Dal codice all'architettura: come cambia il ruolo dello sviluppatore nell'era dell'AI - Intervista a develrock
Sviluppo software nell'era dell'AI: la prospettiva di develrock
L'intelligenza artificiale non è più una frontiera da esplorare: è già una realtà operativa che sta ridisegnando in profondità le logiche con cui le organizzazioni innovano, competono e costruiscono valore. La rapida maturazione dei modelli generativi e la diffusione capillare di strumenti basati su machine learning hanno impresso un'accelerazione senza precedenti all'intero ecosistema digitale, trasformando non solo i prodotti e i servizi che le aziende portano sul mercato, ma anche i processi attraverso cui li progettano e li realizzano.
È in questo scenario che il mondo dello sviluppo software sta vivendo una delle fasi di cambiamento più significative. L'integrazione dell'AI nei flussi di lavoro dei team tecnologici sta aprendo nuove possibilità in termini di velocità esecutiva, automazione delle attività tecniche e gestione della complessità sistemica, ridefinendo al contempo competenze, ruoli e responsabilità di chi costruisce l'infrastruttura digitale su cui si regge l'innovazione.
Per comprendere come questo cambiamento si stia concretamente manifestando nella pratica quotidiana, abbiamo incontrato Marco Andrea Cazzulo e Alfonso Adduci, fondatori di develrock, software house italiana specializzata in AI Engineering e nello sviluppo di soluzioni software e prodotti digitali. Con loro abbiamo esplorato in che modo l'intelligenza artificiale stia influenzando metodologie di sviluppo, architetture del codice e il profilo delle competenze richieste a chi progetta e realizza software oggi.
1) Come imprenditori e sviluppatori, qual è stato il primo impatto concreto dell’AI sul vostro modo di lavorare? In che modo l’Intelligenza Artificiale sta cambiando il modo in cui progettate e sviluppate soluzioni per i vostri clienti?
Il nostro primo impatto tangibile con l'AI è arrivato nel 2021 con il lancio di Copilot. Inizialmente, si trattava di funzioni di autocompletamento del codice: l'editor suggeriva come chiudere una riga e, sebbene la qualità non fosse perfetta, era già in grado di automatizzare le parti di codice più semplici e noiose da scrivere.
Oggi il modo in cui progettiamo e sviluppiamo è cambiato drasticamente. La qualità dell’output è migliorata al punto che abbiamo automatizzato diverse attività tecniche che prima richiedevano molto tempo, come la scrittura di codice boilerplate e il refactoring del codice esistente.
Questo consente agli sviluppatori di concentrarsi principalmente sulle parti più complesse del lavoro: progettazione dell’architettura, integrazione tra sistemi e definizione delle logiche applicative.
Questo si traduce in un enorme vantaggio per i nostri clienti, ai quali possiamo offrire soluzioni più ricche e in tempi più rapidi, mantenendoci altamente competitivi sul mercato.
2) Come riuscite a integrare AI e sviluppo custom mantenendo qualità, controllo e sicurezza del codice?
Per noi l'AI è uno strumento inserito in un processo di sviluppo strutturato, non un sostituto del processo stesso. In develrock abbiamo sempre adottato una metodologia rigorosa e l'avvento dell'intelligenza artificiale non ha modificato questa impostazione di fondo.
Ogni funzionalità viene sviluppata su branch dedicati e separati rispetto al branch principale, e il codice può confluire in quest'ultimo esclusivamente tramite Pull Request. Questo passaggio è tutt'altro che formale: consente di verificare nel dettaglio le modifiche apportate, valutarne l'impatto e misurarne la qualità. In questa fase entra in gioco anche una code review interna strutturata, in cui ogni Pull Request viene revisionata da un altro sviluppatore del team: un controllo che, ad oggi, consideriamo ancora fondamentale per preservare la coerenza architetturale, la sicurezza e la qualità complessiva del codice.
L’intero processo è supportato da una pipeline automatizzata che esegue build e test automatici ogni volta che viene proposta una modifica. Se i controlli falliscono, il codice non può essere integrato nel branch principale. Una volta superata la revisione e completati con successo tutti i test, la pipeline gestisce automaticamente anche le fasi di build e deploy sugli ambienti di staging o produzione.
All’interno di questo flusso, l’AI viene utilizzata per accelerare alcune attività di sviluppo, ma il codice che entra in produzione passa comunque attraverso gli stessi controlli, revisioni e test di qualsiasi altra modifica.
Questo ci permette di beneficiare della velocità dell’AI senza perdere controllo, qualità o sicurezza.
3) L’AI sta cambiando il ruolo dello sviluppatore o lo sta semplicemente potenziando?
In realtà, entrambe le cose, ma il lavoro è già cambiato profondamente. Oggi la competenza fondamentale non è più la sola scrittura del codice, ma la visione architetturale.
Il lavoro dello sviluppatore si sta progressivamente spostando dalla scrittura diretta del codice alla progettazione, orchestrazione e supervisione dei sistemi software.
Lo sviluppatore moderno deve saper visualizzare chiaramente il prodotto finito, possedere le competenze per descrivere i task all'AI in modo estremamente preciso e, infine, deve saper supervisionare i vari step per impedire che il modello "deragli".
Questo richiede un aggiornamento continuo e incessante, che per noi è una priorità assoluta per non restare indietro in un settore così veloce.
