L'AI scrive il codice, ma il progetto resta una questione di esperienza

Chi lavora nello sviluppo da qualche anno lo sa bene: la parte più difficile di un progetto raramente è scrivere le righe di codice. Il lavoro vero sta prima, nel capire cosa serve davvero al cliente, come organizzare i dati, quali parti del sistema dovranno crescere e quali invece resteranno stabili. E sta anche dopo, nella manutenzione, negli aggiornamenti, nella gestione degli errori che emergono solo quando il progetto è in produzione e le persone iniziano a usarlo.

Gli strumenti di AI hanno reso velocissima la fase centrale, quella della scrittura. Oggi basta descrivere una funzione per ottenerla in pochi secondi. È un cambiamento enorme e sarebbe sciocco sottovalutarlo tanto che ormai ogni sviluppatore ne fa largo uso. Però ha anche creato un equivoco molto diffuso, cioè l'idea che chiunque, con il prompt giusto, possa costruire un'applicazione solida.

Lavorare bene con l'AI assomiglia molto a coordinare un collaboratore rapidissimo e instancabile, che non ti dice mai "questo non si può fare". Però non conosce il progetto e non ne porta la responsabilità. Per ottenere risultati serve saper fare alcune cose che non si imparano in un qualche mese o, peggio ancora, con sole esperienze di vibe coding.

Scomporre il problema. Uno sviluppatore esperto divide un'applicazione in parti chiare e affida all'AI compiti circoscritti, con vincoli precisi. Sa quali decisioni tenere per sé e quali delegare.

Leggere il codice generato con occhio critico. L'AI propone, ma qualcuno deve valutare. Riconoscere una soluzione fragile, una query inefficiente o un pattern che creerà problemi in futuro richiede di averli già visti e vissuti spesso sulla propria pelle (come le ore, i giorni e le settimane passate su Stack Overflow nella speranza di trovare la soluzione di problemi già affrontati e risolti da altri colleghi sviluppatori).

Conoscere l'architettura. Scegliere come strutturare i dati, dove mettere la logica, come far dialogare frontend e backend, come gestire cache e performance. Sono decisioni che determinano il destino di un progetto e che l'AI esegue bene solo quando qualcuno le ha prese con cognizione di causa.

Sapere quando fermarsi. A volte la risposta migliore è non scrivere codice nuovo, ma usare qualcosa che esiste già o semplificare la richiesta del cliente. Questo tipo di giudizio viene dall'esperienza, non da un prompt.

In pratica l'AI moltiplica le capacità di chi la usa. Se le capacità di partenza sono solide, il risultato è impressionante. Se sono deboli, si moltiplicano anche gli errori.

Un modello di AI risponde a quello che gli viene chiesto. Se la richiesta è vaga o impostata male, il risultato sarà coerente con quella richiesta, quindi sbagliato in modo convincente. Il codice funziona, la pagina si carica, il form invia i dati. Tutto sembra a posto.

I problemi arrivano settimane dopo. Un modulo di prenotazione che non gestisce due richieste simultanee. Un database costruito senza pensare a come verranno filtrati i contenuti quando saranno migliaia. Credenziali lasciate nel codice. Dipendenze aggiunte senza motivo che rallentano il sito e aprono falle di sicurezza. Chi non ha esperienza non si accorge di nulla, perché non sa dove guardare.

C'è poi un altro effetto, più sottile. Ogni risposta dell'AI viene costruita sul contesto disponibile in quel momento. Senza qualcuno che mantenga una visione d'insieme, il progetto diventa un insieme di pezzi che funzionano singolarmente ma non parlano bene tra loro. Aggiungere una nuova funzionalità diventa ogni volta più costoso, fino al punto in cui conviene ripartire da zero.

Il mercato del lavoro americano, che spesso anticipa le tendenze europee, sta mostrando questo fenomeno con molta chiarezza. Le aziende tecnologiche hanno ridotto le assunzioni di profili junior e concentrano la ricerca su sviluppatori senior, capaci di progettare sistemi e guidare il lavoro degli strumenti di AI.

