L'AI rende di più a chi ha la catena corta. Per ora

Il numero sulla produttività dell'AI che gira da più tempo è 55%. Compare nelle slide e nei pitch: con l'AI gli sviluppatori sarebbero "il 55% più produttivi". Il numero che la Banca dei Regolamenti Internazionali (BIS) ha pubblicato a gennaio, dopo aver guardato più di dodicimila aziende, è 4%.

In mezzo c'è un paper uscito a maggio per il National Bureau of Economic Research e rivisto questo mese, che ha seguito oltre mezzo milione di sviluppatori su GitHub. Con gli agenti che lavorano accanto allo sviluppatore, le righe di codice scritte crescono del 958%. Le pull request dell'86%. Le release, cioè il software che esce davvero, del 20%.

Nessuno di questi numeri è falso. Sono misurati in punti diversi della stessa catena, quella che va dalla riga di codice al valore per cui qualcuno paga, e più la catena è lunga più il guadagno si perde per strada. Da qui la tesi: oggi l'AI rende di più a chi ha la catena corta, il freelance o il piccolo team che scrive, rivede e rilascia senza passaggi di mano. Fino a due anni fa era il contrario. E fra qualche anno potrebbe tornare a esserlo.

Il 55% viene da 95 freelance

Il 55% ha due origini, e nessuna delle due misura la produttività di un'azienda.

La prima è un esperimento del 2022 sull'allora nuovo GitHub Copilot. I ricercatori reclutarono 95 programmatori su Upwork, la piattaforma di lavoro freelance, e chiesero a tutti la stessa cosa: scrivere un server HTTP in JavaScript, il più in fretta possibile. Chi aveva Copilot ci mise in media 71 minuti, chi non l'aveva 161. Il paper scrive "55.8% faster", con un intervallo di confidenza che va dal 21 all'89%. A completare il compito furono 35 persone per gruppo.

La seconda origine è della BIS stessa: un esperimento del 2023 in Ant Group, dove 335 programmatori ebbero accesso a un assistente interno e 884 no. Risultato: +55% di righe di codice nelle settimane successive, con un effetto significativo solo per i junior.

Un compito cronometrato e un conteggio di righe. In una pagina di statistiche sulla produttività li ho trovati riassunti così: "55% higher productivity", senza una fonte accanto. Ma il dettaglio più interessante è un altro. Il 55% degli sviluppatori è letteralmente un numero da freelance: una persona, un compito, nessuna review, nessun rilascio, nessun cliente. È la catena più corta che esista.

La scala, piano per piano

Il paper NBER, Writing Code vs. Shipping Code di Mert Demirer, Leon Musolff e Liyuan Yang, è il primo che misura tutta la scala. Combina l'attività pubblica su GitHub con la telemetria di Microsoft per datare quando ogni sviluppatore ha adottato quale strumento, dal 2022 a metà 2026, e confronta ciascuno con uno sviluppatore altrettanto attivo nella stessa settimana dell'anno prima.

Sui commit, la misura del lavoro quotidiano, l'effetto cresce con ogni generazione di strumenti: +30% con l'autocompletamento, +180% aggiungendo gli agenti sincroni, +240% con gli agenti che lavorano da soli nel cloud. Poi si sale:

Piano	Effetto cumulativo delle tre generazioni
Righe di codice	×25,5
File toccati	×5,0
Commit	×3,4
Pull request	×2,7
Repository	×1,8
Release	×1,3

Il +240% dei commit, scrivono gli autori, "falls to 80% for the number of projects, and to 30% for actual releases". Fuori da GitHub il disegno continua: negli store di Apple, Google, Chrome e SourceForge le nuove app sono circa raddoppiate dall'inizio del 2025, ma l'uso totale non è aumentato.

Dove va il resto? Gli autori controllano se i progetti siano diventati più grandi, e trovano che questo spiega poco. La gran parte è sperimentazione. Dopo l'adozione degli agenti sincroni gli sviluppatori aggiungono 7 volte più righe e ne cancellano 12,2 volte di più, e creano il 79% di branch in più. Su tutto GitHub, la quota di repository abbandonati dopo il primo mese è salita dal 60% del 2021 al 69%. Si prova molto di più. Si rilascia poco di più.

