Il mercato globale delle tecnologie dell’informazione sta affrontando una trasformazione profonda, guidata dalla necessità impellente di ottimizzare i processi industriali di creazione del codice. Durante un approfondito confronto tecnico in forma di intervista tra Davide Baraldi, consulente IT di Sorint Lab, Luca Pedrazzini, managing director della medesima realtà, e Francesco Soncini Sessa, co-founder e head of strategic Alliances di Mia-Platform, sono emersi i vettori fondamentali che stanno ridisegnando l’efficienza ingegneristica.
Al centro del dibattito si collocano le risposte strategiche alla crescente complessità delle architetture aziendali, dove l’adozione dell’AI software development promette di comprimere i tempi di rilascio, a patto di inserire gli strumenti generativi all’interno di una chiara governance strutturale.
Indice degli argomenti
La spesa IT e la necessità di ridurre il carico cognitivo
L’urgenza di introdurre metodologie avanzate deriva da un dato macroeconomico cruciale evidenziato da Davide Baraldi: nell’ultimo anno appena trascorso, il software ha rappresentato la terza voce di spesa nello spending globale dell’IT, superando la quota di un miliardo di dollari. Di fronte a investimenti di tale portata, le organizzazioni hanno il dovere di snellire e ottimizzare i propri flussi di lavoro interni.
La priorità principale per le aziende che gestiscono grandi ecosistemi tecnologici consiste nell’accelerare lo sviluppo riducendo, al contempo, il cosiddetto cognitive load ovvero il carico cognitivo che grava pesantemente sulle spalle degli sviluppatori.
Gli Internal Development Portal come ecosistema abilitante
Per rispondere a questa esigenza, il mercato ha visto la nascita e la progressiva diffusione degli Internal Development Portal (IDP). Davide Baraldi definisce questi sistemi come veri e propri ambienti self-service strutturati per costruire, testare, rilasciare e monitorare microservizi e API, portando a compimento le funzionalità tipiche del Platform Engineering, della DevOps e della API Governance.
L’esigenza di tali portali diventa evidente se si considera l’evoluzione delle architetture applicative moderne. Francesco Soncini Sessa spiega che il modello a microservizi implica un modo di sviluppare decisamente più distribuito rispetto al passato, chiamando in causa una pluralità di componenti differenti lungo tutto il ciclo di vita del software. Lo sviluppatore si trova spesso costretto a navigare e interagire con una costellazione frammentata di tool differenti per poter compilare, creare e infine rilasciare un singolo componente.
Mia-Platform, prodotto italiano lanciato sul mercato nel 2016, si è inserito in questo scenario fin dalle sue origini. Come ricorda Soncini Sessa: «Siamo stati proprio uno dei primissimi a vedere questa strada, cioè la possibilità di rendere più produttivo e più ingegnerizzato il ciclo di vita, consentendo di dare strumenti self-service, ma governati, a chi fa lo sviluppo.»
Più che un semplice portale statico, l’approccio orientato al platform engineering si configura come uno strato operativo che permette l’orchestrazione e l’automazione delle risorse, riducendo drasticamente le attività manuali svolte tradizionalmente dalle figure di Operation (Ops) per configurare le infrastrutture e mantenere gli ambienti di rilascio.
L’impatto dell’AI software development nel ciclo di vita del prodotto
L’innesto dell’intelligenza artificiale in questo panorama agisce da potente acceleratore, riducendo sensibilmente l’intervallo temporale che separa l’ideazione di una funzionalità software dalla sua effettiva messa in produzione. Dal punto di vista tecnico, Soncini Sessa ricorda che il codice è, a tutti gli effetti, un linguaggio. Esattamente come i modelli generativi riescono a esprimersi correntemente in italiano o in inglese, essi sono in grado di padroneggiare i linguaggi di programmazione come Java, C o Node.js, modificando radicalmente i parametri della produttività aziendale.
