C’erano una volta gli sviluppatori, gente preparata che aveva studiato architettura del software, conosceva linguaggi di programmazione e sapeva utilizzare strumenti complessi. Poi arrivarono gli agenti IA e, con loro, la prospettiva di trasformare gli sviluppatori in semplici utonti brucia-token. Esiste un numero che da solo racconta la deriva recente: 18,6. Secondo un’analisi della piattaforma Jellyfish, l’aumento del consumo di token per singolo sviluppatore nell’arco di nove mesi, mentre gli agenti di coding passavano dall’autocompletamento all’esecuzione autonoma di interi processi è aumentato di 18,6 volte. Nel frattempo, il prezzo dei token, a parità approssimativa di prestazioni, è crollato rispetto al 2022. Eppure, molte aziende si sono ritrovate con spese impreviste e budget completamente saltati. È anche il segnale di un modello economico che rischia di trasformare gli sviluppatori in clienti: un lavoro caratterizzato da un ciclo continuo di richieste, elaborazioni e consumi in cui diventa sempre più difficile misurare il valore effettivo.
Pagare per sviluppare
Uber ha esaurito il budget destinato agli strumenti di coding IA per tutto il 2026 già ad aprile. A marzo, l’84% dei suoi ingegneri utilizzava strumenti di programmazione agentica e, nei mesi successivi, oltre il 70% delle proposte di modifica del codice risultava affidato agli agenti. Gli utilizzatori più assidui arrivavano a consumare tra 500 e 2.000 dollari al mese. Una singola sessione di coding di due ore del CTO di Uber, Praveen Neppalli Naga, è arrivata a costare quasi 1.200 dollari. Anche Microsoft, dopo pochi mesi, ha deciso di ridurre drasticamente le licenze Claude Code utilizzate dai propri ingegneri, favorendo il passaggio al suo GitHub Copilot CLI. Una decisione motivata da ragioni strategiche, ma anche economiche.
Il problema non è che questi strumenti non funzionino. È che funzionano abbastanza bene da incoraggiare un utilizzo sempre più massiccio, spesso senza un controllo adeguato dei costi.
Per fortuna, qualche segnale di ravvedimento esiste. Dopo la batosta iniziale, Uber è riuscita a stabilizzare la spesa introducendo limiti, strumenti di monitoraggio e una selezione più efficiente dei modelli utilizzati. Insomma, anche nella Silicon Valley qualcuno ha scoperto che leggere il contatore prima di ricevere la bolletta può essere una buona idea.
I giganti con le pezze al culo
Nel frattempo, le aziende che producono questi strumenti continuano a sostenere investimenti giganteschi. Secondo i dati finanziari relativi al 2025 emersi nel corso del 2026, OpenAI ha registrato una perdita di circa 20,9 miliardi di dollari a fronte di 13,1 miliardi di ricavi. Anche Anthropic affronta enormi DEBITI finanziari legati allo sviluppo dei modelli e all’infrastruttura necessaria per farli funzionare. Una corsa alimentata da capitali e aspettative di crescita straordinarie. Ma qualcuno dovrà pur pagare il conto. E qui mi permetto di aggiungere un’altra considerazione. Per quanto tempo gli abbonamenti di queste aziende in competizione tra loro, continueranno a permetterci di consumare enormi quantità di token a prezzi ragionevoli? E soprattutto, quanto è prudente affidarsi anima e corpo a un sistema di sviluppo che potrebbe renderci progressivamente incapaci di lavorare senza questi strumenti? Sentite anche voi l’uccello padulo mentre sbatte le ali? Indovinate dove punta l’uccello padulo?
Trasformare i developer in utonti
C’è un secondo costo, più silenzioso del primo, che non compare nelle dashboard finanziarie: il debito cognitivo. Non parliamo semplicemente di codice scritto male, ma della progressiva perdita di comprensione di ciò che si sta sviluppando.
Margaret-Anne Storey, professoressa di informatica presso l’Università di Victoria, ha spiegato come il debito accumulato procedendo troppo velocemente possa risiedere non nel codice, ma nella mente degli sviluppatori, compromettendone la capacità di comprendere, modificare ed evolvere il software. Un team può produrre risultati apparentemente eccellenti, ma arrivare al punto in cui nessuno sa più spiegare perché sia stata fatta una determinata scelta progettuale. Storey racconta il caso di un gruppo di studenti che, dopo sette o otto settimane di sviluppo, non riusciva più a effettuare nemmeno una modifica semplice senza provocare problemi. Il codice era disordinato, certamente, ma il vero guaio era un altro: avevano perso la comprensione del sistema che stavano costruendo.
