AI: TUTTI SONO PROGRAMMATORI!!! VEDIAMO COME STANNO LE COSE

Il punto da cui partire: oggi produrre software è diventato molto più facile

Se avete programmato prima dell'arrivo degli assistenti generativi saprete certamente che per trasformare un'idea in un programma bisognava passare attraverso una quantità di ostacoli che oggi, in certi casi, sono praticamente scomparsi, bisognava conoscere almeno un linguaggio, capire come funzionava l'ambiente di sviluppo, leggere documentazione, cercare esempi, risolvere errori di compilazione ed imparare abbastanza da riuscire perlomeno a descrivere il problema nella lingua della macchina. Oggi una persona può invece descrivere in italiano quello che vuole ottenere, correggere il risultato attraverso una conversazione ed arrivare ad un piccolo programma funzionante senza avere mai scritto da sola una funzione completa.

La prima tentazione è quindi dire che l'AI ha creato milioni di nuovi programmatori, ma qui preferisco usare le parole con un minimo di precisione. Ha certamente creato milioni di nuove PERSONE CHE PRODUCONO SOFTWARE, che non è esattamente la stessa cosa. Lo smartphone non ha trasformato miliardi di persone in fotografi professionisti, ma ha trasformato miliardi di persone in produttori di fotografie, ed a me sembra che con il codice stia succedendo qualcosa di molto simile.

GitHub ci dà una misura impressionante della dimensione del fenomeno. Nel 2025 più di 36 milioni di nuovi sviluppatori si sono iscritti alla piattaforma, portando il totale oltre 180 milioni, ossia la crescita assoluta più rapida mai osservata da GitHub, ed il dato ancora più interessante è che quasi l'80% dei nuovi sviluppatori utilizza GitHub Copilot già nella prima settimana. Naturalmente sarebbe scorretto trasformare questa correlazione in una formula del tipo 36 milioni di nuovi iscritti uguale 36 milioni di programmatori creati dall'AI, perché dentro ci sono studenti, professionisti già esistenti, persone che prima usavano altri strumenti ed una quantità di casi diversi, però è altrettanto difficile guardare quella curva e sostenere che l'AI non abbia abbassato violentemente la barriera di ingresso.

Il programmatore non coincide più necessariamente con chi scrive il codice

Questa secondo me è la novità più grossa. Per quarant'anni abbiamo quasi sempre identificato il programmatore con la persona che traduceva un problema in istruzioni scritte in un linguaggio formale, oggi invece quella traduzione può essere delegata in buona parte ad un modello ed il lavoro umano può spostarsi verso la descrizione dell'intento, il controllo del risultato, il debugging, la verifica e la manutenzione.

In pratica compare una nuova categoria che prima esisteva in forme molto più limitate, quella dell'utente che costruisce software senza possedere davvero la disciplina dello sviluppo software. Il cosiddetto vibe coding nasce esattamente lì: si prova, si chiede una modifica, si incolla un errore, si chiede di correggerlo, si continua finché l'applicazione sembra funzionare. Per un prototipo personale, una pagina interna, una piccola automazione oppure uno strumento che prima non sarebbe mai stato scritto perché il costo di imparare a programmarlo era troppo alto, questa è una rivoluzione positiva e difficilmente reversibile.

Ma cambia completamente il significato della frase so programmare. Una persona può oggi produrre un'applicazione ed essere incapace di spiegare in dettaglio il flusso di esecuzione del codice che ha appena ottenuto, può riuscire ad aggiungere una funzione senza sapere perché il framework la implementa in quel modo, può perfino pubblicare software che funziona senza possedere abbastanza conoscenza per capire che contiene una race condition, una query vulnerabile oppure una dipendenza usata male. Non lo dico per sminuire chi utilizza questi strumenti, perché sarebbe come sminuire chi usa una calcolatrice, il punto è semplicemente che PRODURRE UN RISULTATO e POSSEDERE LA COMPETENZA che permette di verificarlo sono diventate due cose molto più separabili di prima.

