Puntata 149 — Per programmatori

Livello: ✔️✔️ Doppie Spunte Blu · Capitolo 14 · AI al lavoro nei mestieri

Copilot, Cursor, Claude Code. Il “vibe coding” ha cambiato il mestiere in 24 mesi più che in 20 anni. E chi non si è adattato ora corre.

un monitor diviso. A sinistra, vecchio IDE con codice scritto a mano riga per riga. A destra, IDE moderno con un pannello di chat AI a fianco; il codice cresce mentre il developer “discute” con un agente. Tra le due metà, un robottino-grillo con cuffie da DJ

I 4 livelli di “AI nel coding” (2026)

Livello	Cosa fa	Tool tipico
1. Autocomplete intelligente	Suggerisce la prossima riga	GitHub Copilot, Tabnine
2. Chat in-IDE	Chiedi, l’AI scrive blocchi di codice	Cursor, Copilot Chat, Continue
3. Agentic editing	Tu descrivi un task, l’AI modifica più file	Cursor Composer, Claude Code, Aider
4. Autonomous agents	Ricevi PR / pipeline da agenti che lavorano in background	Devin, OpenAI Codex (cloud), Replit Agent, Claude Code with subagents

Nel 2026 un dev frontend medio passa dal livello 1 al livello 4 nello stesso giorno, a seconda del task.

Cos’è il “vibe coding”

Termine coniato da Andrej Karpathy (febbraio 2025): scrivere software descrivendo cosa vuoi in linguaggio naturale, lasciando che l’AI scriva e iteri il codice mentre tu dirigi e verifichi.

Tu: "Aggiungi un endpoint /users/me che restituisce il profilo
dell'utente loggato. Usa JWT, valida con lo schema esistente,
aggiungi test."

Agente: [edita 3 file, scrive 2 test, runna i test, riporta]
"Fatto. 2/2 test passano. Vuoi che aggiunga rate limiting?"

Funziona bene per:

Prototipi e MVP.
Boilerplate (CRUD, auth, setup).
Test, migrations, scaffolding.
Refactor incrementali.

Funziona meno bene per:

Architettura iniziale di sistemi complessi.
Debug di edge case sottili.
Performance optimization fine.

Il programmatore evoluto non smette di pensare: dirige l’agente con architettura mentale chiara, gli delega l’implementazione, verifica i risultati.

I tool che dominano nel 2026

Cursor

Editor proprietario (fork di VS Code) AI-native. Eccelle in Composer (modifica multi-file) e agent mode. ~$20/mese.

Claude Code

CLI ufficiale Anthropic, lanciato 2025. Lavora dentro il tuo terminale, edita file, runna comandi, gestisce branch. Forte su task autonomi. Incluso in piano Claude Pro/Max.

GitHub Copilot

Il pioniere. Nel 2026 supporta Claude, GPT, Gemini come backend. Standard de facto per chi è già in GitHub. ~$10-19/mese per piano individual.

Devin (Cognition)

Agente cloud che apre PR autonome. Buono per task ben definiti (bug fix, feature isolate). Caro ($500+/mese), ancora discusso sulla qualità.

Aider, Continue, Cline (open source)

Funzionalità simili a Cursor, in open source. Usano API a tua scelta (OpenAI, Anthropic, Mistral). Più tecnico setup, costo solo le API.

Replit Agent

Vibe coding “no-IDE”: chatti, lui sviluppa, deploy in un click. Ottimo per prototipi e per chi non è programmatore.

Workflow concreto (full-stack 2026)

Sviluppo di una micro-feature in un’app Next.js + Postgres:

Stub iniziale (Claude Code o Cursor Composer): “Crea una pagina /dashboard che mostra i task dell’utente loggato. Usa il pattern esistente in /src/pages.” → 5 file modificati.
Verifica e ritocchi manuali: leggi il diff, sistemi naming, sposti una funzione di utility.
Test: “Scrivi test di integrazione per /dashboard. Mock dell’auth, 3 casi: nessun task, alcuni task, errore DB.” → 1 file.
CI verde: il tool runna npm test, riporta. Se rosso, dialoga con l’agente per fixare.
Refactor opzionale: “Estrai la logica di fetching in un custom hook. Mantieni l’API esterna identica.”
PR aperta: branch, commit message generato, descrizione PR sintetica.

Tempo totale: 20-40 minuti. Lo stesso 3 anni fa: 2-4 ore.