Gli economisti hanno un nome per questo meccanismo, e viene dallo Shuttle. Nel 1993 Michael Kremer chiamò "teoria dell'O-ring" l'idea che un prodotto fatto di passaggi complementari valga quanto il suo anello più debole: il Challenger si disintegrò nel 1986 per il cedimento di una guarnizione. Se l'AI accelera la scrittura ma review, integrazione e rilascio restano alla velocità umana, il prodotto finale va alla velocità della review. Il paper stima quanto il lavoro dell'AI e quello umano possano sostituirsi, e trova un'elasticità di 0,23: molto bassa, servono insieme. La conclusione è secca: "the binding constraint appears to be shifting from writing code to reviewing, integrating, and distributing it". Il collo di bottiglia si sta spostando dallo scrivere il codice al rivederlo, integrarlo e distribuirlo.

Dentro l'azienda la catena è lunga

I dati del paper NBER vengono dall'open source, dove si lavora da soli o in team piccoli. Gli autori sono espliciti su cosa succede dentro un'azienda: i colli di bottiglia "should bind more tightly inside firms, where shipping code involves review and approval processes that open-source developers largely avoid". Citano uno studio su dati aziendali che trova la stessa attenuazione, con effetti "considerably smaller" e la code review come vincolo principale.

I numeri raccolti dentro le aziende vanno in quella direzione. Tre esperimenti randomizzati in Microsoft, Accenture e un'azienda della Fortune 100, su 4.867 sviluppatori con l'autocompletamento, danno +26% di task completati. Lo studio interno di Microsoft sul rollout di Claude Code e Copilot CLI all'inizio del 2026, su decine di migliaia di ingegneri, trova +24% di pull request mergiate, un effetto che in quattro mesi non si è sgonfiato. Gli autori aggiungono la frase giusta: "a merged PR is not the same as the value it delivers".

Poi c'è il piano più alto, quello del bilancio. La BIS stima +4% di produttività del lavoro. Un sondaggio NBER su quasi seimila dirigenti di Stati Uniti, Regno Unito, Germania e Australia trova che nove su dieci non hanno visto effetti su produttività o occupazione negli ultimi tre anni.

C'è un dettaglio del paper BIS che vale più del risultato. Sugli stessi dati, la stima più ingenua dà +16%. Con i controlli sulle caratteristiche delle aziende scende a +2,8%. Con il metodo che usa aziende americane simili come termine di paragone, per separare l'effetto dell'AI dalla scelta di adottarla, arriva a +4%. Anche il metodo è un piano della scala: la stessa base dati può produrre il titolo da slide o il numero da banca centrale.

Fino a ieri vinceva chi era grande

La tabella del paper BIS che mi ha colpito di più è quella per dimensione d'impresa. Nelle grandi aziende, oltre i 250 addetti, l'effetto è +7,9%. Nelle medie +4%. Nelle piccole e nelle micro, sotto i 50 addetti, non c'è nessun effetto distinguibile da zero.

Gli autori spiegano perché: conta "the role of scale in absorbing integration costs and accessing complementary assets (e.g., data infrastructure, technical talent)". Per l'AI che misurano ha senso. I dati vanno dal 2019 al 2024, e la domanda del sondaggio riguarda l'uso di "big data analytics e intelligenza artificiale": machine learning, automazione robotica dei processi, elaborazione del linguaggio naturale. Un'AI che chiedeva dati propri, infrastruttura e specialisti. Il capitale necessario per usarla favoriva chi era grande.

Con gli agenti di coding il capitale necessario è un abbonamento. Non serve un data lake né un team di data scientist: serve una persona che sappia cosa chiedere e riconosca se la risposta è giusta. Il vantaggio della scala si assottiglia, e lo svantaggio della struttura resta intero: le approvazioni, i passaggi di mano, la review che dentro un'azienda è obbligatoria e fuori spesso no.

Per un paese di piccole imprese e partite IVA non è un dettaglio teorico. Con l'AI di prima, la tabella della BIS diceva che la piccola impresa restava indietro. Con quella di adesso, i dati sull'open source dicono che chi lavora da solo o in pochi trattiene una parte più grande del guadagno.

Quello che al freelance mancava

C'è un secondo motivo, meno ovvio, per cui gli agenti spostano il vantaggio. Il limite storico del freelance è sempre stato la struttura più che la velocità. Una persona sola ha le sue competenze e basta: nessun collega a cui chiedere una review, nessuno che conosca il frontend quando lui conosce il backend.

Un paper di maggio di Alexander Quispe e Kevin Xu ha seguito 5.346 sviluppatori su GitHub prima e dopo l'adozione di Claude Code. Dopo, il numero di linguaggi in cui lavorano cresce di 2,5, e quello dei linguaggi mai usati prima di 1,2. I primi passi in linguaggi sconosciuti si concentrano proprio fra chi prima era più specializzato. L'agente abbassa la soglia d'ingresso nelle competenze che non hai.

