Da software engineer, oggi ogni riga del mio codice la scrive l’AI: parliamo di Vibe Coding

Con oltre sei anni di carriera alle spalle come software engineer, è passato più di un anno dall’ultima volta che ho scritto una riga di codice a mano. Nei miei progetti attuali, ogni singolo carattere è opera dell’AI. Eppure, la prima volta che ho programmato insieme all’intelligenza artificiale, più di un anno fa, l’entusiasmo è durato a malapena tre giorni.

La gioia del Vibe Coding

Ricordo ancora quando, nel giugno dello scorso anno (2025), incuriosito da tutto l’hype, ho aperto per la prima volta Cursor. A prima vista sembrava il solito VS Code, con l’unica aggiunta di una barra laterale per dialogare con l’intelligenza artificiale.

Fino a quel momento, la mia idea di AI coding era ferma all’autocompletamento avanzato in stile GitHub Copilot. Ma quando ho digitato il primo prompt e ho premuto invio, è successa una mezza magia. L’AI ha iniziato a macinare pensieri e a sputare decine, centinaia di righe a rotta di collo nell’editor. Passava con disinvoltura da un file all’altro aggiornando il codice e lanciava persino comandi direttamente nel terminale.

Mi bastava descrivere ciò che volevo in linguaggio naturale perché l’AI imbastisse l’intera funzionalità da zero. Niente più fatica riga per riga, niente più logica da suggerimento automatico: stava letteralmente prendendo in carico intere porzioni del mio lavoro di ingegnere del software, operando a un livello di astrazione nettamente superiore.

In quel momento ho provato la sensazione di avere tra le mani una bacchetta magica, quell’euforia pura di chi scorge le porte di un mondo completamente nuovo.

Preso dall’entusiasmo, scrissi queste riflessioni:

Il Vibe Coding sembra fatto su misura per chi ha l’ADHD. Il modo tradizionale di programmare è una tortura per una mente neurodivergente; il Vibe Coding, di colpo, ha spazzato via la mia avversione per i test, il rifiuto verso il CSS, i continui refusi nei nomi delle variabili e l’odio viscerale per il debugging noioso e ripetitivo.

Con l’assistenza dell’AI, il ciclo di feedback è diventato istantaneo, regalando una scarica di gratificazione continua. Più un compito è tedioso e meccanico, meglio l’AI riesce a portarlo a termine.

A me restava solo il compito di tracciare la rotta, curare l’architettura e fare da guida al progetto.

Non ho mai avuto il feticcio di digitare ogni singolo carattere; ciò che amo davvero è l’atto della creazione. Dall’assembly ai linguaggi ad alto livello, l’esperienza dello sviluppatore dovrebbe essere sempre più fluida, piacevole ed efficiente.

Poter programmare dal punto di vista del puro creatore, invece che da manovale della tastiera, è una liberazione incredibile per un ingegnere del software.

I limiti del Vibe Coding

Questo approccio ha un nome ben preciso: Vibe Coding. Un termine coniato da Andrej Karpathy (co-fondatore di OpenAI) nel febbraio 2025, che riassume l’idea di programmare affidandosi ciecamente al “flusso”, alle sensazioni del momento: spieghi all’AI cosa vuoi a parole, accetti in blocco tutto il codice che sforna senza fare code review riga per riga, le rigetti indietro gli errori così come compaiono, fino a dimenticarti quasi che il codice esista.

Ma dopo l’entusiasmo iniziale e le riflessioni a caldo, la luna di miele è durata meno di tre giorni. Ho sbattuto dritto contro i limiti del Vibe Coding.

Stavo sviluppando il prototipo di un’app. Lasciare campo libero all’AI con prompt vaghi e senza applicare alcun rigore ingegneristico si è rivelato un boomerang: piano piano l’AI è diventata ingovernabile, e l’architettura del software è degenerata in un groviglio ingestibile e impossibile da mantenere.

Ho buttato via tutto e sono ripartito da zero. Questa volta, però, indossando sul serio i panni dell’ingegnere del software e reimpostando lo sviluppo assistito dall’AI secondo i criteri delle buone pratiche ingegneristiche.

È scattato qualcosa di diverso: senza rinunciare al divertimento del Vibe Coding, ho introdotto una revisione del codice più rigorosa, documentazione chiara, modifiche piccole e incrementali, evitando di accumulare troppe feature in un colpo solo. Il risultato? L’architettura e l’implementazione sono diventate totalmente prevedibili e sotto controllo, con una precisione chirurgica. Lavorare con l’AI è diventato come guidare un team di stagisti brillanti: deleghi i dettagli operativi, ma mantieni saldo il timone dell’architettura e la visione d’insieme.

