Agentic Data & Software Engineering

L’IA è già nei suoi team, ma non scala: è un frontone

Di Xavier Franco, CEO de Elternativa · Grupo Zemsania
· 7 min di lettura

Redatto con l’aiuto dell’IA e rivisto da Xavier Franco

Veduta aerea di una fila di frontoni, ciascuno con una sola persona che gioca contro il proprio muro, senza nessuno che giochi con un altro.
In questo articolo

Lo spiego con un’immagine: oggi, in quasi tutti i team di sviluppo, l’IA è un frontone. Lo sviluppatore le lancia una richiesta, aspetta che torni, la guarda, la corregge e la rilancia. Funziona. Ma non scala. E se dirige la tecnologia, le conviene capire perché, perché sta pagando per qualcosa che potrebbe rendere molto di più.

L’IA per programmare è già dentro

Nessuno discute che i team usino IA per programmare. Secondo il sondaggio di Stack Overflow del 2025, con oltre 49.000 risposte, l’84 % degli sviluppatori la usa già o pensa di usarla. La domanda non è più se entra, ma come lavora una volta dentro.

E la forma più comune è quella del frontone: una persona, un’IA e una conversazione. Ognuno con il suo strumento, il suo modo di chiedere e i suoi trucchi. Ciò che uno impara resta nella sua conversazione. Ciò che un altro risolve, viene risolto di nuovo domani alla scrivania accanto.

In pratica: chieda al suo team quanti strumenti di IA diversi usa e come decide cosa chiedere loro. Se ogni risposta è diversa, ha più frontoni, non un team.

I tempi morti che nessuno misura

Il frontone ha un costo che non compare in nessuna fattura: l’attesa. Mentre l’IA pensa, la persona aspetta. Quando torna la risposta, bisogna leggerla, capirla e decidere. E ricominciare.

C’è uno studio che trovo molto onesto in proposito. A luglio 2025, METR, un laboratorio indipendente, ha misurato con uno studio controllato 16 sviluppatori esperti al lavoro su 246 compiti reali dei propri progetti. Con l’IA hanno impiegato il 19 % in più. La cosa più sorprendente non è la cifra, ma la percezione: prima di iniziare si aspettavano di essere il 24 % più veloci, e alla fine continuavano a credere che l’IA li avesse accelerati del 20 %.

Non lo racconto per dire che l’IA non serve. Serve, e molto. Lo racconto perché dimostra che la sensazione di velocità non è velocità. Una persona sola con la sua IA può sentirsi più veloce e consegnare lo stesso o meno.

In pratica: non misuri l’IA da ciò che le dice il suo team. Misuri consegne, tempo fino alla produzione e rilavorazioni, prima e dopo.

La doppia fattura

Il frontone ha anche un costo visibile. Paga la licenza dello strumento di IA di ogni persona e continua a pagare la persona per il tempo che passa ad aspettare, rivedere e ripetere. È una doppia fattura per lo stesso lavoro.

E c’è un terzo costo, più silenzioso: il disordine. Quando ogni persona lavora con la sua IA a modo suo, la stessa cosa finisce risolta in due modi diversi in due parti del sistema. Nessuno sa che cosa ha scritto una persona e che cosa ha scritto un modello. E ciò che si impara non torna nel progetto: resta in chi l’ha fatto.

Più ingegneri con l’IA non sono un team con l’IA.

Dal frontone al team

Ciò che cambia il risultato non è uno strumento migliore. È orchestrare quelli che ha già perché lavorino come un team. In pratica, questo significa:

  1. Un metodo comune per tutte le IA. Ogni compito nasce con il suo contratto: che cosa va fatto e con quali criteri sarà considerato valido, fissati prima di iniziare.
  2. Più istanze in parallelo. Invece di una persona che aspetta un’IA, più istanze di sviluppo lavorano contemporaneamente, senza supervisione, con i compiti ripartiti e senza pestarsi i piedi.
  3. Un ruolo per ciascuna. Una costruisce, un’altra testa. Chi scrive il codice non è chi lo convalida.
  4. Una persona che decide. Il suo team definisce il lavoro e convalida ogni consegna guardando il codice. La firma resta registrata.
  5. Conoscenza che resta. Norme, decisioni e ciò che si è imparato vivono in un sistema che il compito successivo già riceve, non in una conversazione che nessuno rileggerà.

