Una valutazione critica basata sull’esperienza: cosa funziona davvero, cosa non funziona e come le PMI devono orientarsi.

L’informatica è una delle prime aree in cui le aziende sono interessate a introdurre l’AI con l’obiettivo di ridurre i costi e migliorare le prestazioni, ma è difficile prendere decisioni solo leggendo i comunicati promozionali di chi cerca solo di vendere o i commenti di chi forse conosce più la teoria che la pratica. Alcune considerazioni derivate da esperienze fatte negli ultimi tre anni possono essere utili a sviluppatori e aziende che stanno considerando l’adozione di questi strumenti. In particolare non si devono mai trarre valutazioni affrettate sulla base dei primi risultati: se sono ottimi e quindi si delega tutto all’AI, i tempi stimati rischiano di moltiplicarsi per 5 o per 10, perché l’AI in certe attività ha delle forti limitazioni, impossibili da prevedere sulla carta. Se invece si capisce quali sono i veri punti forti e quelli critici, e se si usa l’AI solo come uno strumento per compiere operazioni ben definite i risultati sono migliori del previsto.

Una valutazione critica sullo stato dell’arte. L’AI nella programmazione: strumento potente, non soluzione magica

L’intelligenza artificiale sta rivoluzionando molti aspetti della programmazione, introducendo strumenti che promettono di accelerare lo sviluppo e democratizzare l’accesso al coding. Tuttavia, come ogni tecnologia dirompente, l’AI nella programmazione porta con sé tanto opportunità quanto rischi significativi. L’AI nella programmazione è uno strumento potente che, come ogni strumento, può essere usato efficacemente o in modo controproducente. La chiave sta nel trovare un equilibrio che massimizzi i benefici minimizzando i rischi. I vantaggi in termini di velocità, riduzione degli errori sintattici, e democratizzazione dell’accesso alla programmazione sono innegabili. Tuttavia, i problemi legati alla perdita di competenze fondamentali, alla qualità inconsistente del codice, e alla dipendenza eccessiva da soluzioni automatizzate richiedono un approccio cauto e consapevole. Sicuramente le ultime versioni di Claude, Gemini, ChatGPT e altre AI hanno fatto un salto di qualità notevole, ma dalle mie esperienze degli ultimi mesi è per ora impensabile sviluppare un software di media difficoltà utilizzando al 100% l’AI, perché il risultato è una struttura inutilmente complessa, in cui si rischiano loop senza fine di correzioni che generano nuovi errori. E a un certo punto nemmeno l’AI capisce più nulla e getta la spugna, come mi è accaduto più volte. L’AI funziona decisamente meglio per creare programmi semplici sotto le 1000 righe di codice, che funzionano al primo colpo senza aggiustamenti progressivi, o per rinnovare vecchie applicazioni chiedendo solo specifiche modifiche: in pochi minuti si può ottenere quello che a un programmatore richiederebbe alcune ore.

Il nodo strategico per le imprese. Cosa significa tutto questo per chi deve decidere oggi

La domanda che dovrebbe porsi un imprenditore o un responsabile IT di una PMI non è “possiamo usare l’AI per sviluppare software?” –  la risposta è sì, con i limiti descritti. La domanda giusta è: “quali processi digitali della nostra azienda sono abbastanza ben definiti da poter essere affidati all’AI, e quali richiedono ancora il controllo di un esperto?”. Questa distinzione non è banale. L’AI può costruire in tempi rapidi un modulo di preventivazione automatica, un sistema di notifiche, un’interfaccia di reportistica. Non è invece adatta – almeno allo stato attuale – a progettare l’architettura di un gestionale su misura, a integrare sistemi legacy complessi, o a gestire in autonomia la sicurezza di un’applicazione esposta a dati sensibili. Per le PMI italiane, che raramente hanno un reparto IT strutturato, il rischio maggiore non è la tecnologia in sé: è affidarsi ciecamente a un output che sembra corretto ma nasconde fragilità difficili da individuare senza competenza tecnica. Come già evidenziato nel primo articolo di questa serie, ciò che manca non è lo strumento – è la figura del “traduttore strategico”: qualcuno che conosce il business, sa leggere il codice generato con occhio critico, e sa quando fidarsi dell’AI e quando no. Non serve un programmatore a tempo pieno. Serve qualcuno che sappia fare le domande giuste all’AI e verificarne le risposte.

