I Programmi scritti dai programmi, che nessuno vuole leggere
Il vibe coding ha vinto la gara sull’adozione. Ma ne è iniziata un'altra, quella della qualità. E nel frattempo c’è una generazione di programmatori che non sa più cosa studiare.
In poco più di un anno il vibe coding è passato da novità wow, incredibile, assurda, a categoria di mercato. Andrej Karpathy conia il termine all’inizio del 2025; a fine anno il Collins Dictionary lo elegge parola dell’anno.
Una corsa all’adozione che pochi strumenti nella storia del software hanno visto: oggi circa il 92% degli sviluppatori statunitensi usa strumenti di AI per scrivere codice ogni giorno, l’82% a livello globale almeno una volta a settimana, e GitHub stima che il 46% di tutto il codice nuovo sia ormai generato dall’AI. Google dichiara che un quarto del proprio codice è già assistito dall’intelligenza artificiale.
Il mercato conferma, seguendo i numeri dell’uso: si stima che passi da circa 5,85 miliardi di dollari nel 2025 a oltre 15 miliardi entro il 2031, e Gartner prevede che il 90% degli ingegneri del software in azienda userà assistenti AI entro il 2028, contro meno del 14% di inizio 2024.
E però. C’è un dato che stona con tutti gli altri, ed è il vero motivo per cui scrivo questa newsletter: mentre l’uso sale, la fiducia crolla. E usandolo spesso comprendo i perché.
La fiducia degli sviluppatori verso questi strumenti è scesa dal 77% del 2023 al 60% del 2026, e solo il 33% si fida dell’accuratezza del codice prodotto dall’AI.
Il dato che mi ha fatto fermare a rileggere: il 63% degli sviluppatori dichiara di aver speso più tempo a fare il debug del codice generato dall’AI di quanto ne avrebbe impiegato a scriverlo a mano. Può essere, è capitato anche a me.
Pare che ci siamo agganciati a uno strumento di cui ci fidiamo sempre meno. Questa è, in una riga, la storia del software nel 2026.
(Se volete saperne di più sui dati di adozione e fiducia leggete: Hashnode — State of Vibe Coding 2026 e Stack Overflow Developer Survey; il dimensionamento di mercato da Mordor Intelligence; le previsioni enterprise da Gartner via Hostinger.)
Dove fallisce il vibe coding
Chi ha provato uno di questi strumenti su un progetto piccolo lo sa: funziona, e funziona bene. Un componente isolato, una validazione di form, un middleware OAuth2, uno script che pulisce un CSV, una microapp Flask, su task atomici e ben definiti il vibe coding è davvero un acceleratore. Lì la promessa è mantenuta.
Il problema comincia quando il progetto cresce.
La qualità non cala in modo lineare: degrada man mano che aumenta la complessità del sistema, perché è esattamente lì che l’AI smette di “capire” il contesto.
Eccelle sui pezzi, fatica sull’insieme.
Molti team ci sono cascati: prototipi che giravano, e che diventavano spaghetti code ingestibile non appena dovevano reggere un’architettura vera, con dipendenze, stato condiviso, casi limite.
È il motivo per cui ricerche recenti stimano che circa il 40% del codice generato dall’AI contenga potenziali falle di sicurezza, default insicuri, configurazioni sbagliate.
L’AI ottimizza per far funzionare la cosa, non per renderla sicura o manutenibile.
Ed è vero. Io con Claude, per fare un esempio concreto, ho preso l’abitudine a dividere un progetto complesso in piccoli progetti singoli.
Perché quello che ho descritto non è teoria. Il primo vero scandalo di sicurezza del settore ha un nome: la falla di Lovable. I ricercatori hanno scoperto che 170 app su 1.645 generate dalla piattaforma, che in percentuale fa il 10,3%, avevano falle critiche di row-level security nelle configurazioni Supabase. Non casi limite da laboratorio: applicazioni con dati reali di utenti e controlli d’accesso bucati. Ne avevo parlato in termini più generali in La sicurezza, dopo di tutto, qui abbiamo la prova provata.
Ecco da dove nasce quel 63% che fa il debug più a lungo di quanto avrebbe scritto a mano.
Ereditare una codebase generata dall’AI può essere più difficile che ereditarne una scritta da un umano: niente documentazione, pattern non familiari, scelte fatte da una macchina che non puoi interrogare sul perché.
Chi, come me, ha passato anni a ereditare e modificare sistemi altrui sa che il valore non è mai stato nel battere righe, è sempre stato nel capire perché quelle righe stanno lì.
Il vibe coding ha automatizzato la parte facile e ha lasciato intatta, anzi ingigantita, la parte difficile.
La sfiducia dei programmatori, insomma, non è luddismo. È esperienza sul campo.
Gli studenti che devono studiare oggi?