Il modello McKinsey e lo schiacciamento delle fasi di sviluppo
Per illustrare la trasformazione in atto, viene richiamata un’analisi di McKinsey che suddivide la costruzione di un prodotto software in quattro macro-fasi distinte: il design, la validazione, l’ingegnerizzazione e la successiva messa a scala. L’introduzione delle logiche di AI software development incide direttamente su questa sequenza temporale. Soncini Sessa osserva infatti che: «Oggi l’intelligenza artificiale mi permette di schiacciare le prime due e le ultime due. Sostanzialmente io posso prototipare e validare molto più velocemente facendo rapidamente, con del codice generato, un mock-up funzionante di quello che voglio fare.»
Questo schiacciamento operativo genera un duplice vantaggio economico e strategico. Nella prima parte del ciclo, l’azienda ottiene una fortissima accelerazione nel filtrare le idee, comprendendo rapidamente quali iniziative possono portare reale valore al business e quali, invece, è preferibile abbandonare prima di allocare budget significativi. Nella seconda parte, legata all’ingegnerizzazione e all’esercizio, l’intelligenza artificiale interviene eliminando le mansioni ripetitive e standardizzate. Questo automatismo restituisce spazio e tempo alla fondamentale attività di supervisione umana, l’unica in grado di garantire la produzione di un codice sicuro, ingegnerizzato e privo di falle o vulnerabilità.
La nascita dei “business technician”
Un’ulteriore promessa dell’evoluzione tecnologica risiede nella capacità di avvicinare sensibilmente il Product Owner – colui che detiene la responsabilità dello scopo e delle funzionalità del software – a chi scrive materialmente le linee di codice. L’adozione di assistenti intelligenti e generatori automatici sta favorendo l’emergere di una nuova figura professionale all’interno dei team aziendali: i business technician.
Si tratta di professionisti dotati di una forte sensibilità analitica e di una profonda conoscenza del dominio di business che, pur non essendo sviluppatori in senso stretto, riescono a utilizzare i generatori di codice per tradurre direttamente le esigenze commerciali in artefatti tecnologici operativi.
Governance e guardrail: guidare l’AI senza perdere il controllo
La disponibilità di motori di generazione così potenti comporta, tuttavia, il rischio di derive operative. Se non adeguatamente governata, la velocità dell’intelligenza artificiale può tradursi in un utilizzo scorretto e indiscriminato degli strumenti, portando a una proliferazione incontrollata di codice ridondante. Un motore, per essere efficace, richiede di essere guidato e indirizzato attraverso percorsi precisi.
Il rischio della proliferazione incontrollata del codice
Gli algoritmi generici, come i code assistant integrati negli ambienti di sviluppo, devono essere alimentati con le informazioni specifiche e le configurazioni caratteristiche dell’organizzazione in cui operano. L’intelligenza artificiale deve conoscere l’infrastruttura in uso, i database aziendali e gli asset software già esistenti. Come sottolinea Soncini Sessa: «Il vantaggio di riutilizzarlo è che ho meno codice da mantenere e meno codice da testare per validare che sia sicuro. L’AI può aumentare moltissimo la riusabilità, ma per poterlo fare ho bisogno di un catalogo dei miei asset esistenti».
I cataloghi aziendali, inizialmente progettati per essere consultati da operatori umani, diventano oggi il pasto documentale ideale per gli algoritmi, i quali mostrano una velocità sorprendente nel digerire enormi volumi di documentazione e di API. Questo meccanismo di controllo, definito guardrail, evita che i sistemi generino costantemente nuovo codice inutile, ottimizzando i tempi di manutenzione futuri.
AI Act e NIS2: la sicurezza al centro della piattaforma
La necessità di centralizzare la governance è supportata dalle proiezioni degli analisti di settore. Luca Pedrazzini e Davide Baraldi richiamano i dati di Gartner, secondo cui entro il 2028 circa l’85% delle aziende che dispongono di team di Platform Engineering adotterà un Internal Development Portal interno. Questo passaggio diventerà obbligato anche per evitare che l’intelligenza artificiale penetri nei sistemi aziendali in modo frammentato ed emergente, creando pericolosi silos informativi isolati.
A brevissimo, le organizzazioni dovranno affrontare la complessa sfida di configurare i permessi di accesso e i livelli di visibilità dedicati specificamente all’intelligenza artificiale. Un assistente virtuale preposto alle attività del reparto vendite, ad esempio, non dovrà in alcun modo avere la facoltà di comunicare o elaborare dati finanziari o strategici riservati ad altri settori dell’azienda.
