Lo dico senza esitazione:

I developer sono qui per restare… e lavorare assieme all’AI.

ChatGPT 3.5 è stato lanciato al grande pubblico il 30 novembre 2022. Da quel momento si è spalancato il vaso di Pandora degli LLM e, passo dopo passo, siamo arrivati (mentre scrivo, a fine 2025) ad avere agenti integrati nei nostri IDE che scrivono software a partire da istruzioni in linguaggio naturale che ha persino dato vita a un nuovo modo di lavorare, chiamato vibe coding, entrato nel gergo comune all’inizio del 2025. Tra chi è convinto che l’AI non riuscirà mai a scrivere codice davvero utile e chi, all’opposto, prevede la scomparsa dei developer, il dibattito è stato continuo. Discussioni, esperimenti e ricerche si susseguono senza sosta perché la tecnologia degli LLM, e tutto quello che ci gira intorno, continua a evolversi a velocità impressionante.

Inoltre, siamo ben lontani dal momento in cui potremmo delegare totalmente tutto agli LLM, come sostiene anche Mark Russinovich.

Infatti, per me, l’AI oggi assomiglia a uno junior developer pieno di entusiasmo e idee, ma con poca esperienza: spesso prende cantonate e il suo lavoro va attentamente revisionato e controllato.

In questo messaggio offro una panoramica sullo stato dell’arte dell’AI al servizio dei developer e dei team di sviluppo, con la consapevolezza che le scoperte in questo ambito continueranno a susseguirsi rapidamente e che una parte di ciò che leggerete potrebbe diventare obsoleta in pochi anni… o forse in pochi mesi!

Comincio con il proporre una classificazione in tre livelli, definiti in base a chi trae il principale beneficio dal loro utilizzo, ovvero a “chi servono” i tool di AI. Distinguo strumenti, piattaforme e agenti al servizio:

  • dell’intera software factory: hanno lo scopo di agevolare l’organizzazione generale della software factory ed essere utilizzati per prendere decisioni a livello di business (ad esempio con un’analisi dei dati di telemetria di business, ALTRI ESEMPI);
  • di un team: hanno lo scopo di aiutare i team a gestire le proprie attività, il backlog, la qualità del software che viene prodotto e in generale i processi di produzione e distribuzione di software del team (ad esempio pianificazione del lavoro suggerita dall’AI in base a telemetria e statistiche del team, pipeline con controlli aumentati dall’AI, …)
  • del singolo software engineer o IT professional: hanno lo scopo di migliorare la qualità del lavoro del singolo developer nella quotidianità (riducendo le attività su codice ripetitivo / noioso, scovare casi di test limite, refactoring dei sorgenti, creazione protipi, scaffolding delle applicazioni…).

Nei prossimi messaggi enterò nei dettagli di ciascuna.