano in gioco l’MCP Server e la Open API di Thunderbit — Claude, Cursor o qualsiasi host AI compatibile possono invocare Thunderbit direttamente. Al momento della stesura non ho visibilità su una API self-service pubblica o un’offerta MCP di Kadoa, quindi se questo è un requisito rigido per il tuo stack, verifica direttamente con Kadoa prima di dare per scontata la parità.
Accuratezza, manutenzione e osservabilità
Kadoa descrive source grounding, confidence scoring e controlli di plausibilità/completatezza come parte della validazione della pipeline. Ha anche pubblicato numeri di early results — affermazioni come configurazione più veloce e minore overhead di manutenzione — da clienti in early access. Qui voglio essere molto chiaro: si tratta di numeri riportati dal vendor, non di benchmark indipendenti, e non ho visto un test controllato testa-a-testa tra Thunderbit e Kadoa su accuratezza o carico di manutenzione. Considera qualsiasi percentuale specifica nel loro marketing come un’affermazione da verificare, non come un fatto consolidato.
Dal lato Thunderbit, la storia dell’accuratezza è più semplice perché il flusso è più semplice: ottieni subito un’anteprima tabellare, puoi controllarla a occhio e rifinire le istruzioni dei campi sul momento, e non c’è una pipeline vecchia di sei mesi che si sta lentamente disallineando a causa di un redesign del sito, perché una pipeline vecchia di sei mesi non esiste proprio — stai sempre estraendo dati freschi.
Una nota di onestà che vale per entrambi: nessuno dei due garantisce il successo su ogni sito. Login wall, sistemi anti-bot aggressivi e redesign drastici del layout sono failure mode reali. L’approccio di rianalisi agentica di Thunderbit aiuta su pagine compatibili e autorizzate, ma "agentic" non è una parola magica che fa sparire i CAPTCHA.
API, MCP e deployment
Le superfici per sviluppatori di Thunderbit sono ben documentate: la Open API per l’accesso programmatico, il MCP Server per le integrazioni con agenti AI e la CLI per flussi da terminale e da coding agent — oltre all’esecuzione via browser e cloud per l’uso interattivo.
Il modello di deployment di Kadoa oggi ruota attorno alla loro piattaforma enterprise Web Scraping OS, con infrastruttura di pipeline gestita e funzionalità di governance/security pensate per organizzazioni più grandi. Al momento della stesura non ho trovato documentazione di una API self-service pubblica o di un’integrazione MCP per Kadoa — se per te è un aspetto critico, confermalo direttamente con il loro team invece di presumere una parità funzionale con gli strumenti per sviluppatori di Thunderbit.
Prezzi e processo d’acquisto
Qui devo essere trasparente su un limite: le pagine pubbliche attuali di Kadoa, al momento del lancio di giugno 2026, non mostrano una tabella prezzi self-service. Il loro posizionamento invita i prospect a contattare il team commerciale o a richiedere un test. Quindi, se stai confrontando voci "$X/mese" tra i due prodotti, con Kadoa ti imbatterai in un muro — non è che io non abbia fatto ricerca, è proprio che il dato non è pubblicato.
Thunderbit invece ha una pagina prezzi pubblica e aggiornata con piani self-service che puoi consultare subito.
La cosa che conta davvero nel confronto del processo d’acquisto, comunque, non è il prezzo di listino — è l’attrito procurement. Thunderbit ti permette di registrarti e iniziare a estrarre in pochi minuti. Il motion enterprise di Kadoa implica una conversazione commerciale, onboarding e probabilmente una proof of concept prima di andare in produzione. Se la tua organizzazione ha già un processo di acquisto pensato per SaaS enterprise, non è un problema. Se sei un team di due persone, è un costo di frizione reale da valutare.
Quale dovresti scegliere?
Scegli Thunderbit se...
- Sei un marketer, founder o commerciale che lavora da solo e ti servono dati da poche pagine, oggi, senza aspettare nessuno
- Il tuo team ha bisogno di export ricorrenti verso Sheets o Airtable ma non dispone di una funzione di data engineering, o non vuole assumerla
- Sei uno sviluppatore che costruisce un agente AI, una pipeline RAG o uno script di monitoraggio e vuoi accesso programmatico via API, MCP o CLI
- Per te conta più ottenere una tabella utilizzabile in un clic che seguire un workflow formale di approvazione della pipeline
Scegli Kadoa se...