Anthropic ha trovato la stessa cosa sul proprio personale, con un sondaggio su 132 fra ingegneri e ricercatori e 53 interviste: secondo le loro stime, il 27% del lavoro fatto con Claude non sarebbe stato fatto senza. Un ingegnere backend racconta di aver costruito un'interfaccia complessa: "I would not have been able to do it, definitely not on time." Un altro dice: "I work way more with Claude than with any of my colleagues." Sono autovalutazioni, raccolte dall'azienda che vende lo strumento. Ma descrivono esattamente il buco che il freelance ha sempre avuto: il collega che non c'è.

L'agente può fare da tester, da documentatore, da secondo paio d'occhi, da specialista del linguaggio che non conosci. Non può fare da collega nel senso che conta per la qualità: una review fatta da un agente sul codice scritto da un agente non equivale a quella di una persona che ne risponde. Parlando di loop engineering ci eravamo arrivati per un'altra strada: l'autonomia è la parte facile, la verifica resta tua.

La parte onesta

Il primo limite di questa lettura è di metodo, e va detto chiaro: nessuno studio confronta freelance e aziende con gli stessi strumenti e le stesse metriche. Il quadro è un mosaico di ricerche diverse, con disegni diversi, che puntano nella stessa direzione. È un'ipotesi ben sostenuta, non una misura.

Il secondo è che la catena corta non basta. Lo studio di METR del 2025, con sviluppatori esperti che lavoravano da soli sui propri progetti open source maturi, trovava un rallentamento del 19% (lo avevo raccontato parlando di chi rompe il codice nel tempo). A febbraio METR ha scritto che il nuovo esperimento dà ormai "an unreliable signal", perché molti sviluppatori rifiutano di partecipare: non vogliono lavorare senza AI. Anche questo è un dato.

Il terzo è che l'anello debole del freelance si sposta fuori. Se il collo di bottiglia dell'azienda è la review, quello di chi lavora da solo è il mercato. Le app nuove raddoppiano e l'uso resta fermo: produrre di più non vuol dire essere scelti di più. E quando produrre costa meno, il prezzo scende. Uno studio sulle piattaforme freelance dopo l'arrivo dell'AI generativa ha trovato che chi faceva lavori di scrittura ha perso circa il 5% dei guadagni, e che i più bravi hanno perso di più. Non riguarda il coding, ma è il rischio da tenere d'occhio.

Il quarto è quello del titolo: per ora. Il paper NBER non trova segni di una riorganizzazione completa del lavoro intorno agli strumenti, e lo attribuisce alla lentezza con cui i processi si adattano a ogni tecnologia di uso generale. È la curva a J di Brynjolfsson, di cui avevo scritto parlando dell'AI incollata sopra il workflow: prima si paga la riorganizzazione, poi arriva il guadagno. Quando le aziende avranno rifatto la review, una parte grande del vantaggio della catena corta si richiuderà.

Anche l'ottimista più documentato, Anthropic, quando porta le sue stime dal singolo compito all'economia americana parla di un punto percentuale in più all'anno di crescita della produttività, fra 1,0 e 1,2 una volta corrette per l'affidabilità dei risultati. Per un'economia è moltissimo. Ed è lontano anni luce dal 55%.

Cosa farne stasera

La prima cosa è decidere a che piano misuri. Se vuoi sapere quanto ti rendono gli agenti, non contare le righe né i commit: guarda cosa è arrivato in produzione o al cliente nell'ultimo mese, e confrontalo con lo stesso mese di un anno fa. È l'unico numero che non si gonfia da solo. Il resto rischia di diventare una metrica da tokenmaxxing.

Se lavori in un'azienda, il collo di bottiglia ha un indirizzo preciso: la review. Più codice generato con la stessa capacità di revisione produce code, non rilasci. La BIS dà anche un'indicazione su dove investire: ogni punto percentuale in più speso in formazione aumenta l'effetto dell'AI sulla produttività di circa il 5,9%, più del doppio di quanto faccia la stessa spesa in software e dati.

Se lavori da solo, la finestra è adesso. Puoi prendere lavori che prima avresti rifiutato perché fuori dalle tue competenze, e l'agente copre una parte della struttura che non hai. La parte che non copre è quella che firmi: la verifica, e la responsabilità verso chi paga.

Il 55% e il 4% non si contraddicono. Misurano la stessa cosa a due distanze diverse dal cliente.

Fonti: