Nel mondo in rapida evoluzione dello sviluppo software, gli AI coding agents non sono semplicemente uno strumento, ma una forza di trasformazione. Aziende come Kilo Code e Replit mostrano come l’AI stia gestendo una parte considerevole delle attività di codifica: un cambiamento significativo che pone domande profonde sulla sicurezza dei sistemi, sulla gestione dei costi e sul complesso equilibrio tra l’efficienza delle macchine e la supervisione umana.
L’alba dello sviluppo potenziato dall’AI
In Kilo Code, la cofondatrice Emilie Schario osserva che gli ingegneri oggi leggono o scrivono codice da soli solo circa l’1% del tempo. Questa evoluzione non riguarda soltanto l’adozione della tecnologia; significa ripensare l’intera struttura dei team di sviluppo. Quando gli agenti AI prendono il timone, la natura della programmazione viene ridefinita, spingendo gli sviluppatori a valutare quali sistemi sia sicuro delegare completamente all’AI e come supportare architetture complesse multi-model senza perdere il controllo sull’aumento dei costi legati ai token.
Per Jared Go, ingegnere di riferimento per AI e cloud presso Symbotic, l’attenzione non è solo sull’utilizzare l’AI, ma farlo con giudizio. Sottolinea criteri specifici: sicurezza, eleganza, codice pulito e conciso e assenza di falle. Questi criteri garantiscono che il lavoro “pesante” dell’AI sia allineato a risultati di alta qualità. Tuttavia, come evidenzia Go, se l’AI eccelle nel creare nuove codebase (progetti greenfield), fatica con le complessità della manutenzione e dell’aggiornamento dei sistemi esistenti (progetti brownfield). È qui che l’expertise umana resta indispensabile.
La supervisione umana in un contesto automatizzato
Replit adotta un approccio più articolato: integra l’AI in modo profondo nel proprio flusso di lavoro, ma con cautela. Amol Jain, responsabile di product engineering, descrive un sistema in cui gli agenti AI gestiscono in autonomia i processi end-to-end, dalla pianificazione ai test, con un umano “on the loop” e non “in the loop”. Questo metodo riflette una comprensione matura delle potenzialità e dei limiti dell’AI, consentendo la valutazione dei rischi e l’intervento umano quando serve.