Esiste un segreto che nessuno ti dice quando guardi i titoli di apertura di qualche conferenza tech piena di gente in felpa con cappuccio: la ricchezza estrema non ha nulla a che fare con la qualità del tuo codice o con quanto è elegante il tuo modello di machine learning.

Ho passato un po’ di tempo a sviscerare l’ultimo post di Paul Graham, intitolato ‘How to Earn a Billion Dollars’. Se vi aspettavate una guida passo-passo su come scalare un’architettura microservizi fino a far esplodere i costi di AWS, siete fuori strada. Graham non parla di ottimizzazione di query o di come gestire i conflitti in Git; parla di quella strana, quasi metafisica, capacità di creare valore su una scala che noi, che siamo troppo impegnati a far girare una CNC fatta in casa o a debuggare un shader in Blender, facciamo fatica a concepire.

Il succo della questione è che per arrivare a cifre simili non serve solo il talento tecnico, ma una sorta di ‘visione’ che sconfina nel puro istinto imprenditoriale (e un pizzico di fortuna che nemmeno un drop di loot leggendario in un GDR possa eguagliare). Il concetto è che devi risolvere problemi che sono così enormi che la soluzione stessa crea un ecosistema di valore immenso.

Ora, facciamo un passo indietro e usiamo il nostro approccio da smanettoni. Se io passo la notte a perfezionare un plugin per Godot o a creare una macchina per il riciclo della plastica che funziona con i pezzi recuperati da un vecchio Commodore 64, sto creando valore, certo. Ma sto creando valore ‘locale’, tangibile, artigianale. È la differenza che passa tra l’inventare un nuovo tipo di vite per stampanti 3D e progettare il nuovo standard globale di produzione automatizzata.

C’è una parte di me che trova questa riflessione profondamente stimolante, ma anche un po’ frustrante. Perché, siamo onesti: l’hype verso la ‘scalabilità infinita’ e i miliardi di dollari ha reso il mondo tech un posto dove spesso conta più il pitch deck che il prodotto reale. Siamo diventati ossessionati dal ‘disruption’ invece che dal ‘making’.

Per noi che amiamo il controllo, il ferro e il bit, il messaggio dovrebbe essere questo: non puntate al miliardo, puntate all’eccellenza tecnica. Il miliardo è un glitch nel sistema, un output anomalo di un algoritmo sociale complesso. Noi invece preferiamo il piacere di un circuito che chiude perfettamente o di un algoritmo che gira fluido senza mandare in crash il kernel. Alla fine della fiera, un miliardo di dollari non ti permettono di goderti il piacere puro di aver risolto un problema complesso solo perché potevi farlo.

Source: How to Earn a Billion Dollars

Scommetto che l’ultima volta che avete affrontato un problema complesso, la prima cosa che avete pensato è stata: «Ma perché non lo passo a un’IA e mi tolgo il pensiero?». È la tentazione suprema di chiunque abbia accesso a una connessione internet e un account GPT-4. Ma c’è un limite sottile tra l’usare un tool potente e lasciare che il tool scriva la tua intera esistenza professionale.

Recentemente è circolata una storia piuttosto divertente (se non fosse per chi ne subisce le conseguenze) venuta da Ottawa. Un traduttore freelance si è trovato davanti al classico delirio da ‘soluzione magica’: l’idea che il lavoro di anni di specializzazione possa essere sostituito da un semplice prompt. Il punto non è che l’AI non sappia tradurre — sappiamo tutti che i LLM sono dei mostri nel processare linguaggi — ma che mancano totalmente del contesto, della sfumatura culturale e, soprattutto, della capacità di capire quando una parola, pur essendo corretta grammaticalmente, è un disastro semantico in quel determinato contesto.

Da smanettoni, noi siamo i primi ad amare l’automazione. Se posso scrivere uno script in Python per rinominare mille file in un colpo solo o usare un plugin per automatizzare il rigging in Blender, lo faccio senza battere ciglio. L’automazione è la nostra religione. Ma c’è una differenza enorme tra automatizzare un processo ripetitivo e delegare il giudizio critico. La traduzione professionale non è solo cambiare parole da una lingua all’altra; è interpretazione, è capire l’intenzione dietro il testo, è evitare che un termine tecnico diventi un insulto involontario.