Il dato che secondo me fotografa meglio i ragazzi che stanno entrando adesso

Una ricerca BairesDev del 2026 condotta su 1.569 sviluppatori in 77 Paesi mette questa frattura quasi sotto una lente. L'85% dei junior intervistati afferma che l'AI abbia migliorato la propria comprensione dello sviluppo software, quindi dal loro punto di vista gli strumenti generativi stanno funzionando anche come insegnanti. Ma soltanto il 16% dei senior che lavora con questi junior ritiene che essi comprendano pienamente il codice generato dall'AI che consegnano, il 57% dice che lo comprendono solo in parte ed il 23% sostiene che lo comprendano raramente.

Ancora più curioso è il fatto che il 24% dei junior dichiari che scrivere codice da zero sia l'attività nella quale si sente meno sicuro senza AI, mentre soltanto il 5% considera proprio quella capacità una competenza critica per essere assunto oggi. In altre parole una parte dei ragazzi sta crescendo professionalmente in un mondo nel quale la competenza che sente di possedere meno viene contemporaneamente percepita come meno necessaria, ed è qui che secondo me nasce il vero rischio, perché scrivere codice da zero non serve soltanto a produrre righe, serve anche ad imparare a scomporre un problema, scegliere una struttura, capire il costo di una decisione e soprattutto costruire quel modello mentale che poi permette di trovare un errore quando l'AI produce una soluzione quasi giusta.

Nel frattempo il mercato del lavoro dei junior si è ristretto davvero

Qui bisogna stare molto attenti a non raccontare una causalità che i dati non dimostrano. Il mercato tecnologico del 2026 non è diventato più difficile per i neolaureati soltanto perché esiste ChatGPT, perché alle spalle ci sono anche la fine dell'epoca dei tassi bassissimi, l'overhiring del 2020-2022, i licenziamenti successivi, la pressione sui costi ed un modo molto più prudente di costruire le squadre. Ma l'AI si è inserita proprio dentro questo cambiamento rendendo automatizzabili molte attività che un tempo venivano affidate ai profili più giovani.

Il rapporto State of Tech Talent 2026 di SignalFire è piuttosto duro: rispetto al 2019 le assunzioni new grad ed entry-level risultano diminuite di circa il 65% nelle grandi aziende tecnologiche considerate dal rapporto e di circa il 76% nelle startup early-stage. Allo stesso tempo, però, gli ingegneri nel loro complesso sono fra le funzioni meno colpite e rappresentano una quota maggiore delle assunzioni tecnologiche rispetto al passato. Questo secondo me è il paradosso che bisogna capire bene: NON STA SCOMPARENDO IL BISOGNO DI INGEGNERI, sta diventando più difficile entrare come persona alla quale l'azienda affida lavori semplici affinché impari facendo.

Una squadra che prima avrebbe avuto cinque senior e quattro junior oggi può essere tentata di avere cinque senior molto produttivi con agenti AI e magari uno o due profili giovani già capaci di muoversi ad un livello più alto. È economicamente comprensibile, ma crea un problema che le aziende stesse non hanno ancora risolto: se eliminiamo una parte del lavoro attraverso il quale i junior diventavano mid e poi senior, fra dieci anni dove prendiamo i senior?

Quindi l'AI produce codice migliore o peggiore?

La risposta meno comoda è ENTRAMBE LE COSE, a seconda di cosa misuriamo, per quanto tempo osserviamo il software e soprattutto chi usa lo strumento.

Un esperimento controllato pubblicato da GitHub ha coinvolto 202 sviluppatori con almeno cinque anni di esperienza e li ha divisi fra un gruppo con Copilot ed uno senza AI, chiedendo a tutti di realizzare endpoint API per un web server. Il risultato è stato favorevole all'assistenza AI: chi utilizzava Copilot aveva una probabilità superiore del 53,2% di superare tutti e dieci gli unit test ed il codice riceveva valutazioni migliori anche su leggibilità, affidabilità, manutenibilità e concisione.