Poco dopo sono passato a Claude Code per lo sviluppo assistito, ottenendo un livello di controllo ancora più chirurgico e potente. È stata una svolta: la mia produttività è schizzata alle stelle, moltiplicandosi di colpo.

Il futuro del software engineer

«Il Vibe Coding, permettendo di sfornare roba a velocità supersonica, rischia di togliere la voglia di approfondire i fondamenti della programmazione?»

Secondo me, il rischio non solo c’è, ma è una certezza.

Il percorso classico per imparare a programmare e creare prodotti è sempre stato una scala graduale, un gradino dopo l’altro. Si partiva dai corsi base di sintassi e algoritmi, si entrava come sviluppatore junior, ci si scontrava con le complessità del mondo reale e, progetto dopo progetto, si maturava fino a diventare ingegneri autonomi. Ogni passo offriva un riscontro tangibile. Con una media predisposizione all’apprendimento, entrare nel settore non era impossibile, e la progressione di carriera era chiara e delineata.

Il Vibe Coding ha abbattuto la barriera d’ingresso fino a renderla invisibile: chiunque può tirare in piedi una demo funzionante. Tuttavia, l’ingegneria del software è una disciplina eminentemente pratica; passare da una demo a un prodotto commerciale solido, scalabile e sicuro è come passare dallo 0-1 all’1-100.

Nel percorso tradizionale, chi arrivava a completare lo 0-1 si era già fatto le ossa, accumulando le competenze di base necessarie per affrontare l’1-100. Il Vibe Coding, al contrario, non fornisce queste basi a chi parte da zero. Di conseguenza, già nel salto dall’1 al 10 si spalanca un baratro di difficoltà tale da scoraggiare la maggior parte delle persone dal proseguire.

Proprio perché l’inizio è stato una passeggiata, gli ostacoli successivi diventano muri insormontabili per chi possiede solo una curiosità passeggera o capacità di apprendimento ordinarie. Chi riesce a superare anche quegli scogli con facilità dimostra doti di apprendimento, esecuzione e problem solving fuori dal comune — parliamo dell’élite, dell’uno percento dei programmatori.

In altre parole, quella ristretta cerchia di talenti eccezionali avrebbe brillato comunque, diventando ingegneri di prim’ordine anche nell’era pre-AI.

Con l’impennata qualitativa dell’AI coding, il mercato non ha quasi più bisogno di figure junior. Si sta creando una frattura irreparabile nella formazione sul campo: mancheranno i banchi di prova in cui i nuovi talenti possono farsi le ossa.

A un anno dalla prima stesura di questa bozza, i dati sul mercato del lavoro stanno confermando in pieno questa tendenza:

• Lo Stanford Digital Economy Lab, analizzando i dati sulle retribuzioni forniti da ADP negli Stati Uniti, ha rilevato che a giugno 2026 l’occupazione tra i giovani tra i 22 e i 25 anni nei settori più esposti all’AI è inferiore del 19% rispetto alle stime calcolate sui coetanei di altre professioni (il divario era del 15% un anno fa). Per i professionisti con esperienza non si riscontra alcuna anomalia simile, e questo divario è dovuto principalmente al fatto che le aziende non assumono più profili entry-level, piuttosto che a licenziamenti diretti. (Stanford Digital Economy Lab, 2026-08)
• Secondo un report di giugno 2026 della società di venture capital SignalFire, le assunzioni di neolaureati e figure junior in dodici giganti tech (tra cui Google, Meta, Apple e Microsoft) sono crollate di circa il 65% rispetto al 2019; nelle startup in fase seed e early-stage il calo tocca addirittura il 76%. (SignalFire State of Talent Report 2026)
• I dati del portale Indeed indicano che nel primo trimestre del 2026 le posizioni junior rappresentavano appena il 4,5% di tutte le offerte per sviluppatori software negli Stati Uniti: la percentuale più bassa in assoluto tra tutti i settori lavorativi. (Indeed Hiring Lab, 2026-07)

Il mio sguardo sul futuro di questa professione è decisamente disincantato. Il panorama dello sviluppo software si sta spaccando in due estremi: da una parte una ristretta cerchia di divinità dell’ingegneria che si sfidano ai massimi livelli, dall’altra una marea di appassionati che sfornano prototipi e giocattoli a livello di demo.

E gli altri settori seguiranno a ruota. Nel mondo di domani, qualsiasi lavoro intellettuale leggero o routinario verrà fagocitato dall’intelligenza artificiale.

