L'IA nel codice è ovunque, ma non basta da sola a far andare più veloci i team

Nel 2019 un ingegnere software poteva aver sentito parlare di deep learning applicato alla visione artificiale o alla traduzione, ma pochi immaginavano un impatto diretto sul proprio lavoro quotidiano. Cinque anni dopo la situazione è cambiata radicalmente: secondo il sondaggio di GitHub su 2.000 persone in team di sviluppo di Stati Uniti, Brasile, India e Germania, oltre il 97% degli intervistati ha usato strumenti di IA per il coding almeno una volta al lavoro, un dato costante nei quattro paesi. Il problema che resta aperto, però, è cosa succede dopo il primo utilizzo: una quota più piccola di intervistati dice che la propria azienda incoraggia attivamente l'adozione di questi strumenti, segno che l'entusiasmo individuale non si traduce automaticamente in adozione organizzativa.

Google ha costruito la propria risposta dentro l'ambiente di sviluppo interno dove gli ingegneri passano la maggior parte del tempo, intervenendo sia sull'inner loop (IDE, revisione del codice, ricerca nel codice) sia sull'outer loop (gestione dei bug, pianificazione), a partire dal completamento del codice basato su machine learning già introdotto internamente. Il team descrive questo lavoro come parte di una trasformazione continua degli strumenti interni, non come un progetto isolato. Sul fronte della misurazione, il report DORA 2025 sullo sviluppo software assistito da IA propone un approccio diverso: non chiedersi se l'IA funzioni in assoluto, ma osservare come amplifichi le dinamiche già presenti in un'organizzazione, buone o cattive che siano.

Il quadro che emerge non è quello di un salto automatico di produttività. Il report DORA 2025 conclude che l'IA non migliora automaticamente le prestazioni di consegna del software: agisce piuttosto come un amplificatore delle pratiche e delle condizioni organizzative già esistenti. In parallelo, il sondaggio GitHub mostra un'adozione individuale quasi universale (97% di utilizzo almeno una volta) accompagnata da un supporto aziendale ancora disomogeneo, con una parte più piccola di aziende che spinge attivamente sull'adozione. Sono due facce della stessa transizione: gli strumenti sono arrivati ovunque, i risultati organizzativi non ancora.

Chi guida un team di ingegneria non può trattare l'adozione dell'IA come un interruttore da accendere: se le pratiche di delivery sono già solide, l'IA le amplifica in positivo; se sono fragili, ne amplifica i limiti. Il primo passo utile non è misurare quante persone usano un tool di IA, ma capire se l'azienda sta davvero sostenendo quell'uso con incentivi e processi coerenti, perché l'uso individuale diffuso, come mostra il dato del 97%, non garantisce da solo un miglioramento delle prestazioni del team.