L’intelligenza artificiale accelera la generazione di codice, ma nelle aziende il salto di produttività resta spesso inferiore alle attese. Il motivo è semplice solo in apparenza: il collo di bottiglia non è più la scrittura del software, ma la capacità organizzativa di governare piattaforme, workflow, fiducia e compliance.
Che cos'è il vibe coding
Nel dibattito tecnologico degli ultimi mesi, il vibe coding è diventata una delle espressioni più usate – e forse abusate – per descrivere un nuovo modo di produrre software. Si parte da prompt in linguaggio naturale, si itera rapidamente, e infine si ottiene codice in tempi drasticamente ridotti. Una pratica che si basa su un approccio esplorativo, dove il codice si sviluppa a partire da intuizioni e bisogni immediati, raffinandosi in seguito attraverso prove ed errori.
La promessa, quindi, è potente: con l’aiuto degli assistenti AI, gli ingegneri possono svolgere compiti multi-step più agevolmente, scrivendo, testando e documentando software. GitHub ha riferito che i programmatori che utilizzano Copilot completano le loro attività un 55% più velocemente rispetto a coloro che non hanno supporto AI.
I paradossi del coding AI
Eppure, guardando all’output generale aziendale, il quadro si complica. Il report DORA 2025 ha sottolineato che l’intelligenza artificiale non migliora automaticamente la software delivery. Tende invece a amplificare la qualità del sistema ingegneristico in cui viene applicata. Il vero valore dell’AI si manifesta quando si reimposta radicalmente il contesto lavorativo.
Risultano evidenti i rischi quando il sistema organizzativo non riesce ad assorbire l’aumento della velocità produttiva. Senza una governance robusta, i vantaggi offerti dall’AI in termini di volume e velocità di produzione non si traducono necessariamente in miglioramenti tangibili in termini di delivery. Anche l’adozione diffusa dell’AI non garantisce vantaggi aziendali a livello macro.
Data sulla diffusione e utilizzo dell’AI
- Nel 2025, il 90% dei rispondenti utilizza l’AI in contesti lavorativi.
- Oltre l’80% percepisce un aumento di produttività.
- Stack Overflow ha documentato una penetrazione dell’AI ormai mainstream: l’84% degli sviluppatori ne fa uso o intende adottarla presto.
Limiti organizzativi
Sebbene tali dati sembrino promettenti, i risultati non riflettono necessariamente una reale trasformazione organizzativa. McKinsey osserva che i benefici dell’AI aiutano molte aziende a ottenere miglioramenti in ambiti specifici, ma non sempre si traducono in valore strategico a livello di impresa.
Un grave limite è che il codice prodotto più rapidamente non sempre viene validato, testato o rilasciato con la stessa velocità, e questo genera un gap nel workflow complessivo.
Rischi di localizzazione
I benefici locali di produttività spesso vengono sprecati a causa di un sistema interno che non ha la capacità di integrare tale crescita. I colli di bottiglia nei test, nelle revisioni o nelle deployment sono frequenti ed evidenziano una mancanza di infrastruttura interna robusta.
Fiducia: pilastro del successo dell’AI
Un tema chiave nel panorama 2025 è rappresentato dal fenomeno della crisi di fiducia verso sistemi di AI. Stack Overflow segnala che il 46% degli sviluppatori non ha una completa fiducia nei tool AI. Solo il 33% esprime completa affidabilità, e un modesto 3% si dice molto fiducioso.
Questo livello di scetticismo si spiega in base al contesto: gli strumenti possono aiutare in prototipazione, brainstorming o documentazione, ma il loro utilizzo in contesti critici o sensibili richiede una governance più rigida.
Una risorsa, non una sostituzione
La narrazione secondo cui la tecnologia AI ridurrebbe la necessità di sviluppatori si sta dimostrando errata. L’uso di strumenti AI, a oggi, richiede supervisione umana continua. Il ruolo degli ingegneri si evolve in una figura di revisore anziché di produttore, responsabile però di correggere i dati generati.
La richiesta di profili come software engineer, data engineer, AI product owner e machine learning engineer cresce. Il cambiamento richiede tempo e attenzione: gli ingegneri lavorano in una posizione intermedia, passando da “doer” a “reviewer”, e assumendo compiti di governance e supervisione per controllare la qualità e la sicurezza del codice.
Trasformazione culturale e strutturale
Il tempo dedicato alla scrittura manuale del codice diminuisce, per essere sostituito con attività di alta specializzazione: gestione di specifiche, architettura, verifica, controllo qualità e compliance. L’AI aumenta l’output, ma la componente umana deve muoversi a monte e a valle del processo.
Il baricentro del software engineering si sposta da attività ripetitive a una visione complessiva e strategica del contesto. Definire bene il problema, pianificare il contesto, valutare i rischi e ottenere risultati concreti diventa sempre più rilevante.
Il ruolo delle piattaforme interne
I dati di DORA mostrano chiaramente che solo le aziende che hanno una struttura di supporto ben funzionante riescono a ottenere vantaggio dal coding AI. Il modello AI Capabilities di DORA individua sette capacità chiave per amplificare i benefici AI:
- Instradamento chiaro dell’utilizzo AI
- Ecosistemi dati sani
- Accesso ai dati interni per l’AI
- Version Control
- Lavoro in batch piccoli
- Fuoco sull’utente
- Piattaforme interne di qualità
Un’AI come leva strategica
L’AI non è una semplice aggiunta alle competenze aziendali, ma una leva strategica che, se utilizzata male, può destabilizzare fondamenti dell’ingegneria software. Se i dati interni sono caotici, i processi sono non chiarificati e le piattaforme non forniscono feedback coerenti, l’implementazione dell’AI non porterà grandi benefici.
Qualità della piattaforma: il fattore determinante
La piattaforma interna di qualità emerge come vero e proprio moltiplicatore. Quando è di alta qualità, i benefici dell’utilizzo AI si moltiplicano e amplificano una volta. Quando è di bassa qualità, l’effetto si perde, e i vantaggi del coding AI non si concretizzano.
Una buona piattaforma fornisce guardrail (linee guida di governance) e capacità condivise che permettono di integrare l’AI con efficacia.
Per chi ha il compito di decidere
Il messaggio per i responsabili tecnici o di informatica è chiaro: l'AI accelera il singolo sviluppatore, ma per ottenere un vantaggio reale