Il problema di questo approccio «upload and pray» (carica e prega) è che elimina l’errore umano, ma introduce l’allucinazione digitale. E le allucinazioni delle IA sono molto più difficili da debuggare rispetto a un refactoring di codice fatto male, perché sono sottili, convincenti e terribilmente logiche nella loro follia.

Per noi che amiamo mettere le mani in pasta, il messaggio dovrebbe essere chiaro: usate l’AI come un acceleratore, non come un sostituto del cervello. Usatela per generare bozze, per trovare sinonimi o per tradurre snippet di documentazione tecnica poco chiara. Ma non spegnete mai il modulo del pensiero critico. Se smettiamo di verificare l’output e iniziamo a considerare il tool come l’autorità suprema, finiremo per costruire un mondo di contenuti tecnicamente perfetti ma totalmente privi di anima e, molto probabilmente, pieni di errori grossolani che solo un umano (o un buon linter) potrebbe intercettare.

In breve: l’IA è un assistente fantastico, ma non lasciate che diventi il vostro unico supervisore. Altrimenti, il prossimo bug che troveremo nel mondo reale potrebbe essere l’impossibilità di comunicare davvero.

Source: "Don't You Just Upload It to ChatGPT?"

Contare le righe di codice per misurare la produttività è un po’ come pesare un cuoco per capire quanto sia bravo a cucinare: potresti anche solo gonfiare i soufflé con l’aria, ma il risultato finale sarà comunque un disastro.

Recentemente è uscita una riflessione che mi ha fatto saltare sulla sedia mentre stavo cercando di debuggare uno script in Python che non voleva saperne di girare. Il punto è questo: nel mondo dell’engineering assistito dall’intelligenza artificiale, si sta diffondendo un’idea tossica. Visto che l’AI può sputare fuori blocchi di codice a una velocità folle, i manager (quelli che vivono di slide e KPI, non di compilazione) stanno iniziando a pensare che più righe = più valore.

Ma fermi tutti. Se usiamo l’AI per generare mille righe di boilerplate inutile, non stiamo creando valore, stiamo solo creando debito tecnico che esploderà in faccia a qualcuno tra sei mesi. La vera ingegneria non è ‘scrivere tanto’, è risolvere problemi in modo elegante e sostenibile. È l’arte di eliminare il superfluo, non di accumulare boilerplate come se fosse scarto di plastica in un extrudere mal regolato.

Il problema delle ‘vanity metrics’ è che premiano il rumore. Se un dev usa l’AI per generare una funzione complessa ma poi deve passare tre giorni a capire perché il memory leak sta facendo crashare tutto il sistema, quel dev non è produttivo. È solo un operatore di una macchina che stampa spazzatura digitale.

Per noi che amiamo smanettare, che passiamo le notti a rifinire un modello in Blender o a ottimizzare un nodo in Godot, sappiamo bene che la bellezza sta nell’efficienza. Un algoritmo che risolve un problema con dieci righe intelligenti è infinitamente superiore a un mostro di mille righe generato da un prompt pigro.

Dobbiamo smetterla di misurare il volume e iniziare a misurare l’outcome. Il software funziona? È sicuro? È manutenibile? Questo è l’unico parametro che conta. Se il management continua a guardare il contatore delle righe invece dei test passati, finiremo per trovarci sommersi da un oceano di codice scritto da macchine, che nessuno sa più gestire, e che non serve a un tubo.

Quindi, la prossima volta che vedete qualcuno vantarsi di aver prodotto un aumento del 200% del volume di codice grazie a ChatGPT, ricordatevi: sta solo producendo più spazzatura, più velocemente. E noi, che amiamo capire come funzionano le cose, sappiamo che il vero potere sta nel controllo, non nella quantità.

Source: Lines of code got a better publicist

Esiste un punto di non ritorno oltre il quale la tecnologia smette di essere uno strumento di innovazione e diventa solo un modo creativo per bruciare denaro e dignità. Benvenuti nel 2026, dove il settore crypto ha ufficialmente toccato il fondo, scavando una buca così profonda che potremmo usarla come repository per i vecchi dump di database corrotti.

La notizia, che farebbe sembrare un glitch di un vecchio gioco arcade degli anni ’80 una genialata di design, riguarda una nuova ‘opportunità’ nel mondo delle memecoin. Qualcuno ha deciso di lanciare una bounty per convincere le persone a tatuarsi il logo di una moneta sulla fronte. E la ciliegina sulla torta? Il nome della moneta è scritto male. Sì, avete letto bene. Un errore di spelling nel nome del progetto che serve a finanziare tatuaggi permanenti sui volti di gente che probabilmente spera di diventare ricca prima che il server crashi.

