L’evoluzione dell’ingegneria del software si trova di fronte a una svolta strutturale, spinta dalla necessità di coniugare la rapidità della scrittura del codice con l’efficienza dei sistemi aziendali. In un approfondito confronto tecnico condotto in forma di intervista tra Mohab AbuGabal, senior strategist di Sorint Lab, Luca Pedrazzini, managing director della medesima realtà, e Francesco Soncini Sessa, co-fondatore e head of strategic alliances di Mia-Platform, sono state tracciate le linee guida per comprendere come la metodologia del Platform Engineering rappresenti la risposta organizzativa fondamentale a questa trasformazione.
L’obiettivo centrale è superare il disallineamento tra l’accelerazione tecnologica garantita dall’automazione e il reale valore economico generato per le organizzazioni.
Indice degli argomenti
Il divario tra produttività tecnica e risultati di business
I numeri della spesa IT globale
La spesa globale destinata alle infrastrutture informatiche vede lo sviluppo del software occupare una posizione di assoluto rilievo. Stando ai dati globali esposti da AbuGabal relativi al primo trimestre del 2025, questa specifica voce si attesta come la terza area di investimento in assoluto nel settore IT a livello mondiale. Questo enorme impiego di risorse finanziarie si scontra però con un paradosso legato all’introduzione dei sistemi di intelligenza artificiale all’interno dei cicli di sviluppo.
Le proiezioni di mercato indicano che entro l’anno 2027 lo sviluppo software potenziato dall’AI guiderà un incremento significativo della produttività tecnica grezza, a cui corrisponderà tuttavia un miglioramento soltanto dell’8% nei risultati finali di business (business outcomes). Questo divario numerico evidenzia come la capacità di produrre una quantità maggiore di codice non si traduca automaticamente in un beneficio strategico o commerciale per l’azienda.
La trappola del codice non controllato
Le ragioni di questa asimmetria risiedono principalmente nella mancanza di governance dei nuovi strumenti di automazione. Francesco Soncini Sessa evidenzia che l’intelligenza artificiale deve essere trattata con estrema cautela. Secondo il co-fondatore di Mia-Platform, un’adozione diffusa e priva di verifiche strutturate rischia di generare gravi insidie per l’organizzazione aziendale. La facilità con cui gli algoritmi generano stringhe di testo tecnico può indurre a una proliferazione incontrollata di codice superfluo, che fa lievitare i costi futuri legati alla manutenzione e all’aggiornamento dei sistemi.
Inoltre, se i modelli di calcolo accedono a dati aziendali errati o non verificati, l’intera struttura informativa rischia di subire derive funzionali, portando a decisioni operative fallimentari. Per evitare che la velocità diventi un elemento di perturbazione, le aziende devono adottare il paradigma del Platform Engineering, concepito per introdurre disciplina e controllo sistemico all’interno dei processi.
L’evoluzione verso il Platform Engineering e il ruolo delle IDP
Oltre il semplice portale: la definizione di IDP
La classificazione delle metodologie di sviluppo aiuta a comprendere dove si collochi questa trasformazione infrastrutturale. Nel panorama dei flussi di lavoro aziendali, AbuGabal individua sei strade principali: gli strumenti low-code/no-code, i metodi tradizionali chiusi dedicati alle industrie altamente regolamentate, l’approccio personalizzato “fai-da-te” incentrato sull’uso diretto di framework come Vue per la parte frontend o Go per il backend, le Internal Developer Platform (IDP), gli ambienti di sviluppo integrati in cloud (IDE) e gli AI app builder.
All’interno di questa segmentazione, Mia-Platform è stata inclusa da Gartner nel suo Magic Quadrant del 2024 dedicato proprio all’area delle IDP, posizionandosi accanto a fornitori infrastrutturali globali quali Cloudflare, Huawei e Amazon Web Services.
È fondamentale, come specifica Soncini Sessa, distinguere una IDP da un semplice portale per sviluppatori. Un tool open-source come Backstage agisce essenzialmente come un portale finalizzato alla rintracciabilità dei progetti esistenti. Al contrario, una vera e propria Internal Developer Platform racchiude un portale al suo interno ma aggiunge la capacità di orchestrare i diversi componenti infrastrutturali e software necessari per gestire il ciclo di vita del codice in modalità cloud-native, valorizzando logiche distribuite, microservizi e architetture API-first.