Cosa l’AI fa meglio del dev medio

✅ Boilerplate: setup, config, mock data. ✅ Glue code: integrazioni tra librerie note. ✅ Test scaffolding: testbench, edge case banali. ✅ Refactor sintattici: rename, estrazione funzioni, conversione async/await. ✅ Documentazione: docstring, README, changelog. ✅ Migration code: SQL → SQL, framework v1 → v2. ✅ Codice che hai scritto mille volte: CRUD, form handler, auth flows.

Cosa l’AI NON fa bene (ancora)

❌ Sistemi distribuiti complessi: race condition, eventual consistency, choreography di microservizi. ❌ Performance tuning sottile: cache invalidation, query optimization profonda. ❌ Decisioni architetturali: “monolite vs micro?”, “Postgres vs Dynamo?”. Discutere sì, decidere no. ❌ Sicurezza: pattern AI tendono a default insicuri (vedi puntata 298). Sempre review. ❌ Codice “intelligente” idiosincratico: linguaggi rari (Elm, Crystal, Idris), DSL custom, framework con poca presenza nei dati di training. ❌ Debug di un crash random in produzione: lì serve esperienza umana e fortuna.

I rischi pratici

1. Allucinazioni di API

L’AI inventa funzioni che non esistono: “Usa axios.fetchSecure()” — non esiste. Soluzione: dargli la doc reale in contesto, o usare tool con integrazione MCP (puntata 242) ai package manager.

2. Codice deprecated

I dati di training sono in ritardo di 12-18 mesi. L’AI può suggerire API deprecate. Soluzione: specificare versione della libreria nel prompt.

3. Bug sottili

Il codice “funziona” ma ha un off-by-one o un null check mancante. Test sempre, mai trust blind.

4. Vendor lock-in al tool

Più ti abitui a Cursor, meno produttivo sei in vanilla VS Code. Pondera.

5. Skill atrophy

I dev junior che imparano vibe-coding-first rischiano di non sviluppare debug skill profondo. La community 2026 ne discute apertamente.

6. Code review nuova

Le PR sono il doppio lunghe. La review umana diventa il bottleneck. Tool come CodeRabbit, Greptile fanno review automatica. Aiutano ma non sostituiscono.

La domanda da fare a chi ti vende un “AI dev tool”

Quando un vendor ti propone un tool nuovo:

In che backend gira? Claude, GPT, Gemini, custom?
Lavora in locale o spedisce il mio codice altrove? GDPR/IP/secrets matter.
Si integra con il mio stack reale (linguaggi, framework, CI)?
Mostra il diff prima di applicare? Mai accettare “trust me, just apply”.
Quanto costa per dev/anno realisticamente (con uso medio)?

Tre domande secche risparmiano spesso 6 mesi di valutazioni inutili.

TEST pratico (30 minuti)

Scegli un tuo repo personale (anche un side project).
Installa Cursor (gratis trial) o Claude Code (incluso in Claude Pro).
Chiedi all’agente:
- “Aggiungi test per la funzione X.”
- “Refactor file Y per ridurre complessità.”
- “Aggiungi un endpoint Z con autenticazione.”
Osserva: cosa fa bene, cosa fa male, cosa devi correggere a mano.
Domanda di consapevolezza: in che percentuale del lavoro hai dovuto intervenire? Quel numero ti dice quanto sei pronto per livello 3-4 (agentic / autonomous) sul tipo di codebase che gestisci.

Glossario lampo

Vibe coding: descrivere il task in linguaggio naturale, dirigendo un agente che scrive e verifica codice. Termine di Karpathy, febbraio 2025.
Agentic editing: l’AI esegue task multi-step (lettura file, edit, test, commit) come un sub-agente.
MCP (Model Context Protocol): standard 2025-26 per connettere AI agenti a strumenti, file system, doc reali. Vedi puntata 242.
Code review automatica: AI che legge le PR e suggerisce miglioramenti (CodeRabbit, Greptile, qodo).

Take-away in una riga

Il dev 2026 non scrive più codice a 80 WPM: dirige agenti che scrivono codice a 8000 WPM. Il valore si è spostato dall’implementazione al design e al verify — e chi non si è ancora abituato, ora corre.

➡️ Prossima puntata: Per analisti — Excel, dati, grafici al volo. Il PowerBI ti chiede gentilmente di sederti.