Vibe coding, AI e la nuova realtà dell’ingegneria del software

Dieci anni fa, l’idea che l’AI potesse scrivere codice al posto dei programmatori sembrava più una fantasia emozionante. Oggi, è diventata parte della realtà quotidiana. Gli MVP vengono costruiti in pochi giorni, le interfacce vengono generate da prompt di testo e gli assistenti AI stanno diventando membri a pieno titolo dei team di ingegneria.

In questo contesto, sempre più persone stanno ponendo le stesse domande: l’AI sta realmente sostituendo i programmatori? L’intelligenza artificiale può veramente eguagliare e sostituire un ingegnere senior? E cosa accadrà alla professione nel prossimo futuro?

Sono uno sviluppatore anch’io e ho un’opinione su questo. Analizziamo la questione.

Qual è il nocciolo del problema?

C’è un racconto dominante sulla programmazione AI che va più o meno così:

L’AI sta diventando estremamente efficace nello scrivere codice e, soprattutto, evita già molti degli errori comuni che gli esseri umani commettono. Ancor più interessante è che l’AI potrebbe essere migliore nel gestire i cosiddetti casi limite: scenari rari e insoliti che sono ubiqui nell’ingegneria del software e spesso difficili da prevedere per gli sviluppatori.

Quando il programmatore dice: “Voglio un pulsante qui”, riceve una risposta: “Ecco il pulsante, ecco 18 casi limite che dovresti considerare, ecco i test che devi eseguire e, per inciso, potresti anche voler aggiungere questo e questo”. Potresti guardarlo e pensare: “Sì… questo ha senso”. Da solo, potresti aver capito quei problemi settimane dopo – dopo che qualcosa era già andato storto in produzione. L’AI spesso suggerisce soluzioni immediatamente. Per gli ingegneri che già hanno un lavoro, aumenta notevolmente la produttività e l’efficienza.

E questo racconto porta direttamente a una domanda economica: se un’azienda in precedenza aveva bisogno di 100 sviluppatori per gestire un certo carico di lavoro, teoricamente ora potrebbe averne bisogno solo 20 – perché quei 20 possono realizzare lo stesso lavoro con l’aiuto dell’AI.

Cosa c’è dietro a questa accelerazione?

Sempre più spesso, vedo ingegneri del software molto competenti temere per le loro posizioni, il loro posto nel mercato e il loro reddito. Sembra che presto non ci sarà più lavoro per i programmatori.

E la mia risposta è solitamente: ragazzi, probabilmente non è così drammatico come sembra. In realtà, gli ingegneri esperti stanno guadagnando un nuovo tipo di valore proprio adesso. Perché potremmo essere una delle ultime generazioni di sviluppatori che hanno veramente scritto codice a mano e capiscono profondamente come funzionano i sistemi sotto il cofano. La prossima generazione sta lavorando sempre più con strumenti AI – e insieme a ciò, la pratica dell’ingegneria sta cambiando.

Ecco cosa il racconto precedente non tiene in considerazione:

Il codice generato dall’AI spesso sembra del tutto corretto. I compiti vengono risolti, le interfacce funzionano e tutto funziona. Ma con il passare del tempo, sul lungo periodo, iniziano a comparire problemi più sottili: compromessi architettonici, scelte tecniche poco solide, problemi con le strutture dei dati o problemi di scalabilità. E ciò accade perché l’AI è già molto brava nel risolvere compiti locali, mentre la logica a lungo termine dei grandi sistemi richiede ancora l’esperienza umana e il giudizio dell’ingegnere.

È per questo che, una volta che questi progetti raggiungono ambienti di produzione complessi – banche, piattaforme di e-commerce, servizi su larga scala – i team hanno ancora bisogno di persone che possano analizzare profondamente l’architettura, identificare le cause profonde e ripristinare la logica generale del sistema.

Spesso ricevo telefonate da amici che dicono cose come: “Michael, puoi intervenire e aiutarci a capire perché il sistema sta iniziando a cadere a pezzi?” Anche se oggi lavoro su Physical AI in Introspector, ogni tanto posso ancora aiutare con questo tipo di lavoro di ingegneria manuale difficile: ricostruire la logica del sistema, analizzare l’architettura e capire dove i problemi hanno iniziato ad accumularsi.