Da smanettone che passa le serate a debuggare codice C++ o a cercare di far girare un modello AI su un hardware obsoleto, trovo questa cosa profondamente deprimente. Noi siamo abituati a cercare l’efficienza, a ottimizzare i cicli di clock, a costruire macchine CNC che trasformano scarti di plastica in oggetti utili. C’è un senso logico, un processo, un output che ha valore. Qui invece abbiamo l’apoteosi del vuoto pneumatico: l’hype che si auto-cannibalizza attraverso l’errore umano e l’estetica del trash.

Cosa significa tutto questo per noi che amiamo il vero making? Significa che mentre noi ci preoccupiamo della precisione dei motori passo-passo o della gestione della memoria in Godot, una parte enorme del capitale tecnologico globale viene sprecata in esperimenti di marketing che rasentano il delirio. È un degrado dell’ecosistema digitale che non ha nulla a che fare con la crittografia o la decentralizzazione, ma tutto a che fare con la ricerca del profitto rapido e senza cervello.

Se volete tatuarvi qualcosa sulla fronte, fate pure, ma per favore, usate un font leggibile e non inventate monete che manco un bot di spam su Twitter saprebbe riconoscere. Se proprio dobbiamo parlare di blockchain, facciamolo per scopi utili, tipo tracciare la provenienza dei filamenti per le nostre stampanti 3D, non per finanziare la distruzione della faccia altrui con errori di battitura. Che tristezza, raga. Torno a far girare il mio script di automazione, almeno lui non sbaglia un carattere.

Source: Crypto Hits a New Low With Misspelled Memecoin Forehead Tattoo Bounty

Smettetela di compilare quel codice Python e posate quel saldatore per un secondo, perché c’è qualcosa di più grande del vostro ultimo bug su Godot che sta per sbarcare in sala.

Dopo mesi di hype che avrebbero fatto impallidire un lancio di prodotto di Apple, finalmente abbiamo una data. I biglietti per ‘The Odyssey’, l’ultima epopea di Christopher Nolan, tornano in vendita questa settimana. Il film uscirà ufficialmente il 17 luglio e, come da tradizione per il nostro regista preferito, l’obiettivo è chiaramente quello di far esplodere i sensori delle macchine IMAX e far tremare i polpastrelli di chiunque si trovi in sala.

Il cast è un vero e proprio ‘dream team’ da blockbuster: Matt Damon, Anne Hathaway, Tom Holland e altri nomi pesanti. Ma dimenticate il marketing urlato o i trailer montati male con la musica stock: qui parliamo di Nolan, l’uomo che tratta la pellicola come se fosse un circuito integrato custom, con una precisione che definire ossessiva è un eufemamente.

Per noi che passiamo le giornate a ottimizzare shader in Blender o a cercare di capire come far girare un’IA pesante su un hardware datato, un film del genere è quasi un test di stress per la nostra percezione visiva. Vedere una produzione di questo calibro su un schermo IMAX non è solo cinema, è un’esperienza di rendering ad altissima risoluzione dal vivo, senza il lag del buffer o i problemi di driver che ci tormentano ogni giorno.

Certo, c’è la solita nota dolente: i prezzi dei biglietti per queste esperienze ‘premium’ stanno raggiungendo livelli che nemmeno un abbonamento cloud enterprise potrebbe giustificare. Ma se l’obiettivo è vedere una ricostruzione visiva che faccia sembrare i nostri render 3D della domenica dei semplici schizzi fatti con Gimp, allora il sacrificio potrebbe valere la pena.

Quindi, se avete pianificato di passare tutto il weekend a smanettare su una CNC o a rianimare un vecchio Commodore, riconsiderate i piani. La sfida è capire se riusciremo a resistere alla tentazione di andare al cinema senza dover vendere i nostri pezzi di ricambio preferiti per pagare il biglietto in IMAX. Io, personalmente, ho già iniziato a far calcolare al mio budget quanto posso permettermi di sacrificare tra la prossima bobina di filamento e questo viaggio spaziale/temporale.

Source: ‘The Odyssey’ Tickets Are Back on Sale This Week

Se l’intelligenza artificiale sta davvero per riscrivere le regole del gioco, perché il mio calendario non si è ancora aggiornato con un weekend lungo ogni settimana?