Il ruolo delle sue persone cambia: smettono di giocare al frontone e passano a definire e convalidare. È un lavoro più prezioso e meno ripetitivo.

In pratica: scelga un tipo di lavoro ripetibile, come le evolutive o il debito tecnico, e provi a scrivere i criteri di accettazione prima di chiederlo all’IA. Vedrà come cambia la revisione.

Con l’IA che già paga

Una precisazione importante: non si tratta di cambiare strumento. Claude Code, Cursor, Codex, Copilot o Windsurf vanno bene. Ciò che manca loro non è la potenza, è un metodo e qualcuno che ripartisca il lavoro. È come avere ottimi musicisti senza direttore: ognuno suona bene la sua parte, ma non suona come un’orchestra.

Non si tratta nemmeno di togliere persone. Si tratta di far sì che lo stesso team possa inserire nel piano ciò che oggi non ci sta: il debito tecnico, il legacy o quella migrazione che si rimanda sempre.

Ciò che si impara, resta

C’è un effetto del frontone che mi sembra il più caro nel lungo periodo: l’apprendimento non si accumula. Quando una persona scopre che l’IA sbaglia sempre nello stesso punto, lo corregge nella sua conversazione e va avanti. Domani, un’altra persona del team inciampa nella stessa cosa. E dopodomani, un’altra ancora.

In un team orchestrato succede il contrario. Ogni errore individuato in fase di convalida diventa una regola scritta che il compito successivo già riceve: una norma di stile, una decisione di architettura o un caso da testare sempre. Il metodo si definisce una volta, si applica sempre e impara da ogni errore.

Questo ha una conseguenza molto pratica: la conoscenza smette di vivere nelle persone e nelle loro conversazioni e passa a vivere nel progetto. Se qualcuno cambia team o se ne va, il metodo continua. Il turnover non ferma il servizio.

E ne ha un’altra altrettanto importante: la tracciabilità. Quando ogni compito ha il suo contratto, la sua esecuzione e la sua convalida registrati, si sa che cosa ha scritto una persona e che cosa ha scritto un modello, chi l’ha convalidato e quanto è costato. Questo, impossibile con il frontone, è ciò che le permette di misurare davvero se l’IA rende.

In pratica: cerchi nell’ultimo mese un errore che l’IA ha commesso due volte nel suo team. Se non è scritto da nessuna parte come regola, succederà di nuovo.

Da dove cominciare

  1. Misuri oggi consegne a settimana, tempo di revisione e rilavorazioni, sul suo repository.
  2. Scelga un servizio circoscritto che ha già: un’evolutiva, un’applicazione, un backlog di debito.
  3. Gli dia un metodo: contratto con criteri, istanze in parallelo, test separati e convalida di una persona.
  4. Lo esegua in parallelo al servizio di sempre per alcune settimane.
  5. Confronti costo, tempi e qualità con i suoi dati e decida se scalare.

Come la aiutiamo

In Agentic Data & Software Engineering orchestriamo le sue piattaforme di IA di sviluppo perché lavorino in parallelo, senza supervisione e governate, su tutto il ciclo di vita del software: ogni compito con il suo contratto, test svolti da un’istanza diversa e una persona del suo team che convalida ogni chiusura. Il codice resta nel suo Git e la conoscenza in un database di sua proprietà.

Lo facciamo con Agentagile, la nostra metodologia per sviluppare con l’IA: non costruiamo nuovi agenti, trasformiamo l’IA che ha già sottoscritto in un team che lavora con metodo.

Domande frequenti

Quali strumenti di IA per programmare si possono orchestrare?

Quelli che ha già: Claude Code, Cursor, Codex, Copilot o Windsurf, tra gli altri. Il metodo è lo stesso per tutti.

L’IA per programmare rende un team più produttivo?

Dipende da come la si usa. In uno studio di METR del 2025, sviluppatori esperti hanno impiegato il 19 % di tempo in più con l’IA, pur credendo di essere più veloci. La produttività si misura in consegne, non in sensazioni.

Che cosa significa orchestrare l’IA?

Che più istanze lavorino in parallelo con un metodo comune, compiti verificabili, test indipendenti e una persona che convalida.

Bisogna cambiare strumento di IA?

No. Si lavora con l’IA che ha già sottoscritto.

Continui a leggere