Ridurre il carico cognitivo dei team di sviluppo
L’implementazione del Platform Engineering agisce direttamente sulla quotidianità dei team tecnici fornendo un’esperienza utente standardizzata e coerente. L’obiettivo delle piattaforme interne non è la sostituzione degli strumenti tecnologici esistenti, come Kubernetes o le pipeline di rilascio, ma la loro integrazione logica. Come spiegato da Soncini Sessa, «Il punto di una IDP non è sostituire componenti come AWS o Kubernetes o le pipeline, ma fornire la possibilità di templatizzare il loro utilizzo al fine di creare una sorta di blueprint riutilizzabile e offrire questa funzionalità all’utente finale tramite un portale in self-service.» Questa impostazione elimina i rallentamenti storicamente causati dai sistemi di ticketing, attraverso i quali i team di sviluppo dovevano richiedere risorse ai reparti Operations o agli esperti di Site Reliability Engineering (SRE).
Questi ultimi configurano preventivamente le regole di governance e le migliori pratiche direttamente nella piattaforma, permettendo ai programmatori di accedere alle risorse di cui hanno bisogno in totale autonomia. Il carico cognitivo sui singoli sviluppatori si riduce, consentendo loro di concentrarsi sulla scrittura della logica di business.
Disciplinare l’intelligenza artificiale agentica nella fabbrica del software
Iniettare il contesto aziendale nell’AI
L’ingresso dell’intelligenza artificiale nei flussi di ingegneria del software richiede un ripensamento dei ruoli operativi. Luca osserva che l’evoluzione dei processi complessi deve accogliere l’AI non come un mero strumento esterno, bensì come un nuovo utente attivo a tutti gli effetti, un’intelligenza di tipo agentico capace di supportare sia i programmatori sia le figure legate alle decisioni di business. Tuttavia, affinché questa risorsa esprima una reale utilità, deve operare conoscendo approfonditamente il contesto della specifica organizzazione.
Soncini Sessa sottolinea che «L’intelligenza artificiale nel suo complesso è qualcosa che può essere, ma deve anche essere gestita con la giusta attenzione, perché in realtà l’adozione diffusa o l’uso non controllato dell’AI può creare importanti insidie per l’organizzazione.» Il Platform Engineering risolve questo problema centralizzando le informazioni aziendali all’interno di una piattaforma condivisa che alimenta l’algoritmo con dati verificati e diritti d’azione definiti.
Evitare l’isolamento dei singoli sviluppatori
La strutturazione del contesto poggia su tre aree distinte gestite centralmente. La prima riguarda l’infrastruttura, raccogliendo i dati relativi agli asset fisici e virtuali attraverso iniziative di platform engineering.
La seconda area coinvolge l’esposizione dei dati, estraendo il valore informativo custodito nelle vecchie applicazioni monolitiche per metterlo a disposizione dei nuovi canali digitali.
La terza area mappa i componenti software riutilizzabili all’interno del codice aziendale, come un gateway di pagamento unificato che evita la frammentazione tra diversi canali di vendita.
Raccogliendo questi tre livelli informativi tramite una IDP, l’organizzazione è in grado di trasferire questo perimetro operativo al motore di intelligenza artificiale prescelto. L’AI si trasforma in un gemello digitale dell’azienda, evitando che i singoli sviluppatori lavorino in modo isolato all’interno dei propri ambienti locali, privi di una visione d’insieme e slegati dalle procedure standardizzate.
Prototipazione contro industrializzazione: il confronto con i tool di AI coding
Il valore e il limite degli strumenti focalizzati sul codice
Il mercato tecnologico ha visto una diffusione significativa di strumenti focalizzati sulla generazione automatica di codice, tra cui soluzioni come Replit e Lovable. Soncini Sessa analizza queste piattaforme definendole estremamente interessanti, in particolare per la loro capacità di supportare i tecnici non nativi e i product owner nella creazione rapida di prototipi e prodotti sperimentali minimi, utili a valutare immediatamente la validità di un’idea.
Anche Luca Pedrazzini concorda sul fatto che il fenomeno dell’AI coding offra spunti preziosi per ottimizzare le fasi iniziali del ciclo di vita del software. Il limite strutturale di questi strumenti risiede nel loro utilizzo isolato: se impiegati come sistemi indipendenti, essi tendono a ricreare dinamiche a silos, fallendo nel momento in cui l’applicazione deve essere industrializzata e portata su larga scala in modo sicuro.