Anche uno studio controllato condotto da Anthropic su 52 sviluppatori, prevalentemente junior, suggerisce che il problema non sia affatto trascurabile. Chi utilizzava l’IA completava i compiti mediamente due minuti prima, un vantaggio peraltro non statisticamente significativo. Ma nel successivo test di comprensione otteneva appena il 50% delle risposte corrette, contro il 67% del gruppo che aveva lavorato senza assistenza.
C’è però un dettaglio importante. Chi utilizzava l’IA per ottenere spiegazioni, approfondire concetti e comprendere il codice manteneva risultati decisamente migliori rispetto a chi delegava completamente il lavoro. Insomma, il problema non è necessariamente utilizzare l’intelligenza artificiale, ma rinunciare a ragionare mentre la si utilizza.
Gli Slop Store
Il terzo effetto è visibile a chiunque frequenti gli store di applicazioni. Nella prima metà del 2026 sono state pubblicate sull’App Store di Apple circa 560.000 nuove app, quasi quante ne erano state pubblicate nell’intero 2025. Di questo passo, il milione di nuove pubblicazioni annuali potrebbe essere superato. E i download? Nello stesso periodo sono aumentati appena del 2%.
Naturalmente, non tutte queste nuove applicazioni sono spazzatura. Ma è difficile immaginare che un’esplosione quantitativa di queste proporzioni non finisca per rendere ancora più complicato distinguere i prodotti validi da quelli improvvisati. La sicurezza, poi, è il punto più delicato.
Nel suo rapporto del 2026, Veracode ha rilevato che, in una serie di test dedicati alla generazione di codice sicuro, circa il 44% dei risultati prodotti dai modelli presentava vulnerabilità note.
Non è soltanto una questione di black box, di scatole nere delle quali non conosciamo il contenuto. Il problema è che quella scatola potrebbe nascondere falle nella gestione degli accessi, nell’autenticazione o nella protezione dei dati. Problemi che uno sviluppatore incapace di comprendere il codice potrebbe non individuare mai. Insomma, ci troviamo di fronte ad una gara folle in cui tutti perdono.
Le aziende che producono IA investono cifre colossali per sostenere infrastrutture sempre più costose. Gli sviluppatori rischiano di diventare clienti dipendenti da abbonamenti e token, mentre le competenze che li rendevano autonomi possono erodersi un prompt alla volta.
Il mercato, intanto, viene invaso da una quantità crescente di prodotti, con il rischio di aumentare la presenza di software fragile, poco curato o insicuro.
Pensare fuori dalla scatola
In questo articolo decisamente critico, non sto proponendo un ritorno al mondo precedente alle intelligenze artificiali. Gli agenti sono strumenti potentissimi e boicottarli sarebbe da pazzi. Mi domando se forse non sarebbe il caso subordinare l’automazione a una progettazione umana consapevole, anziché subordinare lo sviluppatore all’automazione. Quindi, davanti l’ennesimo video su YouTube, dove l’ennesimo creator che vende l’ennesimo corso, ripete per l’ennesima volta, che se non fai un uso intensivo di loop agentici sei un cavernicolo, mi viene spontaneo impugnare forte la clava e pormi un paio di domande (Yabadabado!).
Negli ultimi mesi, lavorando ai miei progetti software, ho iniziato a sperimentare un metodo che prova a conciliare la potenza degli agenti IA con il controllo umano, la documentazione e la verifica del lavoro svolto. Non è un rifiuto dell’automazione, ma un tentativo di utilizzarla senza diventarne dipendenti. Mi piacerebbe condividerlo in futuro, magari quei sul blog.
Nota: Quando ho sottoposto la bozza di questo articolo a ChatGPT per farmi controllare eventuali refusi, ha provato a contestare la mia visione troppo pessimistica sui possibili effetti negativi degli agenti nella vita dei developer. Lo strumento di un’azienda indebitata che vende token a consumo, la quale difende la vendita dei token a consumo. Che curiosa coincidenza…