C’è una categoria per cui tutto questo non è una questione di produttività ma di futuro: chi sta studiando adesso.
E qui la situazione è genuinamente difficile da decifrare, perché tutto si muove troppo in fretta perché un piano di studi triennale faccia in tempo a restare valido.
I segnali sono contraddittori e tutti seri. Da un lato lo Stanford Digital Economy Study segnala che, a luglio 2025, l’occupazione per gli sviluppatori tra i 22 e i 25 anni è calata di quasi il 20% rispetto al picco di fine 2022, non l’occupazione totale, ma proprio il primo gradino della scala, quello che una laurea in informatica era abituata a garantire.
La quota dei junior nelle assunzioni IT è scesa dal 15% al 7% in tre anni.
Forrester prevede addirittura un calo del 20% delle iscrizioni ai corsi di informatica, con il rischio, paradossale, di una carenza di ingegneri senior tra cinque-dieci anni, perché senza junior oggi non ci sono senior domani.
Dall’altro lato, però, il quadro non è quello del “non studiate più a programmare”. È più sottile, e più insidioso. Uno studio di Anthropic sulla formazione delle competenze mette il dito esattamente sul punto: non tutta la dipendenza dall’AI è uguale. Ne avevo parlato in dettaglio qua:
Il modo in cui interagisci con l’AI mentre cerchi di essere efficiente determina quanto effettivamente impari.
Questo è cosa ho capito io sulla mia pelle: Chi delega all’AI per finire i task il più in fretta possibile lo fa al costo dello sviluppo delle proprie competenze, e in particolare della capacità di fare debug quando qualcosa va storto.
E il debug efficace non è solo competenza, è per lo più esperienza.
Se i ragazzi non fanno esperienza rischi di crescere una generazione che non sa validare il codice che l’AI scrive, proprio perché ha usato l’AI fin dall’inizio per non doverlo capire.
Ed è qui il nodo per chi imposta un piano di studi oggi. Le competenze che il mercato continua a pagare profumatamente non sono quelle che l’AI replica facilmente: cybersecurity, cloud, data engineering, ML.
Tutta roba in cui conta il giudizio umano.
I ruoli da generalista che scrivono CRUD su richiesta sono i primi a essere compressi. Studiare oggi significa, paradossalmente, studiare di più i fondamenti: architettura, sicurezza, come funziona davvero un sistema sotto carico, strutture dati, formati, algoritmi standard, pattern e via dicendo.
Questi sono esattamente i fondamenti che ti permettono di fare l’orchestratore invece dell’esecutore. Imparare a usare l’AI è facile e si fa in un pomeriggio. Imparare a giudicare quando l’AI sbaglia richiede anni, e quegli anni vanno fatti.
É come suonare uno strumento, il 99% è pratica.
Il consiglio peggiore che si possa dare a uno studente nel 2026 è “tanto ormai vibe-codi tutto”. Il secondo peggiore è “ignora l’AI e studia come si studiava nel 2015”.
La verità oggi è che si sta in un equilibrio, scomodo, che nessun piano di studi ha ancora codificato.
Por fin
Come la finisco la newsletter?
Qualunque cosa metto giù oggi ha una buona probabilità che tra dodici mesi sia smentita.
È la natura della bestia.
Quando uno strumento passa dal 14% al 90% di adozione prevista in quattro anni, e la fiducia di chi lo usa va nella direzione opposta, qualsiasi opinione è destinata a invecchiare male.
Farsi un’opinione che resista nel tempo, in questa fase, è probabilmente l’obiettivo sbagliato. Le opinioni le lasciamo agli “AI Guru” e ai “tecnoinfluencer”, lo possono fare perché dubito che qualcuno li chiami per scrivere codice.
L’unica cosa che ha senso fare oggi è guardare e adattarsi, capire cosa significa il vibe coding per la propria specifica professione, che è una cosa diversa se fai data architecture, se progetti embedded su microcontrollori, o se sviluppi front-end.
E usare l’AI per quello che è oggi la sua versione meno sopravvalutata e più solida: un potenziamento delle competenze che già hai, non un sostituto delle competenze che non hai ancora.
Chi sa già giudicare il codice, con l’AI va più veloce. Chi non sa giudicarlo, con l’AI va più più veloce verso il muro.
Lo strumento non ha cambiato la regola, ha solo alzato l’asticella.
Il programmatore non è stato sostituito, è stato ridefinito ciò che lo rende prezioso. E continuerà a essere ridefinito, probabilmente ancora un paio di volte prima della fine dell’anno.
Quindi sì, è tutto in evoluzione. La cosa più saggia non è scommettere su dove finirà. Per ora cerchiamo di restare leggibili, sia le newsletter che il nostro codice.
Buon lunedì, Francesco