Faresti a Meno dell'AI Oggi?

Se domani mattina Claude, ChatGPT e Cursor smettessero di funzionare per una settimana intera — senza preavviso, senza workaround, senza fallback — cosa faresti?

Non è una domanda retorica. Prenditi trenta secondi veri e rispondi. Come sarebbe la tua settimana? Quanti ticket riusciresti a chiudere? Quanto impiegheresti per scrivere quella funzione che ieri hai buttato giù in dodici minuti? E soprattutto: quando è stata l'ultima volta che hai scritto duecento righe di codice senza autocompletion intelligente?

Io ci ho provato a rispondere. Non mi è piaciuta la risposta. E sospetto che non piacerebbe nemmeno a te.

La domanda che tutti evitano

C'è una ragione precisa per cui questa domanda non la fa nessuno. Non la fanno i vendor — ovvio. Non la fanno i colleghi, perché ammettere di dipendere da uno strumento suona come debolezza. Non la fanno gli articoli, perché il dibattito pubblico oscilla tra "l'AI ci salverà" e "l'AI ci distruggerà", senza mai fermarsi sul punto intermedio e scomodo: l'AI è già qui, dentro il nostro workflow, e tornare indietro non è più un'opzione pratica.

Il dato che dovrebbe farci fermare è nello Stack Overflow Developer Survey 2025: l'84% degli sviluppatori usa o ha pianificato di usare AI nel proprio lavoro, il 51% dei professionisti tutti i giorni. Nel 2026 un sondaggio su 15.000 sviluppatori indica che il 73% dei team di engineering usa strumenti AI quotidianamente. GitHub dichiara che per chi usa Copilot circa il 46% del codice prodotto viene oggi suggerito dall'AI.

Non sono numeri di adozione. Sono numeri di infrastruttura. Quando una tecnologia tocca metà del codice del mondo, ha smesso di essere uno strumento e ha iniziato a essere terreno.

Karpathy, che delega quasi tutto agli agenti

Andrej Karpathy ha raccontato nell'intervista con Dwarkesh Patel (ottobre 2025) come sia passato dallo scrivere codice a mano al delegare la maggior parte del lavoro agli agenti AI. Lui stesso descrive questo cambiamento come il più radicale nel suo workflow di programmazione in due decenni. E parliamo di uno dei migliori ingegneri ML viventi, ex-direttore AI di Tesla, fondatore di Eureka Labs.

Se uno così ha cambiato radicalmente il modo in cui scrive codice, la domanda "resisti all'AI per purismo" smette di avere senso. Il punto non è se usare o no questi strumenti. Il punto è che il baseline di produttività del settore si sta ricalibrando intorno a chi li usa, e chi non li usa non sta mantenendo "le competenze vere" — sta solo lavorando più lentamente.

Ed è qui che la domanda del titolo diventa interessante. Non "dovresti usare l'AI?" — quella è una domanda da 2024. Ma "potresti non usarla, se volessi?".

Lo smartphone ha impiegato otto anni, l'AI ne ha impiegati due

C'è un parallelo storico che torna utile. L'iPhone esce nel 2007. Per i primi anni è un gadget da early adopter. Solo verso il 2012-2013 lo smartphone diventa mainstream, e intorno al 2015 raggiunge quello status sociale per cui "non potrei vivere senza" smette di essere un'iperbole — in quell'anno una rilevazione Pew Research mostrava che il 46% dei possessori di smartphone descriveva il proprio device proprio come qualcosa di cui "non potrebbero fare a meno".

Otto anni. Dal lancio all'essere indispensabile.

ChatGPT esce a novembre 2022. Due anni e mezzo dopo, siamo allo stesso punto. Probabilmente oltre, nel nostro settore. Gli strumenti AI sono diventati infrastruttura in un tempo tre volte più corto di quanto ci sia voluto agli smartphone. E la cosa interessante è che anche nel caso dello smartphone nessuno aveva davvero deciso — è successo mentre facevamo altro. Un'app qui, un'abitudine lì, e un giorno ti accorgi che hai dimenticato come si legge una mappa di carta.