I vantaggi dell’AI nella programmazione. Accelerazione di sviluppo e refactoring

Il vantaggio più immediato e tangibile dell’AI nella programmazione è l’incredibile accelerazione dei tempi di sviluppo. Gli strumenti di AI possono generare boilerplate code in pochi secondi, completare automaticamente funzioni complesse e suggerire implementazioni per algoritmi standard. Quello che prima richiedeva ore di scrittura manuale ora può essere prodotto in minuti, consentendo di allocare gli sviluppatori su aspetti più strategici e creativi del progetto. L’AI può anche analizzare codice esistente e suggerire ottimizzazioni di performance, identificare code smell, e proporre refactoring per migliorare la leggibilità e manutenibilità. Questo aspetto è particolarmente utile quando si lavora su codebase legacy o quando si devono ottimizzare applicazioni per performance critiche. Un vantaggio notevole si avrà nella gestione di packages con decine di programmi collegati, in cui una modifica di funzionalità comporta una difficile ricerca di tutti i punti da modificare, quando sarà disponibile una AI con gestione di “sciami” di agenti specializzati (coordinamento, front-end, back-end, test, controllo sicurezza, …). Un’evoluzione attesa a breve, se sono veri i rumor su Claude Sonnet 5, codename “Fennec”: ma di questo parleremo quando un comunicato ufficiale ci chiarirà la reale portata dell’innovazione e i costi associati. Per i programmatori junior, l’AI rappresenta un tutor sempre disponibile che può spiegare concetti complessi, suggerire approcci alternativi e fornire esempi pratici istantaneamente. Questo accelera significativamente la curva di apprendimento e riduce la frustrazione tipica dei primi anni di programmazione.

Riduzione degli errori sintattici

L’AI eccelle nell’eliminare errori di sintassi e di scrittura che tradizionalmente consumano tempo prezioso durante il debugging. Gli strumenti moderni possono identificare e correggere automaticamente parentesi non chiuse, variabili dichiarate incorrettamente, o chiamate a funzioni con parametri sbagliati. Questo libera il programmatore dalla noia del debugging di basso livello, permettendogli di concentrarsi sulla logica dell’applicazione.

Democratizzazione della programmazione

L’AI ha abbassato significativamente la barriera d’ingresso alla programmazione. Persone senza background tecnico possono ora creare applicazioni semplici, automatizzare task ripetitivi, o prototipare idee rapidamente. Questo fenomeno ha aperto nuove possibilità per imprenditori, designer, e professionisti di altri settori che possono trasformare le loro idee in soluzioni digitali senza dover diventare programmatori esperti. Non avranno soluzioni ottimizzate, ma avranno soluzioni che funzionano: certo non peggio di quanto avrebbero da qualunque software house, ma con notevole risparmio di tempi e costi.

Supporto multilingue e cross-platform

Gli strumenti AI possono facilmente tradurre codice tra linguaggi diversi, suggerire equivalenti cross-platform, e aiutare nella migrazione di progetti legacy verso tecnologie moderne. Questa capacità è particolarmente preziosa in ambienti aziendali dove coesistono sistemi sviluppati in epoche e con tecnologie diverse. Un esempio è la piattaforma SOSdott.com creata da EUROTEAM, che consente ai 5.000 italiani residenti in Tunisia che non sanno parlare francese di chiamare il pronto soccorso e comunicare direttamente coi medici pur parlando due lingue diverse. Un’app con cui si spera di evitare che ogni anno muoiano 3-4 expat solo perché non capaci di chiedere aiuto.

Gli svantaggi dell’AI nella programmazione. Il problema del “Cargo Cult Programming”

Uno dei problemi più insidiosi dell’AI nella programmazione è la tendenza a seguire ciecamente le best practices convenzionali senza considerare il contesto specifico. Le AI sono addestrate su enormi quantità di codice di qualità media e tendono a riprodurre pattern comuni anche quando non sono appropriati. Spesso è codice che viene dalle grandi aziende di software, dove per un grosso progetto possono essere coinvolti anche 100 programmatori: un contesto in cui c’è un serio problema di coordinamento, ma dove a nessuno interessa l’ottimizzazione. Quindi il focus è sulle regole: il programmatore non è pagato per pensare, ma solo per eseguire. Se un programma occupa 50 mega invece di 5 mega poco importa, basta che funzioni: la memoria del server costa poco, qualunque problema di funzionamento costa molto. Questo è evidente anche nelle decisioni più banali. Ad esempio per semplici passaggi di dati fra programmi di un’applicazione è inevitabile ritrovarsi con una serie di encoding-decoding JSON invece che con una semplice stringa di dati separati da caratteri speciali. Oppure inutili data-base con tutti i relativi problemi, quando usando il file system come DB si potrebbe aumentare la velocità di almeno 10 volte e ridurre di molto tempi e rischi. Si hanno quindi soluzioni sovra-ingegnerizzate, con astrazioni premature e pattern complessi applicati a problemi semplici. Gli sviluppatori che usano l’AI si trovano intrappolati in architetture rigide, che seguono dogmaticamente principi di massima, senza poter valutare a priori se abbiano senso nel contesto specifico. Il risultato è spesso una notevole difficoltà nella messa a punto della versione finale e un codice che bene o male funziona, ma è difficile da mantenere, debuggare ed estendere.