Avete letto le ultime hype-narrazioni che popolano i feed di Hacker News? Il mantra è un classico del marketing corporate: l’AI è il motore di una rivoluzione senza precedenti che aumenterà la produttività globale di un fattore 10x. Tutto sarà più veloce, più facile, più efficiente. Magnifico, davvero. Ma c’è un piccolo dettaglio logico che sembra essersi perso tra un paper di Deep Learning e una demo di un nuovo modello LLM.

Il punto è semplice: se un task che prima richiedeva una settimana di sbatta può essere concluso entro il lunedì mattina grazie a un manipolo di agenti autonomi che lavorano mentre io dormo, perché devo comunque restare in ufficio (o davanti allo schermo) fino al venerdì? La logica vorrebbe che potessimo dichiarare il venerdì come ‘AI Workers’ Day’. Io mi impegno a scrivere i prompt più creativi e strutturati il giovedì, e poi lascio che gli agenti facciano il lavoro sporco mentre io mi dedico ai miei progetti reali.

E non parliamo solo di noi. Se la produttività esplode, anche i piani alti — quelli che amano le riunioni infinite e il management-speak che non dice nulla — potrebbero finalmente smettere di pretendere la nostra presenza costante. Magari potrebbero anche usare il venerdì per andare a giocare a golf senza sentirsi in colpa, visto che il loro ‘output’ è gestito da script automatizzati.

Per noi che viviamo tra il codice, la stampa 3D e il retrocomputing, questa non è solo una questione di pigrizia. È una questione di ottimizzazione delle risorse. Se posso ottimizzare un G-code per la mia CNC o scrivere uno script in Python per automatizzare il rendering in Blender, perché non posso ottimizzare anche il mio tempo vitale? Il vero rischio dell’era dell’AI non è che le macchine ci sostituiscano, ma che vengano usate solo per farci produrre di più, mantenendo lo stesso carico di lavoro stressante, invece di restituirci il bene più prezioso: il tempo per sperimentare, rompere le cose e ricostruirle.

Quindi, caro Elon (e tutto il resto del C-suite), meno ore in ufficio, più tempo per la creatività vera. Se la tecnologia ci libera dal lavoro ripetitivo, usiamola per liberarci anche dal calendario standard. Altrimenti, stiamo solo costruendo macchine più veloci per correre in una ruota del criceto ancora più frenetica.

Source: Can we have the day off?

Siamo ufficialmente entrati nell’era del ‘rumore bianco digitale’. Se un tempo il problema di internet era il bot che ti spammava link per farti comprare pillole miracolose, oggi abbiamo un problema molto più subdolo e, onestamente, deprimente: l’eco-sistema dell’intelligenza artificiale che sta iniziando a masticare e sputare la propria merda.

Recentemente è circolata una storia (che ha fatto il giro di Hacker News come un virus ben scritto) decisamente inquietante. Un developer ha notato dei repository su GitHub che stavano diffondendo malware. Ovviamente, nel tentativo di risolvere il problema, ha chiesto aiuto all’AI. La risposta? Nulla di utile, la solita allucinazione o vaghezza di rito. Ma il vero colpo di scena è arrivato quando ha aperto una discussion su GitHub per segnalare il problema: il primo commento che ha ricevuto era la copia esatta della risposta dell’AI. E non è finita qui. Quando ha provato a contestare l’assurdità della cosa, un altro utente è intervenuto con… lo stesso identico testo generato dall’AI. Un loop infinito di bot che si rispondono a vicenda, creando un muro di testo inutile che serve solo a coprire il fatto che nessuno sta più controllando davvero quello che succede.

E non è solo un problema di sicurezza o di GitHub. La storia prosegue con un racconto di vita aziendale che fa venire i brividi: un business owner che, invece di rispondere a una domanda tecnica, ti manda uno screenshot di ChatGPT. Ecco, ragazzi, questo è il momento in cui il progresso tecnologico incontra il muro della pigrizia cognitiva. Non stiamo parlando di usare l’AI per velocizzare il refactoring di un modulo complicato o per generare boilerplate noioso, stiamo parlando di delegare il pensiero critico a un modello probabilistico che non sa nemmeno cosa sia un malware.