Questo livello di controllo e di gestione dei privilegi trova il suo punto di ancoraggio naturale proprio nello strato della piattaforma di ingegneria. Si tratta di un’architettura evolutiva indispensabile per rispondere tempestivamente ai requisiti normativi europei in continua trasformazione, a partire dalle severe regole imposte dall’AI Act fino ad arrivare alla direttiva NIS2, incentrata sulla cybersicurezza, sulla resilienza e sulla continuità operativa di servizi critici quali i pagamenti, la logistica e le strutture ospedaliere.
Dal “vibe coding” agli agenti virtuali nel contesto aziendale
La frontiera più recente dell’AI software development si sta spostando rapidamente dall’utilizzo di semplici assistenti testuali verso la progettazione di veri e propri agenti virtuali. L’agente si configura come l’unione tra un algoritmo generico e una sua configurazione specifica di contesto, agendo come un’entità virtuale autonoma capace di percepire i dati circostanti e lavorare a supporto dell’operatore umano lungo l’intero ciclo di sviluppo, dal design dell’architettura fino alle delicate operazioni di monitoraggio dei bug in produzione.
Cavalcare l’onda dell’automazione in sicurezza
In questo orizzonte si inserisce il fenomeno del vibe coding, un termine estremamente recente che descrive un approccio fluido e iterativo alla programmazione. Lo sviluppatore si fa letteralmente trasportare dall’onda dell’interazione con la macchina: dialoga con il tool di generazione automatica, ottiene un codice che può presentare imperfezioni, intercetta l’errore e lo reinserisce nel sistema per perfezionare il risultato in successivi passaggi.
Sebbene questo approccio contribuisca a democratizzare lo sviluppo del software per una fetta più ampia della popolazione aziendale, i manager avvertono che il sistema può funzionare in sicurezza solo se ancorato al catalogo delle API e ai sistemi reali dell’azienda. La potenza visiva di questi strumenti è evidente: basti pensare alla possibilità di scattare una fotografia a uno schema di interfaccia disegnato a mano su un foglio di carta per vederlo riprodotto fedelmente in una pagina web funzionante dall’intelligenza artificiale.
La sostenibilità ambientale dello sviluppo software nell’era della GenAI
L’accelerazione impressa dall’adozione dell’intelligenza artificiale solleva inevitabilmente una questione di sostenibilità ambientale. Le attività legate all’Information Technology sono responsabili di oltre l’1,4% delle emissioni globali di gas serra, e la grande richiesta di potenza di calcolo imposta dai modelli di intelligenza artificiale generativa è destinata a incrementare drasticamente l’impronta energetica dei data center.
Kube-Green e l’efficienza energetica dell’infrastruttura
I platform team hanno la possibilità di integrare gli obiettivi di risparmio energetico e di abbattimento dei costi direttamente all’interno delle proprie metriche di performance. In questa direzione si colloca la decisione di Mia-Platform di rilasciare in modalità open source un componente tecnologico denominato Kube-Green. Lo strumento permette di misurare l’effettivo risparmio di anidride carbonica eseguendo un’operazione di scale down automatico dei servizi infrastrutturali durante le ore o i periodi in cui non sono sottoposti a carico di lavoro.
L’efficienza del codice e la gestione oculata delle risorse computazionali diventano così parte integrante delle buone pratiche ingegneristiche. Come confermato da Luca Pedrazzini, l’inclusione di strumenti open source dedicati alla sostenibilità rappresenta un tassello fondamentale per la stesura delle moderne linee guida aziendali e delle pubblicazioni di settore focalizzate sul Green IT, dove l’impatto dell’intelligenza artificiale deve essere misurato e compensato attraverso una rigorosa automazione dei consumi.
La sostenibilità complessiva dei sistemi aziendali non si misurerà unicamente sulla quantità di software prodotto in tempi record, bensì sulla capacità di massimizzare il riuso delle componenti esistenti. Soluzioni flessibili e componibili sul modello delle piattaforme abilitanti offrono la struttura necessaria per accogliere l’innovazione tecnologica nel rispetto dei vincoli di sicurezza, di conformità normativa e di rispetto ambientale.
Partecipa alla community