Gli agenti AI per la programmazione generano più codice ma non nuovo software

L’automazione della programmazione promette di accelerare il lavoro degli sviluppatori, ma produrre codice più rapidamente non significa necessariamente consegnare software migliore o completare più funzionalità.

È il punto centrale di una ricerca condotta da Fiona Chen e James Stratton, ricercatori di Harvard, che ha esaminato dati reali sulle attività dei team di sviluppo. I risultati, riportati da Ars Technica, suggeriscono che il vantaggio ottenuto durante la scrittura può ridursi quando il codice deve essere controllato, corretto e integrato. Per valutare l’impatto degli agenti AI, quindi, non basta contare ciò che viene generato: occorre considerare l’intero percorso che porta una modifica fino al prodotto.

Più codice non equivale a più software

Per costruire l’analisi, i ricercatori hanno utilizzato dati aggregati sulle attività ingegneristiche raccolti da Jellyfish, insieme alle informazioni sulle segnalazioni e sulle modifiche gestite dai team. Hanno confrontato le pratiche aziendali prima e dopo l’introduzione di assistenti e agenti di programmazione, distinguendo gli strumenti che suggeriscono completamenti da quelli capaci di produrre e inviare codice in autonomia.

L’adozione degli agenti è associata a un aumento del volume di lavoro registrato: crescono le righe scritte, i commit e le richieste di modifica. Tuttavia, la quantità di funzionalità completate, misurata attraverso gli elementi di lavoro tracciati nei sistemi di gestione dei progetti, non mostra un miglioramento statisticamente significativo. Il divario mette in luce una distinzione essenziale per le aziende: l’attività tecnica visibile non coincide automaticamente con il valore consegnato agli utenti.

Il passaggio decisivo è la revisione del codice. Le modifiche proposte dagli agenti devono essere valutate per verificarne correttezza, coerenza con l’architettura e compatibilità con il resto del prodotto. Quando arrivano più contributi da controllare, i revisori possono trovarsi a gestire un carico più pesante e un flusso di lavoro meno lineare. La ricerca registra tempi di revisione più lunghi e un incremento delle richieste di correzione e dei commenti lasciati sui contributi. Il tempo guadagnato nella generazione, dunque, può essere assorbito nelle fasi successive.

Come valutare davvero l’efficienza degli agenti AI

Il quadro non dimostra che gli strumenti siano inutili, né permette di concludere che provochino automaticamente una riduzione dell’occupazione.

Gli autori non individuano cambiamenti significativi nel numero complessivo di lavoratori riconducibili alla loro introduzione. Inoltre, l’uso degli strumenti di revisione basati su AI resta limitato rispetto al lavoro svolto dalle persone: l’automazione della scrittura, da sola, non elimina la necessità di giudizio tecnico e responsabilità.

Per le organizzazioni, la lezione è soprattutto gestionale. Introdurre agenti senza ripensare le modalità di controllo rischia di spostare il collo di bottiglia anziché rimuoverlo. Servono criteri chiari per decidere quali attività delegare, verifiche proporzionate al rischio e metriche che misurino la qualità del risultato, non soltanto il volume prodotto. Anche la formazione dei team conta: capire dove gli strumenti funzionano bene e dove richiedono supervisione permette di inserirli nei processi con aspettative realistiche.

Resta una cautela importante: la ricerca osserva pratiche aziendali in un periodo di rapida evoluzione degli strumenti, perciò i risultati descrivono un contesto concreto e non una legge valida per ogni progetto. Le prestazioni possono cambiare con l’esperienza dei gruppi, la natura del software e l’organizzazione delle pratiche di verifica. La vera maturità digitale si misurerà quindi nella capacità di trasformare l’automazione in affidabilità, manutenzione sostenibile e valore percepibile, senza confondere la velocità di produzione con il progresso.