Per noi che amiamo smontare i circuiti, scrivere script custom o far girare Godot su un vecchio hardware, questa cosa è un insulto. Il bello della tecnologia è capire la logica, è il debug, è il ‘perché questa cosa funziona così?’. Se smettiamo di leggere e iniziamo solo a fare copia-incolla da una dashboard di OpenAI, stiamo solo costruendo una torre di carta digitale destinata a crollare alla prima vulnerabilità critica.

Il rischio concreto? Il cosiddetto ‘Model Collapse’. Se l’AI viene addestrata su dati generati da altre AI (perché l’internet sta diventando un loop di bot che parlano con bot), la qualità dell’informazione degraderà fino a diventare poltiglia digitale. Per noi maker e dev, questo significa che il valore del vero lavoro umano, di quello sporco, fatto di trial and error e logica pura, sta diventando l’unica vera moneta di scambio rimasta. Quindi, continuate a scrivere codice vero, a modellare in 3D con criterio e a non fidarvi di quello che vi dice uno screenshot di ChatGPT. La realtà è fatta di bit che contano, non di allucinazioni statistiche.

Source: I'm Tired of Talking to AI

Immaginate di svegliarvi, accendere un microonde che però è anche un terminale per il trading azionario, e scoprire che l’azienda che ha prodotto il tuo chip è la stessa che gestisce la logistica dei pacchi che hai ordinato ieri.

Sembra il delirio di un algoritmo di IA andato in loop, ma è la realtà della struttura industriale giapponese. Recentemente è uscito un pezzo interessante che analizza la logica interna di queste corporation che sembrano fare tutto, dal software avanzato alla produzione di bulloni, senza una vera specializzazione apparente. Mentre noi nel mondo tech siamo ossessionati dal concetto di «niche focus» — ovvero: o fai solo database, o fai solo motori grafici, o fai solo compilatori — i giganti nipponici giocano a un altro sport.

Il segreto sta nel concetto di interconnessione. Non è che siano matti e decidano di vendere yogurt e satelliti per puro gusto del caos. C’è una logica di ecosistema, di protezione reciproca e di diversificazione estrema che rende queste aziende quasi impossibili da abbattere. È un po’ come un progetto enorme in Blender dove, invece di avere un solo oggetto, hai una scena con milioni di particelle che però sono tutte collegate da vincoli (constraints) invisibili. Se crolla un nodo, la struttura tiene perché il carico si ridistribuisce.

Dal punto di vista di chi ama smanettare, questa cosa è affascinante ma anche un po’ frustrante. Da una parte, l’idea di un ecosistema integrato è il sogno di ogni maker: immagina se ogni componente che compri avesse un firmware perfettamente compatibile con tutto il resto della tua officina. Dall’altra, è l’antitesi del nostro spirito hacker. Noi amiamo scomporre, isolare il problema, cambiare modulo, sostituire la scheda madre con una più potente. Il modello giapponese è un monolite: è robusto, è massiccio, ma è difficile da ‘modding’ senza dover riscrivere l’intero sistema operativo della tua vita.

Per noi che viviamo tra code di Python, stampanti 3D e circuiti custom, questo ci insegna una cosa: la specializzazione estrema è un’arma a doppio taglio. È fantastica per l’innovazione rapida, ma ti lascia scoperto quando il tuo unico fornitore decide di cambiare licenza o chiudere i server. Forse, in fondo, un po’ di quel caos strutturato giapponese potrebbe servirci per non far implodere i nostri progetti quando un singolo componente diventa obsoleto.

In definitiva, non è una strategia perfetta, ma è sicuramente meno noiosa del solito pattern di ‘startup che muoiono dopo sei mesi perché hanno cercato di fare troppo poco’.

Source: Why Japanese companies do so many different things

C’è qualcosa di profondamente disturbante nel leggere una risposta che ha la stessa densità di informazioni di un manuale della ditta per una stampante laser degli anni ’90, ma con il carisma di un foglio Excel vuoto.

Recentemente è emerso un fenomeno che sta facendo impazzire chiunque ami le discussioni tecniche asciutte e dirette: l’invasione dei «muri di testo» generati dalle IA. Il problema non è l’uso della tecnologia in sé – che tra l’altro usiamo tutti per sbrigarci a scrivere script in Python o debuggare un circuito – ma il modo in cui queste macchine stanno inquinando il dibattito. Prendete l’esempio classico che è circolato su Hacker News: qualcuno fa una domanda tecnica, tipo «Redis o Memcached?», e invece di ricevere un parere esperto, si ritrova sommerso da un saggio accademico che elenca ogni singola feature, dal supporto ai set ordinati alla gestione della memoria, con un tono che urla «ho letto Wikipedia tre secondi fa».