E questo è esattamente perché credo che gli ingegneri competenti rimarranno molto preziosi per molto tempo. Allo stesso tempo, sono spesso gli ingegneri esperti che stanno aiutando a migliorare e addestrare i modelli AI oggi. In Keymakr, abbiamo visto questo di persona quando cercavamo sviluppatori esperti per convalidare il codice e aiutare ad addestrare i modelli – persone che possono fare affidamento su un autentico approccio ingegneristico, esperienza pratica e una profonda comprensione di come si comportano i sistemi nel mondo reale.

Le principali ipotesi

E questo ci porta alla più grande domanda sul futuro: dove sta portando tutto ciò? Come possiamo formare la prossima generazione di ingegneri se stanno entrando nell’industria attraverso un percorso completamente diverso fin dall’inizio?

Se guardiamo la situazione in modo obiettivo, senza clamore né paura, vedo alcuni scenari possibili.

• Un futuro incerto

La prima e probabilmente la più onesta risposta è che pochissime persone oggi stanno veramente pensando così lontano. Semplicemente perché nessuno ancora comprende pienamente come sarà questo futuro nella pratica.

Forse, in pochi anni, gli agenti AI saranno realmente in grado di scrivere codice quasi perfetto – con un’architettura solida, scalabilità e comprensione del contesto. Al momento, quella domanda è ancora completamente aperta.

Allo stesso tempo, grandi aziende tecnologiche come Apple (AAPL ), Microsoft (MSFT ) e Google continuano ad assumere attivamente ricercatori di alto livello, specialisti con un dottorato e persone provenienti dal mondo accademico. Ciò suggerisce probabilmente che credono che la profonda comprensione dell’ingegneria rimarrà importante anche in un mondo in cui la maggior parte del codice viene generata automaticamente.

Le aziende più piccole, tuttavia, operano spesso con un orizzonte di pianificazione molto diverso. Quando non sai se la tua startup esisterà ancora tra sei mesi, diventa difficile pensare seriamente a cosa potrebbe accadere dieci anni dopo. Naturalmente, nessuno vuole intenzionalmente costruire qualcosa di strutturalmente difettoso. I team cercano ancora di identificare i potenziali rischi e le debolezze.

Ma nella realtà, la logica è spesso molto più semplice: prima, costruire un prodotto che funziona e genera entrate – poi occuparsi dell’architettura, dell’ottimizzazione e della riscrittura del sistema in seguito. Il problema è che, in molti progetti, “in seguito” continua a essere rinviato indefinitamente.

• Evoluzione a spirale

La seconda risposta, a mio parere, è ancora più interessante. Se guardiamo la storia dell’industria, è già passata attraverso transizioni simili molte volte prima. I primi programmatori lavoravano con schede perforate. Poi arrivò la generazione di ingegneri che scrivevano in Assembly – qualcosa che è già difficile per molti sviluppatori moderni anche solo immaginare. All’epoca, dovevi letteralmente capire come funzionava l’hardware, pensare in termini di logica del processore e tenere in mente una grande quantità di complessità a basso livello.

Poi arrivò l’era del COBOL. Interi mainframe bancari furono costruiti su di esso e la parte più sorprendente è che una parte significativa dell’infrastruttura bancaria globale ancora funziona su quei vecchi sistemi oggi. Ci sono ancora programmatori sessantenni e settantenni che mantengono quella base di codice e rimangono specialisti estremamente preziosi.

La generazione successiva è passata su C++, Python e JavaScript. Io stesso appartengo a quell’era. Ad esempio, a malapena capisco come funziona il COBOL. In teoria, potrei impararlo – ma per me già sembra qualcosa di lontano ed estraneo.

E quando guardi questo storicamente, emerge un modello interessante: ogni nuova generazione di ingegneri non ha più bisogno di capire profondamente come funzionava la tecnologia della generazione precedente. Nel tempo, la conoscenza diventa incorporata nell’infrastruttura stessa.