Se mi fermassi qui potrei chiudere l'articolo dicendo che l'AI migliora il software. Ma sarebbe troppo facile, perché quell'esperimento misura un compito ben definito, in un intervallo relativamente breve e con sviluppatori esperti. La qualità del software vero non è soltanto passa i test oggi, è anche cosa succede quando quel codice viene toccato fra sei mesi, quando cambia una dipendenza, quando viene integrato con altri moduli, quando entra in produzione ed un'anomalia compare soltanto con traffico reale.

Quando il codice entra in produzione il quadro diventa molto meno allegro

Il State of AI Coding 2026 di New Relic, realizzato con Hanover Research su 200 responsabili tecnologici statunitensi di aziende medio-grandi ed enterprise, mostra un contrasto quasi perfetto. Il 94% degli intervistati considera il codice generato dall'AI di qualità superiore a quello umano al momento della code review, ma il 78% riferisce un aumento degli incidenti in produzione associati al codice AI, l'86% dice che i senior impiegano più tempo nelle attività di correzione, il 74% afferma che almeno un quarto del codice AI richiede una rielaborazione significativa ed l'82% dichiara di avere avuto almeno un guasto in produzione collegato a codice generato dall'AI nei sei mesi precedenti.

Questo non significa che l'AI provochi automaticamente più bug, perché parliamo di un sondaggio sulle organizzazioni e non di un esperimento randomizzato nel quale lo stesso software viene sviluppato due volte nelle stesse condizioni. Però il segnale è troppo grosso per essere liquidato: IL CODICE CHE SEMBRA BUONO IN REVISIONE NON È NECESSARIAMENTE IL CODICE CHE SI COMPORTA BENE DENTRO UN SISTEMA REALE.

Ed è probabilmente qui che l'AI inganna più facilmente anche gli sviluppatori esperti, perché produce codice dall'aspetto molto convincente, formalmente ordinato, ben commentato, spesso aderente ai pattern più comuni e sufficientemente plausibile da passare una lettura superficiale. Il problema arriva quando manca il contesto che non era nel prompt, quando una funzione apparentemente corretta interagisce male con una parte vecchia del sistema oppure quando la soluzione locale duplica qualcosa che esiste già altrove.

Più codice può significare anche più debito

GitClear ha analizzato 211 milioni di linee modificate fra il 2020 ed il 2024 in repository appartenenti anche a grandi aziende tecnologiche ed ha trovato segnali che meritano attenzione: la quota di codice classificato come refactoring è scesa sensibilmente, mentre le linee identificate come copy-paste sono aumentate dall'8,3% al 12,3%, con una crescita forte dei blocchi duplicati e dello short-term churn, ossia codice scritto e poi modificato oppure eliminato a breve distanza.

Qui bisogna fare un'altra precisazione metodologica, perché GitClear osserva correlazioni temporali durante il periodo di diffusione degli assistenti AI e non può attribuire ogni cambiamento di stile direttamente a Copilot. Però il comportamento descritto coincide con un limite intuitivo dei generatori: se gli chiedo di risolvere un problema locale, il modello ha una fortissima capacità di GENERARE UNA NUOVA SOLUZIONE, mentre capire che la soluzione giusta sia non scrivere nuovo codice, spostare una funzione esistente oppure rifattorizzare tre moduli richiede una comprensione molto più ampia della codebase.

Ed il software può quindi diventare più grosso senza diventare più capace.

Il conto può finire sulla scrivania dei senior

Un lavoro accademico del 2025 sull'introduzione di GitHub Copilot nei progetti open source ha trovato un altro effetto interessante. La produttività aumenta soprattutto fra gli sviluppatori meno esperti, ma cresce anche il rework successivo; i core developer finiscono per revisionare circa il 6,5% di codice in più e la loro produttività nella produzione di nuovo codice diminuisce del 19%.

