Il mercato dello sviluppo software sta vivendo una trasformazione strutturale profonda. La contrazione delle società di consulenza tecnologica tradizionale, che in diversi segmenti hanno registrato perdite fino al 40% a causa dell’adozione dell’intelligenza artificiale, non ha cancellato le loro peggiori pratiche metodologiche.
Al contrario, si osserva un fenomeno di trasferimento tecnologico inverso in cui i nuovi modelli di intelligenza artificiale generativa e agentica assimilano e automatizzano le medesime inefficienze strutturali che caratterizzavano il modello della consulenza classica.
Questa analisi ispirata dallo splendido post di Michele Sciabarrà di Nuvolaris, esamina come i nuovi modelli autonomi stiano introducendo una deriva sistematica verso la sovra-progettazione, analizzandone le cause tecniche, le implicazioni economiche a lungo termine e le prospettive di rischio per gli altri settori professionali.
Sommario
L’Automazione dell’inutile
Nelle prime fasi dell’adozione dell’AI nel software development, il programmatore utilizzava i modelli linguistici come assistenti puntuali all’interno di un flusso di lavoro incrementale. Il controllo umano costante limitava la complessità, poiché lo sviluppatore agiva da filtro contro il codice ridondante.
Con l’avvento dei sistemi agentici autonomi, capaci di lavorare per ore per risolvere un problema in isolamento, il paradigma è cambiato. Sebbene l’output finale appaia funzionante, l’ispezione della base di codice rivela un’architettura inutilmente complessa, caratterizzata da livelli di astrazione ridondanti, gestione ipertrofica di casi limite statisticamente irrilevanti e duplicazioni strutturali per applicazioni che potrebbero risiedere in un singolo monolito leggero.
Per comprendere la deriva dell’AI, occorre analizzare il modello operativo delle società di consulenza che sta sostituendo. Storicamente, queste realtà hanno basato la loro redditività sulla massimizzazione delle ore fatturabili e sulla creazione di dipendenza tecnologica nel cliente, proponendo architetture destinate a scalare fino a dieci milioni di utenti anche per mercati locali minuscoli e consegnando software così intricati da rendere impossibile la manutenzione interna.
L’intelligenza artificiale, addestrata su miliardi di righe di codice prodotte proprio da questo ecosistema aziendale, ha interiorizzato questi pattern di progettazione ritenendoli lo standard di eccellenza. L’AI non agisce con dolo contrattuale, ma replica statisticamente lo stile di sviluppo dominante nei grandi progetti enterprise.
La trappola dei costi
L’argomentazione comune a favore degli agenti AI si concentra sull’abbattimento del costo iniziale di sviluppo, ignorando che circa l’80% del costo totale di un software si concentra nella fase di manutenzione ed evoluzione.
L’over-engineering generato dall’AI impatta direttamente su questa quota attraverso due fattori principali. Da un lato, il consumo asimmetrico di token impone costi operativi costantemente elevati, poiché un codice inutilmente complesso gonfia la memoria di lavoro dei modelli durante le successive modifiche.
Dall’altro, si genera un debito tecnico invisibile che rende il sistema fragile, costringendo il programmatore umano a districare una matassa di codice complessa per effettuare modifiche anche minime.
Il programmatore esperto applica storicamente criteri di semplicità e minimalismo, scrivendo solo il codice strettamente necessario per risolvere il problema attuale. L’approccio agentico inverte questo principio, progettando per scenari ipotetici futuri e associando una singola funzionalità a una vasta gamma di librerie e framework industriali ridondanti. Quando lo sviluppatore umano abdica interamente al controllo, delegando la scrittura di interi moduli senza una revisione riga per riga, accetta implicitamente questo debito tecnico, pagando la velocità di rilascio iniziale con una perdita di controllo sulla stabilità di lungo periodo della piattaforma.
La propensione dell’AI a replicare i comportamenti difensivi e ipertrofici delle professioni umane è destinata a estendersi rapidamente ad altri ambiti in via di automazione.
In ambito legale, un agente AI incaricato di redigere un accordo standard potrebbe produrre contratti di centinaia di pagine inserendo clausole per ogni minima e remota controversia immaginabile, paralizzando le trattative commerciali. In campo medico, un’AI orientata alla prevenzione estrema del rischio potrebbe prescrivere batterie di esami specialistici inutili per coprire patologie statisticamente irrilevanti, sovraccaricando le strutture sanitarie. Persino nell’istruzione, i tutor artificiali potrebbero strutturare percorsi didattici inutilmente complessi e frammentati, replicando i vizi accademici della burocrazia didattica anziché ottimizzare l’apprendimento pratico.
L’analisi dei comportamenti dei nuovi modelli evidenzia come l’intelligenza artificiale non stia ottimizzando i processi eliminandone le inefficienze, ma stia industrializzando e scalando le nostre peggiori abitudini burocratiche e professionali.
L’over-engineering generato dagli agenti autonomi rappresenta la prima chiara manifestazione di questo cortocircuito tecnologico. La over engineering dell’AI sta invadendo altri campi oltre il coding, basta pensare a ogni atto della Commissione europea, 300 pagine atto principale + 300 pagine di linee guida + 300 pagine di clausole standard. Parlo di pagine e non di articoli perchè l’errore è visibile ad occhio nudo. Non è solo un fenomeno quantitativo ma anche qualitativo.
Per evitare che la tecnologia generi più costi di quanti ne riduca, diventa indispensabile abbandonare la delega passiva e totale in favore di sistemi di supervisione attiva basati su vincoli stringenti di semplicità e controllo dei costi a lungo termine.