Con l'AI è stato lo stesso. Hai aperto Copilot per provarlo. Poi ti sei accorto che senza autocomplete perdevi il ritmo. Poi hai cominciato a incollare gli errori in Claude per avere una spiegazione invece di googlare. Poi hai delegato i test. Poi i refactor. Poi — se sei onesto con te stesso — hai smesso di aprire la documentazione ufficiale prima di chiedere al modello.

Non c'è stato un momento in cui hai deciso. È semplicemente successo.

L'esperimento involontario

Qualche mese fa ho letto di un dev che ha provato a lavorare una settimana senza strumenti AI. Non per ideologia — per capire cosa era cambiato. Il risultato che ha raccontato è stato questo: è rimasto bloccato 45 minuti su un problema di regex che un junior avrebbe risolto in dieci.

Non perché non sapesse fare regex. Sapeva farle. Ma il muscolo non era più allenato a quel tipo di lookup mentale — l'associazione tra "cosa voglio" e "come si scrive nel linguaggio specifico dello strumento". Quel mapping era stato esternalizzato così a fondo che richiamarlo in tempo reale richiedeva uno sforzo sproporzionato.

Non è un aneddoto isolato. È la stessa dinamica che succede se provi a fare a mano una divisione a tre cifre dopo vent'anni di calcolatrice. Sai che sai farla. Ma il percorso neurale è arrugginito, e nel frattempo il mondo si è abituato a ricevere la risposta in mezzo secondo.

Cosa abbiamo guadagnato davvero

Sarebbe disonesto fermarsi qui. Perché il guadagno è reale, misurabile, enorme.

Il dato che DX riporta nel suo Q4 2025 AI-assisted engineering impact report — su oltre 135.000 sviluppatori in 435 aziende — è intorno alle 3,6 ore la settimana risparmiate per sviluppatore (self-reported). Quattro ore che prima spendevi su boilerplate, ricerca in documentazione, debugging di typo, scrittura di test ripetitivi. Quattro ore che adesso investi — nella migliore delle ipotesi — in progettazione, revisione, architettura. Nella peggiore, in altre quattro ore di output.

Ma il guadagno vero non sono le ore. Sono i progetti che prima non avresti mai iniziato. Quel side project che richiede tre tecnologie che non conosci, e che adesso puoi buttare giù in un weekend perché il modello ti tiene la mano sulle parti che non padroneggi. Quella libreria che ti serve ma che nessuno ha scritto, e che ora puoi produrre in un pomeriggio. La soglia di "ne vale la pena" si è abbassata così tanto che interi tipi di progetto sono diventati possibili.

Chi ha trent'anni di carriera lo sa bene: l'industria del software prima dell'AI non era un paradiso da cui siamo stati cacciati. Era un disastro dove il 60% dei progetti falliva, i tempi si moltiplicavano per tre, e metà del codice scritto non vedeva mai la produzione. Raccontarsi che "prima si lavorava meglio" è nostalgia, non memoria.

E cosa abbiamo perso

Poi ci sono i dati scomodi. Anthropic stessa — la casa madre di Claude, non un ente esterno critico dell'AI — ha pubblicato uno studio randomizzato su 52 sviluppatori. Il gruppo che usava AI mostrava un calo del 17% nell'apprendimento di nuovi concetti rispetto al gruppo di controllo. Il guadagno di velocità? Statisticamente indistinguibile da zero sul medio periodo.

È il paradosso che chiunque abbia mandato un figlio a scuola conosce bene: lo strumento che ti toglie l'attrito ti toglie anche l'apprendimento che l'attrito produceva. L'IDE ti suggerisce la sintassi corretta prima che tu abbia finito di pensarla — e la prossima volta non la ricordi, perché la prima volta non hai fatto lo sforzo di tirarla fuori.