Il punto non è che l’informazione sia sbagliata. Anzi, spesso è corretta. Il problema è la struttura: un’infinità di parole che sembrano scritte apposta per occupare spazio e simulare una competenza che, in realtà, è solo un pattern statistico. È il classico caso di *slop*: contenuti generati senza scopo, senza anima e, soprattutto, senza utilità pratica immediata. È come se chiedessi a un compagno di laboratorio come saldare un componente SMD e lui iniziasse a spiegarti la storia della fisica termica e la composizione chimica della stagno.

Per noi che amiamo smanettare, questo è un problema serio di rumore. Quando stiamo cercando di capire se una specifica configurazione di un database possa reggere il carico del nostro nuovo progetto di automazione o se un particolare driver sia compatibile con un vecchio hardware, non vogliamo un saggio sulla scalabilità orizzontale. Vogliamo sapere se il sistema crasha o meno. Vogliamo i fatti, i benchmark che contano, i «trucchetti» che solo chi ha fatto esplodere un modulo l’ha imparato.

Questa deriva verso il tuttofare-generico rischia di rendere la conoscenza tecnica un deserto di parole vuote. Se l’IA continua a inondare le community con questo tipo di output, finiremo per perdere la capacità di distinguere un vero esperto da un bot che ha semplicemente ingoiato l’intera documentazione di Redis.

Quindi, un consiglio per i colleghi sviluppatori e maker: quando leggete un muro di testo che sembra un comunicato stampa di una big tech, non perdete tempo. Cercate i dati, saltate la parte introdotiva che serve solo a far sembrare l’IA intelligente e andate dritti al punto. Non lasciamo che il rumore digitale soffochi la vera ingegneria.

Source: Throwing AI-generated walls of text into conversations

Immaginate di entrare in un forum di appassionati di modellazione 3D e trovare un thread pieno di render fotorealistici, bellissimi, ma totalmente privi di struttura, texture logiche o senso tecnico, postati da gente che non sa nemmeno cos’è un poligonale.

Ecco, esattamente questo sta succedendo alle nostre community online. Stiamo assistendo all’ascesa dello «AI slop», ovvero quella massa informe di contenuti, codice e post generati con un click e sparati ovunque senza alcun filtro critico. Recentemente è uscito un pezzo che mette il dito nella piaga, e onestamente, c’è molto da riflettere.

Il problema non è la tecnologia in sé. Usare Claude o GPT per velocizzare il boilerplate o per debuggare un pezzo di codice ostico è la normalità, ed è pure fantastico. Il punto è l’atteggiamento. C’è questa nuova ondata di ‘developer’ che non sa nemmeno cos’è un puntatore, ma si presenta con repository GitHub pieni di progetti generati interamente da un LLM, spacciandoli per innovazione. È la cultura del ‘copia-incolla’ portata all’estremo, dove l’unico sforzo richiesto è scrivere un prompt vagamente decente.

Il rischio reale? La perdita di valore del contributo individuale. Quando inondi una community di contenuti che hanno richiesto zero sforzo cognitivo, stai solo alzando il rumore di fondo. Stai rendendo più difficile distinguere un vero problema ingegneristico da una serie di allucinazioni statisticamente probabili di un modello linguistico. E la cosa peggiore è che questo distrugge la fiducia. Se ogni PR che vedo sembra un output standardizzato di una macchina, inizierò a dubitare della qualità di tutto ciò che leggo.

Dobbiamo spostare il focus: l’AI deve essere il nostro copilota, non il pilota automatico che ha deciso di andare a sbattere contro l’unico pilastro logico rimasto. Usare l’AI per automatizzare i compiti ripetitivi è genialata; usarla per sostituire il pensiero critico è pigrizia pura.

Quindi, la prossima volta che usate un modello per generare una funzione o un intero modulo, fate un favore a voi stessi e alla community: verificate che funzioni, capite cosa sta facendo e, soprattutto, non pretendete che il mondo debba applaudire un risultato che non avete nemmeno compreso. La vera skill non è saper scrivere il prompt, ma saper validare l’output.

Meno rumore, più sostanza. È l’unico modo per non far morire la voglia di condividere ciò che impariamo.

Source: AI slop is killing online communities