L’AI ha accorciato i tempi, non i problemi

Li ha solo resi più difficili da vedere

Ogni nuovo strumento arriva con la stessa promessa: fai le stesse cose in molto meno tempo. Con l’AI la promessa, per una buona parte, è mantenuta davvero. Il tempo si comprime. Quello che nessuno racconta è che i problemi no, non si comprimono insieme al tempo. Si spostano. E si spostano esattamente nel punto in cui è più difficile vederli.

Lo dico nel modo più diretto possibile, perché è il cuore di tutto. Un errore prodotto in tre secondi e accettato senza guardarlo non è un errore in meno. È un errore che salta fuori dopo, settimane dopo, quando correggerlo costa di più e nessuno ricorda da dove sia arrivato. L’AI non riduce gli errori. Ne aumenta la latenza di scoperta. La differenza che conta non è tra errore commesso ed errore evitato, bensì tra errore commesso ed errore scoperto.

Il “quasi giusto” è il problema che non sembra un problema

Stack Overflow ha chiesto a oltre 49.000 sviluppatori cosa li frustra di più dell’AI. La risposta numero uno, dal 66% dei rispondenti, sono le soluzioni “quasi giuste, ma non del tutto”. La seconda, al 45%, è che fare debug del codice generato dall’AI porta via più tempo del previsto. E la fiducia nell’accuratezza di questi strumenti è scesa: solo il 33% se ne fida, contro il 43% del 2024.

Il problema vero non è l’errore evidente. Quello si vede e si butta. Il problema è il quasi-giusto. È l’output ben formattato, plausibile, che passa il controllo a vista e si infila nel lavoro. Chi rivede abbassa la guardia proprio perché la forma è in ordine. Il problema non sparisce, si nasconde dietro la propria presentabilità, e gli sviluppatori più esperti sono i più diffidenti. Tra chi ha oltre dieci anni di mestiere, solo il 2,6% si fida molto dell’AI. Più sai riconoscere un errore, meno ti fidi.

C’è però un dato che chiude il cerchio meglio di ogni altro, perché guarda al futuro e non al presente. Stack Overflow ha chiesto: in un domani in cui l’AI potesse fare la maggior parte del lavoro, in quali casi chiederesti comunque aiuto a una persona? La risposta numero uno, al 75%, è “quando non mi fido delle risposte dell’AI”.

È il punto di arrivo di tutto il ragionamento. Per quanto l’AI diventi veloce, il giudizio finale su cosa è giusto resta umano. Non perché l’AI non serva, ma perché qualcuno deve pur sempre rispondere di ciò che esce.

La velocità c’è. Il conto arriva a valle

Il report DORA di Google è una delle ricerche più serie e longeve sullo sviluppo software. Nell’edizione 2025, per la prima volta, l’adozione dell’AI mostra un effetto positivo sulla velocità di consegna. I team hanno imparato a usarla, e vanno più veloci. Nello stesso report, però, l’adozione dell’AI continua a correlare negativamente con la stabilità della consegna.

Questa è la conferma più netta di tutta la tesi, e arriva da chi l’AI la promuove, non da chi la teme. La velocità è reale, i tempi si accorciano sul serio. Ma l’accelerazione mette sotto pressione tutto ciò che sta a valle: testing, code review, controllo qualità e se quella parte non regge il ritmo, il volume in più si trasforma in instabilità. Il problema non sparisce perché sei più veloce, e lo vedi solo se hai costruito gli strumenti per vederlo.

Il debito che si accumula è un costo che qualcuno paga

GitClear ha analizzato 211 milioni di righe di codice modificate tra il 2020 e il 2024, da repository di grandi aziende tech ed enterprise. Il dato chiave riguarda due modi opposti di scrivere codice nuovo.

Il primo è il refactoring, il lavoro di riordino che riusa codice già esistente e lo tiene pulito e mantenibile. È sceso dal 25% delle righe modificate nel 2021 a meno del 10% nel 2024.