Le schede perforate sono scomparse da tempo – la loro logica è ora costruita nei processori. L’Assembly è in gran parte scomparso come strumento mainstream perché la sua complessità è diventata nascosta all’interno dei sistemi operativi, dei driver e delle astrazioni a basso livello. Anche le tue cuffie oggi probabilmente contengono un piccolo sistema operativo che esegue tutta questa complessità nascosta in background – la maggior parte delle persone semplicemente non ci pensa.

Naturalmente, ci sono ancora specialisti che capiscono tutta questa magia a basso livello. Ma per la maggior parte dell’industria, è già diventata un livello di astrazione.

E questo porta a un’idea molto logica: forse l’AI è semplicemente il prossimo stadio di questa evoluzione. Forse la prossima generazione non avrà veramente bisogno di capire la programmazione classica così profondamente come abbiamo fatto noi.

• L’economia del mercato

Un’altra ipotesi che ho è che il vibe coding – o lo sviluppo assistito dall’AI – alla fine smetterà di essere percepito come “accelerazione gratuita”. In realtà, non è del tutto gratuito; è solo che, per ora, non tutti stanno calcolando attentamente i veri costi dietro di esso.

I modelli, i token, l’infrastruttura, le richieste costanti, la manutenzione dell’intera pipeline AI – tutto ciò sta diventando una spesa operativa significativa. È per questo che credo che le aziende presto inizieranno a guardare molto più da vicino al vero costo dello sviluppo assistito dall’AI e a porsi una domanda molto pragmatica: cosa è realmente più efficiente – espandere un team di ingegneria o mantenere l’intera infrastruttura AI intorno allo sviluppo?

Uno scenario molto realistico è che i team di ingegneria competenti potrebbero alla fine dimostrarsi più sostenibili economicamente, soprattutto quando si tratta di mantenere, far evolvere e supportare prodotti nel lungo termine.

Tuttavia, credo che questo sia proprio il punto in cui potrebbe emergere un nuovo tipo di team di ingegneria: gruppi molto piccoli di specialisti estremamente esperti concentrati sul mantenimento della stabilità e della resilienza dell’infrastruttura stessa. Nel tempo, ciò potrebbe diventare una delle specializzazioni di ingegneria più preziose dell’industria.

• Le persone che lavoreranno insieme all’AI

E l’ultima ipotesi – sebbene molto realistica – è che la prossima generazione di ingegneri dovrà probabilmente costruire la propria carriera in un ambiente completamente diverso. E ciò va ben oltre la sola programmazione. Cambiamenti simili stanno già iniziando a ridisegnare il diritto, la finanza, la medicina e quasi ogni campo in cui l’AI può prendere il sopravvento su una parte significativa del lavoro intellettuale di routine.

Nonostante tutto ciò, tendo a vedere ciò che sta accadendo in modo abbastanza positivo. Probabilmente perché, nel complesso, mi piace il progresso. Mi piace l’idea che la tecnologia possa migliorare la vita delle persone, liberare gli esseri umani da enormi quantità di lavoro ripetitivo e rendere molti processi più sicuri ed efficienti.

Ad esempio, i sistemi di guida autonoma come quelli di Tesla o Waymo stanno già dimostrando livelli di sicurezza notevolmente elevati in molti scenari rispetto ai conducenti umani. E questo è veramente impressionante.

Allo stesso tempo, il mondo in cui i nostri figli stanno entrando sarà molto più complesso in termini di identità professionale. Dovranno cercare il proprio posto e il proprio ruolo in un paesaggio in rapida evoluzione.

Se un bambino oggi vuole diventare un avvocato, un analista finanziario o un programmatore, c’è una forte probabilità che queste professioni appariranno completamente diverse nel futuro. Forse diventeranno specialisti che lavorano a stretto contatto con l’AI legale, l’AI finanziaria o l’AI di codifica – persone che utilizzano sistemi AI, convalidano output, forniscono contesto e prendono le decisioni chiave.

Credo che sia importante riconoscere che quasi tutti questi scenari già sembrano realistici oggi. E che ci piaccia o no, tutto ciò che sta accadendo ora fa parte di un’onda di progresso tecnologico molto più grande. È molto improbabile che questo processo possa essere fermato. Ciò significa che dovremo imparare a vivere in questo nuovo mondo – imparando gradualmente a trovare un equilibrio con esso, a comunicare con esso e forse anche a sviluppare una nuova forma di coesistenza.