Perdita di comprensione fondamentale

L’uso eccessivo dell’AI può portare a una perdita graduale della comprensione dei principi fondamentali della programmazione. Quando un programmatore si abitua a ricevere soluzioni pronte, può perdere la capacità di ragionare su problemi complessi, di ottimizzare algoritmi, o di comprendere le implicazioni di performance delle proprie scelte. Questo fenomeno è particolarmente preoccupante per i programmatori junior, che rischiano di sviluppare una dipendenza dall’AI senza mai acquisire le competenze fondamentali necessarie per essere autonomi e competenti. La programmazione diventa una serie di copy&paste di soluzioni generate dall’AI piuttosto che un processo di risoluzione logica di problemi.

Codice inconsistente e poco sicuro

Nonostante le promesse di codice “ottimizzato”, la realtà è che l’AI spesso produce codice di qualità inconsistente. Il codice generato può funzionare per i test cases più ovvi, ma fallire in edge cases specifici. Spesso manca una gestione appropriata degli errori, validazione degli input, o considerazioni di sicurezza, che un programmatore esperto includerebbe o escluderebbe in relazione al contesto in cui si opera. Inoltre, il codice AI tende ad essere verboso e ridondante, con naming conventions generiche che rendono difficile comprendere l’intento specifico del codice. Variabili chiamate “data”, “result”, o “temp” sono comuni nel codice generato dall’AI, rendendo la manutenzione futura un incubo. L’AI può non omettere una gestione appropriata degli errori o considerazioni di sicurezza. O ancor peggio introdurre vulnerabilità sottili e difficili da identificare. Non avendo una comprensione reale del contesto di sicurezza, può suggerire soluzioni che funzionano ma espongono l’applicazione a attacchi di SQL injection, XSS, o altre vulnerabilità comuni. E la fiducia cieca nel codice generato dall’AI può portare a trascurare audit di sicurezza appropriati.

Debugging complesso e dipendenza

Quando il codice generato dall’AI presenta bug complessi, il debugging diventa estremamente difficile. Il programmatore si trova a dover comprendere e debuggare codice che non ha scritto, con logica che potrebbe non seguire i propri pattern mentali. Questo crea una dipendenza pericolosa: più si usa l’AI, meno si è capaci di risolvere problemi quando l’AI non è disponibile o non riesce a fornire soluzioni adeguate. L’AI in molti casi trova immediatamente cause di errori complesse a cui il programmatore non pensa, ma spesso non identifica cause di errori banali che per un programmatore esperto sono evidenti, e quindi si trincera dietro dubbi da dilettante: il server ha problemi, questo software non è la release più recente, ci sono problemi di rete e di caching, e così via. In questa situazione si resta bloccati se non si ha abbastanza esperienza per dire all’AI cosa controllare.

Standardizzazione eccessiva e mancanza di reale ottimizzazione

L’AI tende a produrre soluzioni standardizzate basate sui pattern più comuni nei dati di training. Questo porta a una omogeneizzazione del codice che può soffocare l’innovazione e la creatività nella risoluzione dei problemi. Approcci eleganti e innovativi vengono sostituiti da soluzioni “sicure”, ma scarsamente ottimizzate. Inoltre, l’AI non può comprendere realmente le esigenze di business specifici o le peculiarità del dominio applicativo, portando spesso a soluzioni generiche che non colgono l’essenza del problema da risolvere.

Conclusione. Come usare l’AI con buon senso pensando al futuro

Per sfruttare al meglio l’AI evitando i suoi tranelli, è essenziale adottare un approccio critico e consapevole. L’AI deve essere vista come un assistente intelligente, non come un sostituto del pensiero critico. I programmatori devono sempre comprendere il codice che integrano nei loro progetti, indipendentemente da chi o cosa l’abbia generato. È fondamentale mantenere e sviluppare le competenze fondamentali di programmazione, anche quando l’AI può fornire soluzioni rapide. La comprensione degli algoritmi, delle strutture dati, dei principi di design, e delle best practices rimane essenziale per essere programmatori efficaci nel lungo termine. L’evoluzione dell’AI nella programmazione continuerà verso strumenti più sofisticati e più consapevoli del contesto e delle esigenze specifiche. Tuttavia, è difficile che l’AI possa sostituire in tempi brevi il pensiero critico, la creatività, e la comprensione del contesto che caratterizzano i migliori programmatori. Il futuro più probabile vede l’AI come un partner collaborativo che amplifica le capacità umane, piuttosto che sostituirle. I programmatori che sapranno utilizzare l’AI come strumento e nello stesso tempo mantenere le proprie competenze fondamentali saranno quelli più efficaci e versatili. Il futuro appartiene a coloro che sapranno utilizzare l’AI come un potente strumento di amplificazione delle proprie capacità, mantenendo al contempo una solida base di competenze fondamentali e un approccio critico alla risoluzione dei problemi. Solo così potremo sfruttare il meglio di entrambi i mondi: l’efficienza dell’AI e l’intelligenza creativa umana. Una lezione che vale, in fondo, tanto per il programmatore quanto per l’imprenditore che sta decidendo se e come portare l’AI nella propria azienda: lo strumento è potente, ma la visione è ancora e sempre umana.