L’approccio flessibile ai mattoncini tecnologici
Il valore differenziante del Platform Engineering consiste nella capacità di far coesistere, all’interno di un unico portale unificato, l’esplorazione veloce guidata dall’AI e il rigore ingegneristico dello sviluppo tradizionale. Questa flessibilità architetturale rispecchia la filosofia costruttiva di Mia-Platform, realtà fondata nel 2016 che ha collaborato storicamente con SORINT Lab a un progetto legato allo sviluppo software per il settore bancario. Soncini Sessa chiarisce che la piattaforma deve comportarsi come un costruttore modulare e non come un prodotto rigido preconfezionato.
Utilizzando la metafora di un veicolo fatto di mattoncini Lego, il manager spiega che la struttura può essere personalizzata in base alle esigenze specifiche del cliente, orchestrando strumenti diversi che l’azienda possiede già o che intende cambiare nel tempo. Questo garantisce l’assenza di vincoli tecnologici stringenti: se un’organizzazione decidesse in futuro di rimuovere l’orchestratore o l’interfaccia front-end, manterrebbe comunque il controllo e il valore di tutti i componenti sottostanti, pur dovendo rinunciare ai vantaggi derivanti dalle automazioni integrate.
Sostenibilità energetica e resilienza dell’infrastruttura moderna
Ridurre l’impronta ambientale del software con Kube-Green
La gestione moderna delle infrastrutture software deve fare i conti con l’impatto materiale dei consumi energetici. Il settore dell’Information Technology è responsabile dell’1,4% delle emissioni globali di anidride carbonica, un valore destinato a crescere a causa dei carichi di lavoro richiesti dai modelli di calcolo dell’intelligenza artificiale. L’adozione di una piattaforma interna consente di tracciare e misurare questi dati in modo sistematico. Un esempio concreto è rappresentato dal rilascio di Kube-Green, un componente open-source indipendente sviluppato da Mia-Platform.
Questo strumento permette di effettuare misurazioni precise e di ridurre l’impronta ecologica aziendale automatizzando lo spegnimento o il ridimensionamento dei microservizi durante i periodi di inutilizzo, inserendo criteri di sostenibilità ambientale direttamente all’interno delle pratiche ingegneristiche automatizzate.
La gestione delle risorse energetiche fragili
L’attenzione verso la sostenibilità si collega alla sicurezza operativa dei sistemi. Come fatto notare da Pedrazzini, l’energia si profila come una risorsa sempre più fragile e non infinita, trasformando l’ottimizzazione dei consumi software in un pilastro fondamentale per la resilienza delle imprese, un tema approfondito anche all’interno delle iniziative editoriali di Sorint Lab come il volume dedicato alla Green IT. Le aziende si trovano inserite all’interno di catene del valore complesse, dove la conformità a normative pubbliche severe, come le regole comunitarie sull’intelligenza artificiale sancite dall’AI Act, diventa un requisito indispensabile per mantenere la propria presenza sul mercato.
Disporre di una piattaforma interna evolvibile permette alle organizzazioni di aggiornare costantemente i propri sistemi in base all’evoluzione tecnica e normativa, proteggendo la continuità operativa ed evitando l’esclusione dai mercati regolamentati.
Un cambio di paradigma per i leader dell’ingegneria del software
La misurazione dell’efficienza nei reparti IT richiede uno spostamento dell’attenzione dai parametri puramente quantitativi agli indicatori di valore reale. Soncini Sessa sottolinea l’importanza di focalizzarsi sui processi organizzativi complessivi, ricordando che «Se non conosci la direzione, la destinazione che vuoi raggiungere, e stai guidando a 100 chilometri all’ora nella direzione sbagliata, ti stai allontanando dalla tua destinazione.» I responsabili dello sviluppo ingegneristico devono superare la logica legata al mero volume di codice prodotto dai sistemi automatizzati, concentrandosi sull’impatto dei servizi rilasciati sul mercato.
L’integrazione tra logiche di automazione e strutture di controllo centralizzate consente di connettere in modo sicuro tutti gli attori del ciclo di vita del software, validando rapidamente i prototipi insieme alle divisioni di business e azzerando le inefficienze dei silos operativi.
Partecipa alla community