Perché un talk sugli sviluppatori, e non sugli utenti?
L’anno scorso, dallo stesso palco, Isabella aveva parlato a chi costruisce software di noi utilizzatori: quando metti l’AI in uno strumento che altri usano, ti prendi anche un pezzo di responsabilità su come quelle persone cambiano. Dopo il talk uno degli organizzatori le ha fatto una domanda semplice: e noi sviluppatori, non siamo umani quanto gli utenti?
Da lì è nato questo lavoro. Chi sviluppa è esposto all’AI da due lati: la usa tutti i giorni come strumento, e la mette dentro i prodotti che usano gli altri. Isabella si occupa di come i cambiamenti agiscono sulle persone e non lavora mai sulla sola teoria. Io sul palco ero la parte che quegli effetti li vive: lavoriamo insieme da più di un anno.
Perché il cervello non scala come un server?
Ho raccontato il sito di Isabella, che ho fatto io. Un sito così mi costava 20 giorni di lavoro. Con l’AI, sommando le ore, lo sviluppo è stato di due giorni. Ma il progetto non è durato due giorni, e non è che adesso faccio dieci siti al mese: se va bene, da 20 giorni sono passato a 10.
Il motivo sono due carichi che l’AI non comprime. Il carico cognitivo: quello che prima digerivo in settimane va digerito in pochi giorni. E il carico decisionale: se un bottone deve essere azzurro, blu o verde lo decido nei giorni, non nei minuti. Il cervello non scala come un server, e noi non andiamo veloci come le API.
Da qui quello che abbiamo chiamato il paradosso dell’affidabilità. Prima il collo di bottiglia era chi produceva, oggi è chi rivede, ed è la stessa persona. Isabella l’ha letto con i suoi strumenti: quando abbiamo le risorse per affrontare una sfida siamo in uno stato di sicurezza. Sotto pressione c’è chi tiene l’acceleratore a tavoletta, usa l’AI ovunque e si sente in gara con tutti, e c’è chi tira il freno a mano e si spegne.
Cosa succede all’identità di chi sviluppa quando l’AI scrive il codice?
Per noi tecnici la competenza è identità. Uno sviluppatore molto bravo di un mio team mi diceva: «Io non è che so il PHP, io sono il PHP.» Quando l’AI entra proprio lì, il rischio è non riconoscersi più nel proprio lavoro.
Il divario lo misura Anthropic, in una ricerca del marzo 2026: nelle professioni informatiche e matematiche l’AI potrebbe in teoria coprire il 94% delle attività, ma nei dati d’uso reali di Claude ne copre il 33%. Per me in mezzo ci sono le decisioni, e la paura. Un mio collaboratore, uno sviluppatore che stimo molto, doveva costruire un agente RAG su una tecnologia nuova e poco documentata: in 20 giorni ha scritto 250 righe di codice utile, cancellando e rifacendo. Gli ho chiesto perché quei tentativi non li facesse fare all’AI. Mi ha risposto: «No. Questo è il mio lavoro.»
Isabella l’ha riletto così: davanti allo stesso stimolo ci si può ritirare, come ha fatto lui, accelerare e far fare tutto all’AI senza capire, oppure ridefinirsi.
Sul palco ho dato le mie risposte alle sue tre domande sull’identità. Il mio valore oggi sta nel capire i processi, non solo la classe, il modulo o la libreria. Quello che voglio tenere sono le automazioni e la continuous integration, e le posso specializzare portando l’AI dentro il mio flusso di lavoro: è il mestiere che alcune aziende stanno chiamando Forward Deployed Engineer, una figura che nemmeno le job description sanno ancora definire bene. E il professionista che voglio essere è più legato alle relazioni. Prima uno sviluppatore poteva stare nella cantina di un’azienda a scrivere la sua classe in pace. Adesso no.
Da dove arriveranno i senior, se le domande vanno all’AI?
Anthropic l’ha osservato sui propri ingegneri, in uno studio del dicembre 2025: Claude è diventato il primo posto dove fare le domande che prima andavano ai colleghi, e alcuni riferiscono meno occasioni di mentoring. Io l’ho visto con un team di formatori AI con cui lavoro: 160 slide da rivedere, io chiedo di farlo insieme e mi sento rispondere «le faccio rivedere all’AI, ci vediamo alla fine». L’AI è potente, ma non supera la potenza del confronto.
La scala da junior a senior si saliva chiedendo a un collega, facendosi rivedere il codice, prendendosi le correzioni del senior. Se quei gradini spariscono, la skill atrophy diventa misurabile. In un esperimento di Anthropic del gennaio 2026, 52 sviluppatori hanno imparato una libreria nuova: chi ha lavorato a mano ha fatto 67% al test di comprensione, chi ha usato l’AI 50%, con il divario più ampio sul debugging. Sui medici l’hanno già visto: in uno studio osservazionale pubblicato su The Lancet Gastroenterology & Hepatology, gli endoscopisti abituati all’AI, tornati a lavorare senza, trovavano adenomi nel 22,4% delle colonscopie contro il 28,4% di prima.
E il cerchio si chiude, con le parole dello stesso studio di Anthropic sui suoi ingegneri: supervisionare Claude richiede proprio le competenze di programmazione che l’uso eccessivo dell’AI può atrofizzare.
Come mi alleno per non perdere le competenze?
Sono regole che mi sto imponendo, prima di tutto per me:
- Non uso l’AI sempre. A un certo punto mi fermo e provo a fare qualcosa da solo, per tenermi allenato.
- Qualche modulo lo delego, qualche altro no.
- Ogni tanto il debugging lo faccio io.
Non è nostalgia. È che per verificare il lavoro dell’AI servono esattamente le competenze che l’AI ti fa smettere di esercitare.