Vi è mai capitato di tornare dalle vacanze e scoprire che il vostro repository sembra il set di un film post-apocalittico? Non parlo di qualche piccolo merge confusionario, ma di quella situazione in cui qualcuno ha deciso, senza consultare nessuno, che Kafka era assolutamente necessario per gestire una coda di tre messaggi e ha aggiunto altre cinquanta tabelle al database solo perché «era più facile così».
Fino a poco tempo fa, c’era un limite fisico alla velocità con cui un team poteva fare danni. C’era la fatica di scrivere il codice, la noia della documentazione, il tempo necessario per rifletterli. C’era una sorta di ‘freno a mano’ naturale che proteggeva la qualità del software. Ma nel 2026, quel freno è saltato. Con gli agenti AI e i nuovi strumenti di automazione, la velocità di implementazione è decollata, ma insieme a lei è esploso il debito tecnico.
Il problema non è l’AI in sé – anzi, quando usata per automizzare task ripetitivi è una manna dal cielo. Il punto è che oggi chiunque può generare una Pull Request da venticinquemila righe di codice in un pomeriggio. Sembra una figata, vero? Un trionfo della produttività! Peccato che, se non hai la capacità critica di capire cosa sta facendo l’agente, ti ritrovi con un sistema così intricato e stratificato che nessuno nel team sa più come fluiscano i dati.
È un po’ come comprare una supercar a rate: vedi la carrozzeria lucida, ma non ti accorgi che sotto il cofano c’è un debito che ti sta mangiando vivo. Se ti chiedi «da dove arriva questo dato?» e la risposta del tuo collega è un link a una chat di Claude che spiega una decisione architetturale presa dopo venti round di correzioni, allora siamo nei guai.
Stiamo assistendo a una polarizzazione brutale del mercato. Da una parte ci sono i ‘vibe coder’, quelli che spingono tasti sperando che l’output sembri funzionante. Questi, purtroppo, stanno diventando una voce di costo insostenibile per qualsiasi azienda seria. Dall’altra, ci sono gli ingegneri che sanno interpretare, validare e governare l’AI.
Il valore non sta più nel tradurre una specifica in codice – quello lo fa la macchina. Il vero valore è nel giudizio, nella capacità di dire «no», nel saper mantenere la semplicità e nel capire le implicazioni a lungo termine di una scelta. In un mondo dove scrivere codice è diventato commodity, saper decidere *cosa* scrivere è l’unica vera skill che conta. Se pensate che basti saper scrivere un buon prompt per sopravvivere, preparatevi: la selezione naturale del software sta per iniziare.
Source: AI is removing the middle class of software engineering