C'è poi il fenomeno dell'Illusion of Competence, che la ricerca in psicologia cognitiva sta documentando con sempre più precisione: più usi strumenti che producono output di alta qualità al posto tuo, più tendi a sovrastimare le tue capacità in quel dominio. Non perché sei in malafede. Perché il tuo cervello fa fatica a distinguere tra "io so fare questa cosa" e "questa cosa viene fatta quando la chiedo". Dal punto di vista esperienziale, è la stessa cosa.

Sul costo psicologico vale la pena leggere separatamente — il burnout da agenti AI è un tema a sé, e ha a che fare con la stessa dinamica da direzioni opposte: più veloci, più esauriti, più dipendenti dalla velocità.

I ragazzi che non hanno mai programmato senza

C'è una generazione di sviluppatori — quelli che si sono laureati o hanno finito il bootcamp dopo il 2023 — che letteralmente non sa cosa significhi programmare senza un modello aperto in un tab. Per loro l'AI non è uno strumento che hanno adottato. È l'ambiente nativo.

Stanford Digital Economy Lab, nel paper "Canaries in the Coal Mine?" (Brynjolfsson et al., agosto 2025), ha pubblicato dati che mostrano un calo relativo del 16% dell'employment per i lavoratori early-career (22-25 anni) nelle occupazioni più esposte all'AI, con una diminuzione vicina al 20% specificamente per gli sviluppatori software 22-25 rispetto al picco di fine 2022. Non è un dato neutrale. Racconta un mercato che sta ricalibrandosi intorno a chi l'AI la usa come leva, e che fatica a posizionare chi l'AI la usa come stampella. Perché la distinzione c'è, e per un senior è ovvia: l'AI che estende un professionista competente produce risultati diversi dall'AI che compensa l'assenza di fondamenta.

Il problema è che dall'esterno — per un recruiter, per un cliente, per un manager — la distinzione è quasi invisibile. Il codice funziona in entrambi i casi. Fino al giorno in cui qualcosa va storto e serve qualcuno che sappia davvero cosa sta succedendo sotto il cofano.

Il costo silenzioso

Torniamo al punto di partenza, ma con più elementi in mano.

Se la domanda è "faresti a meno dell'AI oggi", la risposta tecnicamente onesta per la maggior parte di noi è: no, non potrei tornare al baseline precedente senza una perdita significativa di produttività. È un fatto, non un giudizio.

Ma la domanda seria è un'altra, e viene dopo. È: sto pagando un prezzo per questa dipendenza che al momento non vedo?

Il prezzo non è nelle ore risparmiate — quelle sono un guadagno. Il prezzo è nei muscoli che si stanno atrofizzando silenziosamente. È nel non sapere più quanto sai davvero, perché il tuo output è indistinguibile dall'output di te-più-modello. È nella fiducia cieca che si insinua ogni volta che accetti una risposta senza verificarla davvero — dinamica che abbiamo esplorato altrove, nel paradosso vibe coding, ma che vale la pena ricordare qui.

E c'è un costo ancora più sottile. La capacità di annoiarsi, di rimanere su un problema scomodo senza una via di fuga immediata, di lasciare che la soluzione maturi nel tempo invece di spremere un output in trenta secondi. Questa capacità era uno degli ingredienti del mestiere. E probabilmente era parte di come si diventava bravi davvero.

Mo Gawdat ha usato la metafora della calcolatrice — ne abbiamo parlato di recente — e funziona anche qui. La calcolatrice non ti ha reso stupido. Ma ha cambiato cosa significava essere bravo con i numeri. Prima voleva dire "saperli maneggiare". Dopo, voleva dire "sapere quando il risultato è plausibile". Sono due competenze diverse, e la seconda si può coltivare solo se hai fatto abbastanza della prima da avere intuizione.

