L’istruzione “Corporate”: il modello junior infinito

L’AI non pensa; l’AI riflette la media statistica del codice con cui è stata addestrata. Poiché la stragrande maggioranza del codice moderno proviene da grandi aziende, l’AI eredita una mentalità da “programmatore junior di una multinazionale”.

In questi contesti, la logica è sostituita dalla procedura:

• Non si usa una stringa se si può usare un oggetto JSON.
• Non si usa una semplice istruzione explode() se si può importare una libreria di parsing.
• Si aggiungono trim() e strip() compulsivi perché “non si sa mai”, ignorando che un sistema ben progettato pulisce i dati alla fonte.

Il risultato è un codice elefantiaco: sicuro per un comitato di 100 revisori, ma inefficiente per i programmatori esperti che hanno come obiettivo velocità e pulizia e per l’utente finale che paga di più qualcosa che vale meno.

La sottostima della logica “artigianale”

L’AI manca di quella che potremmo definire “esperienza da trincea“. Ad esempio, l’uso delle sentinelle (#DATO#) per proteggere le stringhe dai caratteri spuri è una soluzione logica, veloce e brillante. Tuttavia, poiché le grandi aziende che producono documentazione ufficiale preferiscono standard pesanti come XML o JSON invece di queste soluzioni banali molto più semplici, l’AI non ne trova traccia nei suoi casi studio, e quindi nel suo cervello.

Per il modello, se una cosa non è standardizzata in un manuale accademico o aziendale, semplicemente non esiste. L’AI non può “inventare” la semplicità se è stata nutrita solo di complessità.

L’allucinazione degli indici e il bias del token

C’è poi un limite tecnico: l’AI elabora il testo in token, non in caratteri. Quando vede una stringa come #1#Mario#101#, per lei i cancelletti sono separatori astratti.

 Non avendo un corpo o una matita per puntare il dito, la sua capacità di “contare” gli elementi di un array prodotto da una istruzione explode è sorprendentemente bassa. Preferisce suggerire una complessa Regex perché le Regex occupano “blocchi di memoria” più densi e definiti nei suoi pesi statistici, anche se per una CPU sono infinitamente più costose di una funzione nativa diretta.

Il silenzio delle Big Tech

Il vero problema è che nessuna grande azienda oggi ottimizza con semplice logica.

L’hardware è diventato così economico che l’efficienza del software è passata in secondo piano. Se un’app occupa 200MB invece di 160KB, l’azienda compra più RAM: non paga i programmatori per pensare! L’AI è solo lo specchio di questo mercato, quindi è addestrata a sprecare risorse.

In conclusione possiamo dire che l’AI è un ottimo assistente, ma un pessimo architetto se l’obiettivo è avere efficienza la snellezza. Per il vero programmatore professionale con molti anni di esperienza la sfida non è più “scrivere codice”, ma “de-programmare l’elefante” che l’AI cerca di inserire in ogni riga e suggerire all’AI come correggere errori molto banali che non riesce a identificare, mentre è bravissima nel correggere quelli per noi quasi introvabili. La logica del # per gestire i campi di dati, o quella di usare il file system per eliminare i data base è molto vecchia. Ma è anche ultra-moderna, perché il buon senso non ha età. Oggi questo diventa una ribellione contro un’industria che ha dimenticato che la soluzione più semplice è sempre la migliore.