La logica è semplice. Molte attività che un tempo venivano affidate ai junior, come scrivere codice ripetitivo, test di base o piccole correzioni, oggi vengono svolte in buona parte dall'AI. Quello che non si può automatizzare è la capacità di decidere cosa costruire e come. Un senior con gli strumenti giusti riesce a coprire un volume di lavoro che prima richiedeva un piccolo team, mantenendo il controllo sulla qualità.

Per le aziende questo significa progetti più rapidi senza rinunciare alla solidità. Per il settore significa invece una domanda aperta: se i junior fanno fatica a entrare, chi diventerà senior tra dieci anni?

Quello che accade nel codice ha un parallelo evidente nel mondo del design. Da quando generare interfacce, immagini e layout con l'AI è diventato alla portata di tutti, il web si è riempito di quello che nel settore viene chiamato slop: contenuti prodotti in serie, visivamente puliti ma vuoti, tutti uguali tra loro.

Lo si riconosce a colpo d'occhio. Landing page con la stessa struttura, gli stessi gradienti, le stesse card arrotondate e le stesse icone. Illustrazioni generiche che potrebbero stare su qualsiasi sito. Dashboard ordinate ma pensate senza chiedersi chi le userà e per fare cosa. Il risultato è corretto in superficie, ma non comunica nulla del brand e spesso non aiuta l'utente a raggiungere il suo obiettivo.

Il motivo è lo stesso che abbiamo visto per lo sviluppo. L'AI tende a proporre la soluzione più probabile, cioè la media di tutto quello che ha già visto. Un designer esperto usa questa base come punto di partenza e poi prende decisioni: una gerarchia visiva costruita sui contenuti reali, una tipografia scelta per il tono del marchio, flussi di navigazione pensati sui comportamenti degli utenti, dettagli che rendono un prodotto riconoscibile. Chi improvvisa si ferma alla prima proposta, perché non ha gli strumenti per capire cosa manca.

Nei progetti digitali design e sviluppo sono sempre più intrecciati. Un'interfaccia generata senza criterio porta con sé problemi di usabilità, accessibilità e coerenza che poi ricadono sul codice e sui costi di manutenzione. In entrambi i casi l'AI accelera il lavoro di chi sa già cosa sta facendo e produce risultati mediocri nelle mani di chi non lo sa.

Questa trasformazione riguarda da vicino anche chi un progetto digitale lo commissiona. Il mercato si sta riempiendo di offerte a prezzi molto bassi, rese possibili dalla velocità con cui oggi si produce codice. Un sito web o un'applicazione possono essere consegnati in pochi giorni e apparire perfetti alla prima demo.

La differenza si vede nel tempo. Un progetto costruito senza una vera progettazione diventa difficile da aggiornare, da integrare con altri servizi, da far crescere. I costi che si risparmiano all'inizio tornano sotto forma di interventi urgenti, rifacimenti e problemi di sicurezza.

Quando si valuta un fornitore, conviene fare domande che vanno oltre i tempi e il prezzo. Come verrà strutturato il progetto? Chi si occupa della revisione del codice? Come vengono gestiti aggiornamenti e sicurezza nel lungo periodo?

L'intelligenza artificiale è lo strumento più potente arrivato nello sviluppo software da molti anni a questa parte. Nel nostro lavoro quotidiano la usiamo ogni giorno e ci permette di concentrare il tempo sulle decisioni che contano davvero. Proprio per questo sappiamo che il suo valore dipende da chi la guida.

Non basta avere accesso allo strumento. Serve sapere cosa chiedere, come verificare quello che produce e come inserirlo in un progetto pensato per durare. È una competenza che si costruisce con anni di progetti, errori (sbattimenti) e soluzioni. Ed è per questo che oggi, paradossalmente, l'esperienza vale molto più di prima.