Persino la matematica pura, da sempre considerata il regno inespugnabile del pensiero originale, quest’anno ha iniziato a cedere terreno:

• A gennaio 2026, Kevin Barreto (studente universitario a Cambridge) e l’appassionato Liam Price hanno risolto il problema n. 728 di Erdős con l’aiuto di GPT-5.2 Pro, colmando un vuoto rimasto insoluto in tutta la letteratura precedente. È considerato il primo problema di Erdős risolto in misura determinante da un’AI.
• A maggio 2026, un modello di OpenAI ha confutato la congettura sulle distanze unitarie formulata da Erdős nel 1946, un enigma che teneva in scacco la comunità matematica da ottant’anni. Tim Gowers, medaglia Fields, ha commentato: «Nessuna dimostrazione generata finora dall’AI si era mai avvicinata a un simile livello». Poche settimane dopo, i matematici in carne e ossa hanno ulteriormente perfezionato i risultati della macchina.
• Nello stesso mese, un agente AI di Google DeepMind ha risolto autonomamente 9 problemi su 353 questioni matematiche aperte, con un costo computazionale di appena poche centinaia di dollari a problema.
• Il matematico Noga Alon è arrivato a dichiarare che non si occuperà più dei problemi di Erdős: «Ora che l’AI ha iniziato a risolverli, non ha più alcun senso farlo».

Di cosa parlerà questa serie

Oggi un numero sempre maggiore di persone senza alcun background tecnico si sta affacciando all’AI coding. Molti non sanno da dove cominciare o si sono limitati a pasticciare con piccoli esperimenti. Presto o tardi si scontrano con la dura realtà: la mancanza di solide nozioni di ingegneria del software li fa sentire spaesati. Non sanno come scomporre un problema complesso, come risolverlo passo dopo passo né come impartire istruzioni precise all’AI per ottenere il risultato sperato.

Ho anche notato che le difficoltà di molti nascono a monte: nella carenza di pensiero logico, nell’incapacità di formulare domande efficaci, nell’assenza di senso critico per valutare se la risposta sfornata dall’AI sia valida o una colossale allucinazione.

Lavoro come software engineer da oltre sei anni e, grazie all’AI, ho progettato e lanciato diversi progetti complessi che oggi contano utenti reali e attivi. Come dicevo all’inizio, nei miei progetti odierni ogni riga di codice è scritta da un’AI. Ma l’intelligenza artificiale può portare a termine progetti complessi solo se chi sta alla tastiera ha le idee chiarissime su cosa sta facendo e sa esattamente come guidarla. L’AI resta uno strumento: la differenza la fa sempre l’essere umano.

Nell’era dell’AI, i vecchi percorsi di apprendimento della programmazione sono destinati a crollare. Per questo ho deciso di inaugurare una serie di articoli: Guida completa al Vibe Coding da zero.

La guida sarà articolata in diversi moduli:

1. Integrare l’AI coding nelle best practice dell’ingegneria del software moderna. Capire prima di tutto cosa significhi fare software engineering, per poi partire da zero e costruire ciò che si ha in mente. L’obiettivo: non fermarsi al semplice prototipo da vetrina, ma creare applicazioni mantenibili nel tempo, con un workflow fluido e senza attriti.
2. Allenamento al pensiero logico e alla precisione concettuale. Imparare a interrogare l’AI in modo efficace, gli errori madornali da evitare e come redigere documentazione di progetto realmente utile.
3. Testing e ottimizzazione del workflow. Come collaudare codice e architettura garantendo solidità, aggiungendo funzionalità senza degradare la qualità, e come accelerare lo sviluppo automatizzando i processi ripetitivi.
4. Lo stack tecnologico ideale per l’AI coding. Quali linguaggi e framework scegliere per sfruttare al massimo i punti di forza dei modelli attuali.

Postilla

A dire il vero, il nucleo di questo articolo risale a un anno fa (ottobre 2025). L’ho ripreso in mano, revisionato e arricchito con i dati sul mercato del lavoro e le recenti scoperte in ambito matematico. All’epoca ero talmente stordito dalla velocità dell’evoluzione dell’AI da temere che qualsiasi riflessione a lungo termine diventasse obsoleta nel giro di quarantott’ore; così finivo per pubblicare molti post brevi sui social e pochissimi saggi strutturati. Rileggendo la bozza a un anno di distanza, mi sono reso conto che quelle intuizioni erano ancora incredibilmente azzeccate, così ho deciso di sistemarla e pubblicarla. D’ora in poi voglio tornare a scrivere con continuità: in fin dei conti, i contenuti che trasudano vera umanità saranno merce sempre più rara.