L’AI nello sviluppo: strumento potente o specchio deformante?

L’intelligenza artificiale è qui, ce l’abbiamo dentro l’IDE. E ce l’abbiamo in tasca. Nel mio lavoro uso l’AI nello sviluppo quotidianamente: GitHub Copilot, ChatGPT e altri strumenti simili. Sono diventati parte integrante del mio flusso.

Li uso per generare codice, documentare, analizzare errori, fare refactor. Ma li uso con la stessa attenzione con cui userei un coltello da cucina: taglia bene, ma ti puoi fare male.

L’AI è tanto utile quanto sei competente.
Se sai cosa stai facendo, ti potenzia.
Se non lo sai, ti confonde. Peggio: ti illude.

Quando funziona (e bene)

Ci sono contesti in cui l’AI brilla. Compiti strutturati, regole chiare, obiettivi semplici. Alcuni esempi concreti dal mio lavoro:

• Scrivere una funzione di validazione per email o codice fiscale
• Formattare dati in CSV o JSON
• Generare markup HTML iniziale per un form
• Produrre codice pulito per una semplice funzione di calcolo
• Analizzare un log di errore e isolare il problema

In questi casi, l’AI è veloce, precisa, e a volte sorprendentemente “intelligente”.
Se sto creando un form HTML e devo aggiungere una classe extra, un placeholder, o sistemare gli attributi for, l’AI mi assiste inline, velocemente.

Non è solo questione di velocità.
È questione di continuità mentale. Non rompi il flusso. Non perdi concentrazione.

Quando inganna (e ti fa perdere tempo)

Poi ci sono i casi-trappola. Quelli che ti insegnano a non fidarti troppo.

Mi è successo con la fatturazione elettronica. Dovevo generare un XML partendo da un importo imponibile, calcolare il contributo previdenziale, poi aggiungere l’IVA.

L’AI mi ha fornito uno schema XML apparentemente corretto. Ma alla verifica con lo strumento fex-app.com, i conti non tornavano:

• Totali sballati
• Contributi previdenziali mal calcolati
• Incapacità di scorporare correttamente la previdenza dall’imponibile
• Applicazione errata dell’IVA

L’AI non sa fare i calcoli, lo sappiamo. Ma qui non si trattava solo di numeri: mancava la logica fiscale. E l’AI non è in grado di ricostruirla, se non gliela insegni tu, pezzo per pezzo.

Oppure prendi una richiesta semplice:

“Fammi una funzione che calcola il prezzo, applica un coupon sconto, aggiunge l’IVA.”

Funziona, sì. Ma:

• Dove sono i controlli sul valore del coupon?
• E se il prezzo è negativo?
• E se il risultato va sotto zero?
• E se price è una stringa invece che un numero?
• E l’arrotondamento?

Quante cose si possono perdere per strada? Tante. E nessuna AI le anticipa da sola.

Il rischio maggiore: quando non sai che non sai

L’errore peggiore è affidarsi all’AI per colmare una lacuna che non sai nemmeno di avere.

Ho visto persone chiedere codice senza capirlo. Ottengono qualcosa che “funziona”, ma che non sanno modificare.
Quando devono adattarlo, entra in gioco il panico.

L’AI è come una lingua straniera: puoi usarla solo se conosci la grammatica.

Come uso davvero l’AI, ogni giorno

Nel mio lavoro l’AI è diventata una cassetta degli attrezzi. La uso per:

• Generare scaffolding di funzioni, markup, strutture dati
• Analizzare log, capire eccezioni, ricostruire stacktrace
• Formattare output, creare CSV, JSON, XML
• Mockare dati o creare esempi di input
• Snellire refactor di codice legacy, suddividendo in funzioni più piccole
• Automatizzare compiti ripetitivi, come modifiche in massa a form HTML

E sempre: valuto, disambigo, verifico, testo.

Se non mi fido nemmeno del mio codice al primo colpo, perché dovrei fidarmi ciecamente di quello dell’AI?

Buone pratiche (personali)

Ecco come ho imparato a usarla in modo produttivo:

• Divide et impera: spezza il problema in task piccoli, e chiedi aiuto solo su porzioni isolate.
• Fai review attiva: non copiare-incollare. Chiedi dove e cosa modificare, poi applica a mano.
• Disambigua sempre: se una risposta non ti convince, chiedi alternative o versioni più semplici.
• Testa tutto: soprattutto edge case e input malformati.
• Sii progettista: pensa al progetto nel suo insieme, usa l’AI per compiti chiari e isolabili.

L’AI nello sviluppo: chi è responsabile del codice?

Questa è la domanda chiave.

Il codice che produci entra in produzione. Elabora dati. Gestisce flussi. Ha un impatto.

Se qualcosa va storto, non puoi dare la colpa all’AI.
Serve un essere umano capace di dire “questo no”, anche quando l’AI dice “questo sì”.

La responsabilità non si delega.
L’AI non ti protegge, non ti corregge, non ti difende.

Conclusione

L’AI è un alleato. Ti accelera, ti solleva dai compiti noiosi, ti suggerisce cose interessanti. Ma non è il pilota. Non è il capo progetto.
Non ha visione d’insieme, non ha giudizio.

Il punto non è cosa può fare l’AI.
Il punto è: cosa riesci a fare tu, con l’AI al tuo fianco.

Se hai le basi, ti farà volare.
Se non ce le hai, ti trascina in un’illusione pericolosa.

E tu, come usi l’AI?

Hai già vissuto situazioni simili?
Hai trovato un modo utile, produttivo e sicuro di integrare l’AI nello sviluppo?

Parliamone.
Condividere esperienze è il modo migliore per non lasciare l’intelligenza… solo artificiale.