Siamo in una fase analoga, compressa in tempi tre volte più brevi. E non è per niente chiaro che stiamo coltivando la seconda competenza al ritmo con cui stiamo perdendo la prima.

La domanda vera

C'è una domanda che contiene quella del titolo e la supera.

Non è "faresti a meno dell'AI oggi". È: se potessi davvero scegliere — tornare al 2021, con tutto quello che sai adesso ma senza questi strumenti — lo faresti?

La maggior parte delle persone che ho sentito rispondere a questa domanda esita prima di rispondere. Ed è in quell'esitazione che c'è la risposta interessante. Perché non è un "no" entusiasta, e non è un "sì" nostalgico. È un "non lo so, e il fatto che non lo so mi dice qualcosa".

Dice che stiamo facendo un baratto, e che il baratto non è neutro. Guadagniamo velocità, accesso, possibilità. Perdiamo attrito, memoria muscolare, e forse — ma questo è difficile da misurare — una certa relazione con il mestiere che per alcuni di noi era parte del motivo per cui questo lavoro ci piaceva.

Non sto dicendo che il baratto sia sbagliato. Sto dicendo che è un baratto, e che varrebbe la pena nominarlo invece di fingere che stiamo solo aggiungendo senza sottrarre nulla.

La scelta di Mo Gawdat

Non ti darò una risposta alla domanda del titolo. Non ce l'ho, sinceramente. E sospetto che chiunque te la dia con troppa sicurezza — da un lato o dall'altro — stia vendendoti qualcosa.

Quello che posso dirti è cosa faccio io. E per farlo devo tornare a Mo Gawdat e la sua calcolatrice. Quando gli diedero la prima calcolatrice scientifica all'università, i suoi compagni usarono il 50% di tempo risparmiato per uscire prima dall'aula. Lui lo usò per rifare la soluzione due volte.

È la stessa scelta che ogni sviluppatore ha davanti oggi. Usi l'AI per finire prima, o per capire meglio?

Negli ultimi mesi Wispr Flow — l'app che uso per parlare con l'AI — mi dice che ho detto 650.000 parole ai modelli. Sono nel 3% degli utenti più attivi della piattaforma. Non lo scrivo per vantarmene. Lo scrivo perché quelle 650.000 parole non sono state comandi delegati a un agente. Sono state domande. Discussioni. Richieste di spiegazione. "Perché hai fatto questa scelta?", "Non ho capito questo passaggio, ripartiamo", "Mostrami la logica".

Uso l'AI più di quasi tutti. Ma la uso per fermarmi, non per andare più veloce. Quando un agente propone una soluzione, spesso chiudo il diff e chiedo di spiegarmela riga per riga. Quando non torna qualcosa, non premo accept sperando che funzioni — apro il codice e capisco. L'AI è diventata il mio interlocutore più paziente, non il mio sostituto più veloce.

Questo non è purismo. È l'opposto: è usare lo strumento fino in fondo, ma usarlo per pensare meglio, non per pensare meno. La calcolatrice di Gawdat non gli ha fatto dimenticare la matematica — gli ha dato il tempo di rifare la soluzione due volte e capirla davvero.

Torno alla domanda del titolo. Farei a meno dell'AI oggi? No. Ma non perché non potrei vivere senza. Perché è diventato il modo in cui imparo più in fretta, approfondisco più a fondo, metto in discussione più cose. Smettere ora non sarebbe tornare al 2021 — sarebbe rinunciare a uno strumento di pensiero che ho imparato a usare bene.

Il punto vero non è se faresti a meno dell'AI. È cosa stai facendo con tutto quel tempo che ti libera. Se lo usi per uscire prima dall'aula, allora sì, dovresti porti il problema. Se lo usi per rifare la soluzione due volte, probabilmente stai già facendo la cosa giusta.

E tu, quando usi l'AI — la usi per finire prima, o per capire meglio?

Fonti: