L'apocalisse dello sviluppo AI assistito è già qui (The Maintainability Gap)
- 3 giorni fa
- Tempo di lettura: 4 min
Aggiornamento: 1 giorno fa
623 milioni di modifiche analizzate. 2023-2026.
Il più ampio studio mai realizzato sull'impatto dell'AI sulla qualità del codice.
I dati sono inequivocabili: l'AI scrive più codice che mai, ma la qualità crolla in modo sistematico. Refactoring in caduta libera (-70%), duplicazione alle stelle (+81%), bug mascherati invece che risolti (+47%). E una domanda che nessuno si sta facendo: se i Junior imparano a scrivere codice con l'AI, diventeranno mai Senior? E chi ripulirà il disastro?
I numeri che dovrebbero preoccupare ogni CTO
Segnale | 2023 | 2026 | Variazione |
Copy/paste (% linee modificate) | 11,1% | 15,7% | +41% |
Duplicazione (blocchi per 1.000 modifiche) | 40,3 | 73,0 | +81% |
Error-masking (per 1.000 modifiche) | 16,4 | 24,1 | +47% |
Refactoring (% linee modificate) | 12,7% | 3,8% | -70% |
Connessioni (per 1.000 funzioni) | 343 | 223 | -35% |
Legacy mantenuto (% modifiche) | 1,7% | 0,46% | -74% |
l problema: l'AI scrive codice atomico, non codice coeso
L'AI è bravissima a scrivere codice atomico: una funzione che funziona, un test che passa, un ticket chiuso. Ma è pessima a scrivere codice coeso: codice che si integra, riutilizza e consolida ciò che già esiste.
Atomico vs. Coeso
Codice Atomico (AI) | Codice Coeso (Senior) | |
Cosa fa | Scrive una nuova funzione da zero | Riutilizza e adatta funzioni esistenti |
Conoscenza richiesta | Solo il prompt | L'intero codicebase |
Tempo | Secondi | Minuti o ore |
Duplicazione | Alta | Bassa |
Manutenibilità | Bassa | Alta |
Debito tecnico | Alto | Basso |
Impatto a lungo termine | Sistema incomprensibile | Sistema manutenibile |
Esempio pratico
L'AI scrive:
python
def calcola_sconto(importo, tipo_cliente):
if tipo_cliente == "premium":
return importo * 0.10
elif tipo_cliente == "standard":
return importo * 0.05
else:
return 0Uno sviluppatore Senior scrive:
python
from clienti.services import get_tipo_cliente
from sconti.models import Sconto
def calcola_sconto(cliente_id, importo):
tipo = get_tipo_cliente(cliente_id)
sconto = Sconto.objects.filter(tipo=tipo).first()
return importo * sconto.percentualeIl codice dell'AI è perfetto... ma ignora che nel sistema esiste già una tabella "sconti" e una funzione per recuperare il tipo cliente. È un mattone isolato, non parte di un muro.
I Junior diventeranno mai Senior?
Un Senior si riconosce dalla capacità di:
Riconoscere pattern e consolidarli
Comprendere l'architettura di un sistema
Resistere alla tentazione di copiare e incollare
Manutenere codice legacy senza averlo scritto lui
Tutte queste competenze si imparano facendo refactoring. Non scrivendo nuovo codice da zero.
Se un Junior impara a scrivere codice esclusivamente con l'AI:
Non impara mai a riconoscere pattern – l'AI glieli fornisce già pronti
Non impara mai a consolidare – l'AI scrive sempre codice nuovo
Non impara mai a gestire il legacy – l'AI glielo fa dimenticare
Non impara mai a distinguere un buon suggerimento da uno cattivo
GitClear lo conferma: "I guadagni di produttività si concentrano tra gli sviluppatori che avevano già forti istinti strutturali; i rischi si concentrano tra coloro che non riconoscono ancora quando un suggerimento dell'AI sta duplicando, mascherando o reinventando."
Traduzione: l'AI rende i Senior ancora più produttivi, ma impedisce ai Junior di diventare Senior.
E i bug, chi li sistemerà?
Duplicazione +81% → più bug, perché ogni modifica a un blocco deve essere propagata a tutti i suoi cloni
Error-masking +47% → i bug non vengono segnalati. Vengono inghiottiti e restano nascosti
Refactoring -70% → il codice non viene consolidato. I bug non vengono estirpati alla radice
Legacy -74% → il codice vecchio non viene più toccato. I bug dormienti restano in attesa
Google DORA 2024 conferma: ogni +25% di adozione AI = -7,2% di stabilità delle release. I ricercatori hanno definito il declino "sorprendente".
Chi sistema i bug? I Senior. Ma se i Junior non diventano Senior, chi lo farà tra 5 anni?
Il circolo vizioso
L'AI scrive codice più velocemente di quanto i team possano revisionarlo
Il codice è più duplicato, mascherato e meno rifattorizzato
I bug aumentano ma sono nascosti
I Junior imparano a usare l'AI ma non a scrivere codice
I Senior passano sempre più tempo a spegnere incendi
I Junior non diventano Senior
Il debito tecnico cresce esponenzialmente
Il sistema collassa
E allora cosa succederà?
Non è solo una questione di codice. È una questione di sistemi che smettono di funzionare.
Un sistema gestionale scritto in RPG e COBOL, tenuto insieme da decenni di refactoring manuale, viene integrato con nuovi moduli generati dall'AI.
Il codice si duplica.
I bug si moltiplicano.
Il refactoring si ferma.
I Senior sono troppo occupati a spegnere incendi. (se non sono già in pensione)
I Junior scrivono codice con l'AI ma non capiscono cosa stanno facendo.
Poi, un giorno, il sistema che gestisce il magazzino va in crash.
Un blocco duplicato, modificato in un punto ma non nell'altro, genera un errore a cascata.
Nessuno sa dove mettere le mani. Il codice è un groviglio incomprensibile.
I DDT non escono.
I camion non partono.
La merce resta in magazzino.
Le fabbriche si fermano.
E i Junior?
Sono lì, con l'AI che suggerisce di copiare e incollare un altro blocco.
Perché è quello che sanno fare.
Perché nessuno ha mai avuto tempo di spiegargli perché il refactoring esiste.
Non diventeranno mai Senior.
Rimarrano operatori di AI, non ingegneri del software.
E quando il sistema collasserà.
Non ci sarà nessuno a ripararlo.
Perché i Senior saranno andati in pensione, e i Junior non avranno mai imparato a fare il loro lavoro.
Non si tratta di un problema tecnico.
Si tratta di un problema di sopravvivenza aziendale.
Cosa fare:
Budget per refactoring
Allarme sui blocchi duplicati
Revisione esplicita per error-masking
Junior insegnare loro a vedere i pattern, non solo a usare l'AI
Misura la struttura, non il volume
Fonte:
GitClear, "The Maintainability Gap: AI Code Quality in 2026" – 623 milioni di modifiche analizzate, 2023-2026
Noi possiamo aiutarti
A colmare il divario tra investimento in IA e valore aziendale misurabile.
In un mercato in continua evoluzione, avere un partner affidabile fa la differenza.
Noi di bigblue siamo il punto di riferimento per chi usa IBM i (AS400), grazie a:
Competenza specifica: conosce a fondo il mondo IBM i e le sue sfide.
Approccio pragmatico: soluzioni concrete, non teorie astratte.
Velocità di intervento: tempi rapidi per non fermare il business.
Supporto continuo: assistenza sempre disponibile e proattiva.
Innovazione costante: aggiornamenti e miglioramenti continui.
Il nostro obiettivo è quello di valorizzare la tua esperienza e i tuoi investimenti, trasformandoli in un vantaggio competitivo.
VUOI SAPERE COME POSSIAMO AIUTARTI?
AIAct | IntelligenzaArtificiale | InnovazioneResponsabile | ItaliaDigitale | AgID | ACN | DeepTech | PMI
Commenti