- Sei un team dati enterprise o finance che ha bisogno di dataset governati, multi-source e continuamente aggiornati, con audit trail
- Compliance, provenienza dei dati e dashboard di osservabilità sono criteri d’acquisto non negoziabili
- Hai già un processo procurement, o lo stai costruendo, che può gestire un prodotto enterprise a prezzi personalizzati e vendita tramite contatto commerciale
- La manutenzione della pipeline e l’infrastruttura di self-healing per te contano più della velocità di un clic
Usa entrambi se...
- I tuoi analisti vogliono esplorare e validare rapidamente un’idea di dati con Thunderbit prima che un team dati centrale decida se vale la pena industrializzarla in una pipeline enterprise mantenuta con Kadoa. Ho visto davvero questo schema in aziende piccole che stanno crescendo — prima si parte in modo agile, poi si formalizza.
Verdetto finale
Torno sempre allo stesso punto: Thunderbit è uno scraper agentico interattivo progettato per velocità e accessibilità. Kadoa, soprattutto dopo il rebrand, è un Web Scraping OS enterprise costruito per governance e scala. Confrontarli con una checklist di funzionalità manca il bersaglio — stanno ottimizzando variabili completamente diverse.
Se sei davvero indeciso tra i due, il mio consiglio sincero è fare una piccola proof of concept invece di fidarti di qualsiasi articolo comparativo (incluso questo). Misura: quanto tempo passa prima di ottenere il primo risultato utile, quanto bene l’estrazione resiste a un cambiamento del sito, quanto è verificabile l’output per il tuo caso d’uso e qual è il costo totale reale quando includi setup e manutenzione.
Per la maggior parte delle persone che arrivano su questa pagina — qualcuno che guarda una pagina web chiedendosi come ottenere quei dati senza scrivere codice o aspettare l’IT — l’estensione browser di Thunderbit è probabilmente la strada più veloce per una risposta. Si può provare gratis e in cinque minuti sai già se risolve il tuo problema.
FAQ
Thunderbit e Kadoa sono entrambi agentic? Sì. Entrambi usano agenti AI per comprendere la struttura della pagina ed estrarre dati senza scrivere manualmente selettori. Thunderbit applica l’analisi agentica per ogni sessione interattiva sulla pagina che stai visualizzando; Kadoa usa agenti per generare e mantenere pipeline di estrazione deterministiche per dataset di produzione.
Come funziona Kadoa Assistant? Secondo l’annuncio ufficiale di Kadoa, descrivi in linguaggio naturale i dati che ti servono, Kadoa esplora le fonti e propone uno schema, costruisce e testa una pipeline deterministica e, dopo la tua approvazione, la distribuisce come workflow schedulato e monitorato.
Thunderbit richiede selettori o configurazione dello schema? No. Clicchi One Click Extract su una pagina e l’agente rileva automaticamente i campi; Run Now è opzionale perché l’estrazione parte da sola se non clicchi nulla.
Kadoa esegue l’estrazione con LLM su ogni pagina? Non necessariamente. Kadoa distingue tra codice deterministico generato dall’agente (che gira senza una chiamata LLM ogni volta) e l’estrazione diretta con LLM. Il loro spiegatore architetturale approfondisce questa distinzione.
Quale è migliore per dataset ricorrenti? Dipende dalla scala e dalle esigenze di governance. Thunderbit supporta estrazioni pianificate su piani compatibili per task moderatamente ricorrenti. Kadoa è progettato apposta per dataset grandi, multi-source e continuamente mantenuti, con osservabilità e controlli di compliance — il suo posizionamento attuale è fortemente orientato a finance e team dati enterprise.
I prezzi di Kadoa sono pubblici? Al momento della stesura, no — le pagine di lancio attuali di Kadoa invitano i prospect a contattare il team commerciale o a richiedere un test invece di mostrare piani self-service pubblici. Thunderbit ha una pagina prezzi pubblica che puoi consultare direttamente.
Uno dei due strumenti può gestire qualsiasi sito? No. Entrambi funzionano meglio su pagine compatibili e autorizzate. Login wall, sistemi anti-bot aggressivi e grandi redesign del sito restano failure mode reali per qualsiasi strumento di scraping, agentico o meno — quindi tratta con scetticismo le promesse "funziona su tutto" di qualunque vendor.