È praticamente la versione scientifica di una scena che ormai parecchi programmatori raccontano in maniera aneddotica: il junior con l'AI produce molto più velocemente una quantità di codice che sembra funzionare, poi qualcuno con maggiore esperienza deve capire se quel codice sia davvero coerente con il resto del sistema, eliminare duplicazioni, correggere assunzioni sbagliate e prendersi la responsabilità di mandarlo in produzione.

Questo non rende inutile l'AI, anzi significa che ha aumentato la capacità produttiva del junior. Ma se il sistema di sviluppo non cambia, rischiamo semplicemente di spostare il collo di bottiglia dalla scrittura alla VERIFICA.

Anche sulla produttività abbiamo scoperto che la sensazione può ingannare

Il famoso studio METR del 2025 è diventato quasi un simbolo proprio per questo. Sedici sviluppatori open source esperti hanno lavorato su 246 task reali in repository che conoscevano mediamente da circa cinque anni, potendo usare o non usare strumenti AI secondo assegnazione randomizzata. Prima dell'esperimento pensavano che l'AI li avrebbe resi circa il 24% più veloci, dopo l'esperimento continuavano a credere di essere stati accelerati di circa il 20%, ma il tempo effettivamente misurato risultò invece superiore del 19%.

Quella ricerca non dimostra affatto che l'AI rallenti tutti i programmatori, ed infatti METR lo ha scritto molto chiaramente. Erano persone esperte, su codebase mature, con strumenti dell'inizio del 2025 ed un tipo di lavoro nel quale conoscere già molto bene il progetto riduce il vantaggio della generazione automatica.

La cosa ancora più interessante è che METR nel febbraio 2026 ha aggiornato il quadro spiegando che i nuovi strumenti sembrano probabilmente produrre ormai un'accelerazione, ma che misurarla è diventato paradossalmente più difficile perché parecchi sviluppatori non vogliono più partecipare se per metà dei task devono lavorare senza AI. Nei dati grezzi più recenti compaiono speedup nell'ordine di pochi punti fino a circa il 18% per alcuni gruppi, ma METR stessa considera la stima troppo contaminata da effetti di selezione per trasformarla in una misura definitiva.

Questo dettaglio secondo me racconta benissimo quanto velocemente stia cambiando tutto: uno studio molto discusso del luglio 2025 fotografa un rallentamento, pochi mesi dopo gli stessi ricercatori dicono che il segno probabilmente si è già invertito e che il comportamento dei programmatori è cambiato abbastanza da rendere più difficile persino costruire l'esperimento.

Gli sviluppatori usano l'AI ma non si fidano davvero

La Developer Survey 2025 di Stack Overflow mostra un altro paradosso che trovo molto sano. Gli strumenti AI sono ormai diffusissimi, ma il 46% degli sviluppatori dichiara di non fidarsi dell'accuratezza degli output contro il 33% che invece si fida, ed i più esperti sono anche i più diffidenti. Il 66% segnala come frustrazione principale le soluzioni quasi giuste ed il 45% dice che il debugging del codice AI può richiedere più tempo.

Quindi non siamo davanti ad una comunità professionale che ha deciso di consegnare il volante alla macchina. La maggior parte usa l'AI perché il vantaggio è troppo grande per ignorarlo, ma chi ha maggiore responsabilità sembra avere imparato contemporaneamente che l'output va verificato.

Ed a mio parere è proprio questa la competenza che diventerà centrale: NON SAPER CHIEDERE CODICE ALL'AI, perché quello lo faranno praticamente tutti, ma sapere quando non crederle.

Allora davvero tutti saranno programmatori?

Secondo me fra qualche anno la parola programmatore avrà lo stesso problema che oggi ha la parola fotografo. Tutti producono fotografie, pochissimi sono fotografi nel senso professionale del termine; allo stesso modo milioni di persone produrranno applicazioni, automazioni, script, siti ed integrazioni attraverso il linguaggio naturale, ma questo non significherà che abbiano tutti la stessa capacità di progettare un sistema, ragionare sulla complessità, gestire la sicurezza, capire un database oppure diagnosticare un problema in produzione.

