Come cambia lo sviluppo del software con GenAI?

Un piccolo esperimento che vi chiedo di fare con me.

Ho provato a fare un piccolo esperimento e vorrei coinvolgervi. Ho chiesto a GenAI di dirmi cosa ne pensasse dell'impatto che ha sui processi di sviluppo del software. Ho usato Perplexity Enterprise Pro configurato in modalità “generazione di documenti”, abilitando tutte le fonti (web, academic e social) e scegliendo come motore Claude Sonnet 4.6 Thinking.

Photo by Markus Spiske on Unsplash

Ho usato un primo prompt così fatto:

Leggo molte notizie sull’uso di GenAI per la produzione di software e non riesco a distinguere i fatti veri dalla narrazione. Produci un report dettagliato con storia, risultati, evidenze a favore e contro, valutazioni oggettive di quel che viene narrato.

Ero preoccupato della sycophancy, cioè che mi dicesse ciò che volevo sentirmi dire. In realtà ho disabilitato qualsiasi opzione per tenere traccia delle mie domande, ma immagino che Perplexity abbia comunque creato un mio profilo. Per questo, già con il primo prompt ho cercato di usare una formulazione neutra. In ogni caso, ho fatto una domanda di follow-up:

Voglio essere sicuro che non formuli un giudizio condizionato dalle mie opinioni. Rivedi quanto scritto e non tenere conto di quanto io ho scritto nel passato.

Interessante e un po’ inquietante l’incipit della seconda risposta:

Ora scrivo il report vero e proprio, revisione inclusa, con un approccio genuinamente bilanciato basato sulle fonti primarie.

Comunque, invece di copiare qui tutti i risultati, vi allego il link al thread (dovrebbe essere visibile), così potete controllarli voi stessi.

È questo: link.

La sintesi finale della seconda domanda è di seguito. Notate che titola “sintesi onesta”, ancora una volta emulando il tono della mia domanda:

Il quadro complessivo: sintesi onesta

I guadagni di produttività dell’AI nello sviluppo software sono reali ma contingenti. Dipendono dal tipo di task (boilerplate sì, architettura complessa molto meno), dall’esperienza dello sviluppatore (junior più dei senior), dal contesto organizzativo (se il processo di review non si adatta, i guadagni scompaiono), e da come si misura la produttività (metriche di attività vs. delivery organizzativa).

I guadagni realistici documentati in condizioni di produzione si collocano tra il 5% e il 22%a seconda del contesto — significativi, ma molto distanti dalle promesse vendor del 50–100%. I rischi su qualità, sicurezza e formazione dei junior sono documentati e non trascurabili, ma gestibili con processi adeguati.

L’evidenza complessiva suggerisce che l’AI coding è un autentico salto tecnologico — paragonabile all’introduzione degli IDE o dei sistemi di version control — non una rivoluzione che cambia ogni assunzione del settore, né pura narrazione di marketing.

L’esperimento che vi chiederei di fare è usare i miei stessi prompt con il vostro strumento di GenAI e inserire nei commenti di questo post non le risposte complete che ricevete (immagino che sarebbero troppo lunghe e che il tutto diventerebbe illeggibile), ma quelle che, secondo voi, potrebbero essere differenze significative, non di puro stile, tra le risposte che ho ricevuto io e quelle che ricevete.

Sono molto curioso di vedere che ne viene fuori.

Grazie!

---

---

© 2026 Alfonso Fuggetta & Sonia Montegiove. Salvo diversa indicazione, tutti i contenuti di questa pubblicazione sono protetti da copyright e rilasciati con licenza CC BY-NC-ND 4.0: https://creativecommons.org/licenses/by-nc-nd/4.0/deed.it

---

---