Il secondo è il copia-incolla. Duplicare blocchi di codice invece di riusarli in modo ordinato. È salito dall’8,3% al 12,3% nello stesso periodo. E nel 2024, per la prima volta, le righe semplicemente copiate-incollate hanno superato quelle riusate in modo strutturato.

In altre parole, si scrive sempre più codice “in fotocopia” e sempre meno codice riordinato. È il segno che si produce in fretta accumulando duplicati, invece di tenere il sistema pulito.

Questa è la fotografia di quello che io chiamo l'”accrocchio”. Quando produrre costa quasi zero, l’incentivo si sposta dallo scrivere bene allo scrivere in fretta. Si accumulano scorciatoie, duplicati, pezzi che funzionano oggi e che qualcuno dovrà mantenere domani. Non è un costo che vedi alla consegna. È un debito che matura nel tempo e che si presenta all’incasso mesi dopo, quando devi mettere mano al sistema e scopri che nessuno sa più perché quel pezzo era fatto così.

Dove il codice si rompe, e dove invece tace

Tutti questi numeri vengono dal mondo del software per un motivo semplice, è l’unico posto dove il problema si misura bene. C’è un test che fallisce, un deploy che salta, un incidente in produzione. Prima o poi qualcosa si rompe e rende l’errore visibile.

Nel mio lavoro, dati e compliance, quel campanello spesso non suona. Ed è qui che la cosa diventa più insidiosa, non meno.

Un’analisi costruita su un tracciamento sbagliato, una dimensione scambiata per un’altra, un consenso interpretato male, una sorgente di traffico attribuita a casaccio, produce numeri perfettamente plausibili (ricordi il “BOOM della SEO” del mio precedente articolo?). Niente si rompe. Il grafico è pulito, la slide convince, la decisione viene presa. L’errore non si vede in quel momento, viene fuori quando una scelta di budget o di posizionamento si rivela poggiata su un dato che non reggeva.

Stessa storia con la compliance. Un testo che sembra a norma, un’informativa, una cookie policy, una valutazione di trattamento, supera il controllo a vista esattamente come il codice quasi-giusto. Il difetto resta invisibile finché non arriva un audit, una contestazione, la richiesta di un interessato. A quel punto il tempo che avevi risparmiato a scriverlo lo riprendi tutto indietro, con gli interessi del rischio.

Il tempo che risparmi è un prestito, non un regalo

Chiariamo una cosa, la conclusione non è “usare meno l’AI”. Sarebbe miope, e i dati stessi la smentiscono poiché la velocità è vera e il vantaggio è concreto. La domanda giusta è un’altra: cosa fai del tempo che l’AI ti restituisce?

Perché quel tempo è un prestito. Se lo incassi, consegni più in fretta e non cambi niente a monte è molto probabile che dovrai prepararti presto a pagare gli interessi. Gli errori scoperti tardi, il debito da mantenere, le decisioni prese su basi fragili sono lo scotto da pagare. Se lo reinvesti, invece, e sposti la verifica a monte anziché a valle, tieni l’attrito utile dov’è utile, lasci esplicita la responsabilità di chi controlla e a quel punto realmente l’AI accelera senza nasconderti il conto.

È una questione di metodo, e il metodo è il nostro mestiere. In concreto, per noi, significa tre cose:

• tenere sempre separato il dato osservato dall’interpretazione, ed accertarsi da dove arriva;
• trattare la governance del dato non come un adempimento ma come la condizione perché le analisi reggano;
• preferire un’ipotesi che puoi verificare a una scorciatoia che sembra funzionare.

L’AI è uno strumento straordinario per chi mantiene la disciplina di controllare quello che produce. Per chi la perde, accorcia una cosa sola, il tempo che passa prima di pagarne il conto.

---

Fonti: Stack Overflow Developer Survey 2025 (survey.stackoverflow.co/2025/ai); Google Cloud DORA, State of AI-assisted Software Development 2025 (dora.dev); GitClear, AI Copilot Code Quality 2025 (gitclear.com).