Quello che cambia è che la parte visibile della programmazione, ossia SCRIVERE RIGHE DI CODICE, perde progressivamente valore come prova di competenza. Se una macchina può produrne mille in pochi secondi non posso più misurare un ingegnere contando quante righe riesce a scrivere, devo guardare quali problemi sa formulare, quali errori riconosce, quali decisioni rifiuta e soprattutto se riesce a prendersi la responsabilità tecnica di ciò che viene consegnato.

Questo spiega anche perché le aziende sembrano ancora incerte. Per decenni la carriera software è stata abbastanza lineare: il junior eseguiva compiti relativamente circoscritti, accumulava esperienza, imparava dai senior e diventava progressivamente capace di prendere decisioni più ampie. Se l'AI automatizza proprio una parte consistente di quei compiti elementari, bisogna inventare un nuovo modo di addestrare i junior invece di limitarsi a non assumerli.

Il vero rischio per chi oggi ha quattordici o diciotto anni

Io non direi mai ad un ragazzo appassionato di informatica di lasciar perdere perché ormai programma l'AI, perché secondo me sarebbe esattamente la conclusione opposta a quella suggerita dai dati. Nel mondo che arriva ci saranno probabilmente PIÙ PERSONE CHE PRODUCONO SOFTWARE CHE IN QUALSIASI ALTRA EPOCA, quindi il software entrerà in ancora più oggetti, aziende, professioni e processi, e qualcuno dovrà capire come funziona davvero.

Il rischio per un giovane non è essere battuto dall'AI nella velocità con cui scrive una funzione. Quella gara è già persa e non vale nemmeno la pena correrla. Il rischio è crescere dipendendo dall'AI così presto da non costruire mai il modello mentale necessario per giudicarla.

Se un ragazzo oggi impara algoritmi, strutture dati, reti, sistemi operativi, database, sicurezza, elettronica quando gli interessa ed insieme usa con naturalezza gli strumenti AI, fra dieci anni non sarà quello che compete con il modello sul numero di righe prodotte, sarà quello al quale gli altri si rivolgono quando il modello ha prodotto cinquantamila righe ed il sistema si comporta male.

Quindi il software dell'epoca AI è migliore oppure peggiore?

Non abbiamo ancora una risposta unica, e chiunque oggi dica semplicemente migliore oppure peggiore sta comprimendo troppo un fenomeno che dipende dal contesto.

Abbiamo studi controllati nei quali l'AI migliora funzionalità e qualità su compiti circoscritti, abbiamo dati che mostrano un aumento enorme della produttività percepita e probabilmente ormai anche reale in molti contesti, ma abbiamo contemporaneamente segnali di più duplicazione, più rework, difficoltà di manutenzione, incidenti in produzione ed una crescente quantità di codice che deve essere verificato da persone esperte. La conclusione che ne traggo è che l'AI HA RESO MOLTO PIÙ ECONOMICO PRODURRE CODICE, ma non ha reso altrettanto economico capire se quel codice debba esistere, se sia corretto nel contesto completo e se rimarrà gestibile nel tempo.

Ed è per questo che non credo affatto che il mestiere del programmatore stia semplicemente sparendo. Sta perdendo valore una parte del mestiere che per anni abbiamo confuso con il mestiere intero, ossia digitare la soluzione, mentre acquistano valore architettura, verifica, debugging, comprensione, sicurezza e capacità di ragionare sui sistemi.

Mai nella storia così tante persone hanno potuto produrre software ed allo stesso tempo potrebbe diventare sempre più rara la persona che sa spiegare fino in fondo perché quel software funziona, dove potrebbe rompersi e cosa bisogna cambiare quando lo farà. Ed è proprio quella rarità, secondo me, che i ragazzi intelligenti dovrebbero inseguire.