Senior Tranquilli, Junior Spacciati? Non È Così Semplice

Ogni settimana esce un articolo con la stessa tesi: i junior developer sono spacciati, i senior possono dormire sonni tranquilli.

I dati sembrano dargli ragione. Le posizioni entry-level sono crollate del 60% tra il 2022 e il 2024. L'occupazione nella fascia 22-25 anni è scesa del 20%. Il CEO di Salesforce ha annunciato che il 2025 è il primo anno in 25 anni di storia in cui non assumeranno nuovi ingegneri. Negli USA la frase che circola è: "Perché assumere un junior a 90K quando Copilot costa 10 dollari al mese?" In Italia i numeri sono diversi — un junior sta sui 25-30K di RAL — ma la logica è la stessa: se l'AI copre le task entry-level, perché pagare qualcuno per farle?

E i senior? Occupazione in crescita del 9% nella fascia 35-49. Sono quelli che sanno valutare il codice AI, che hanno l'architettura in testa, che prendono le decisioni che contano.

Caso chiuso?

No. Perché questa narrativa ha tre buchi enormi che nessuno vuole vedere.

Buco #1: I Senior Non Sono Automaticamente Più Produttivi con l'AI

Ecco il dato che nessuno cita negli articoli rassicuranti.

Lo studio METR (luglio 2025) ha preso 16 sviluppatori esperti — media di 5+ anni sui loro progetti specifici, repository con 22.000+ stelle su GitHub, codebase da oltre un milione di righe — e li ha messi a lavorare con e senza AI.

Risultato: in media, con l'AI erano il 19% più lenti.

In media. Che significa che alcuni andavano bene, e altri andavano malissimo. Ed è proprio questo il punto.

Parliamoci chiaro: non tutti i senior sono uguali. Gli anni post-COVID hanno visto assunzioni massive nel tech — stipendi gonfiati, hiring bar abbassato, gente entrata sulla wave. "Senior" è un titolo che copre un range enorme: c'è chi ha 15 anni di architetture complesse alle spalle, e chi ha 8 anni dello stesso CRUD ripetuto.

Il dato più interessante dello studio è un altro: gli stessi sviluppatori stimavano di essere il 20% più veloci. Un gap di percezione di quasi 40 punti percentuali. Pensavano di volare, in realtà arrancavano.

E c'è un motivo che i numeri non catturano ma che chiunque abbia lavorato con un senior riconosce: "il mio codice è meglio". Il senior guarda l'output dell'AI, lo trova funzionante ma stilisticamente diverso dal suo, e lo riscrive. Non perché sia sbagliato — perché non è suo. È un problema di ego, non di qualità. E quel tempo speso a riscrivere codice perfettamente valido è esattamente il tipo di frizione che lo studio METR misura senza nominare.

Questo non significa che l'AI non serva. Significa che essere senior non ti rende automaticamente bravo con l'AI. È una competenza diversa, che va imparata. E richiede anche una cosa che ai senior non viene naturale: accettare che un output "abbastanza buono" generato in 10 secondi vale più di un output "perfetto" riscritto in 40 minuti.

Buco #2: Le Aziende Stanno Fallendo nell'Adozione

Il 95% dei progetti pilota di AI generativa nelle aziende fallisce (MIT). Quasi la metà dei C-suite dice che l'adozione dell'AI sta "lacerando l'azienda internamente" — il 75% dei dirigenti dice che funziona, solo il 45% dei dipendenti è d'accordo.

E la strategia di formazione dominante? Nessuna. Le aziende comprano le licenze, le distribuiscono, e si aspettano che tutti diventino produttivi da soli. Risultato: i team senza training vedono il 60% in meno di guadagni di produttività.

Un'analisi di CodeRabbit su 470 repository GitHub mostra che il codice AI genera 1.7 volte più bug degli umani, 2.74 volte più vulnerabilità XSS, e 3 volte più problemi di leggibilità. Le pull request per sviluppatore sono aumentate del 20%, ma gli incidenti per pull request sono saliti del 23.5%.

Più codice, più veloce, più rotto.

Il punto non è che l'AI non funziona. È che non basta essere senior per farla funzionare, e non basta comprare una licenza per farla adottare. Servono competenze nuove, processi nuovi, e una cultura del team che non si costruisce con un'email del CTO.

Buco #3: "I Junior Non Impareranno Mai" È Arroganza da Vecchi

Ed eccoci al punto che mi sta più a cuore.

La tesi standard dice: i junior non possono validare il codice AI perché non hanno l'esperienza per distinguere il codice buono da quello cattivo. Uno studio di Anthropic lo conferma parzialmente: gli sviluppatori junior assistiti da AI hanno ottenuto il 50% nei test di comprensione contro il 67% di chi ha studiato senza AI. Il gap più grande? Debugging e comprensione degli errori — proprio le competenze che servono per validare.

Ma qui si nasconde un errore logico fondamentale: si assume che tutti i junior siano uguali.

Non lo sono. Esattamente come non tutti i senior sono uguali.

Ci sono junior che copiano da ChatGPT senza capire, che accettano il primo output e vanno avanti, che non apriranno mai un debugger. Quei junior lì sì, sono a rischio. E probabilmente sono la maggioranza.

Ma ci sono anche quelli affamati. Smanettoni, nerd nel senso migliore del termine — quelli che la sera smontano i prompt per capire perché funzionano, che leggono il codice generato riga per riga, che si costruiscono side project per imparare. Non sono la maggioranza, ma ci sono sempre stati. In ogni generazione.

Quei junior lì non solo sopravviveranno. Probabilmente supereranno molti senior.

Perché? Perché non hanno la pancia piena. Non hanno lo stipendio comodo che ti fa dire "vabbè, funziona, non toccare". Non hanno 15 anni di abitudini da smontare. E hanno qualcosa che molti senior sottovalutano: l'assenza di bias.

La Validazione Si Impara

"Ma i junior non sanno validare!" Sento questa obiezione continuamente. Come se la validazione fosse un dono mistico che scende dal cielo dopo il decimo anno di carriera.

La validazione è un processo. E come tutti i processi, si può insegnare e imparare:

• Funziona? Eseguilo. Se si rompe, hai la tua risposta
• Quanto funziona? Scrivi test. L'AI stessa ti aiuta a scrivere test per il codice che ha generato — usala come verifica incrociata
• Perché funziona? Confronta con la documentazione, con la teoria, con le best practice. Chiedi all'AI stessa di spiegarti il codice
• Funziona in produzione? Monitora, logga, misura. Questo lo impari facendo, non leggendo

Il pattern che funziona, emerso dagli studi, è chiaro: i junior che chiedono codice e spiegazioni, che rileggono manualmente l'output, che fanno domande concettuali, che risolvono gli errori in autonomia prima di chiedere aiuto — quei junior imparano più velocemente, non più lentamente.

L'AI non sostituisce l'apprendimento. L'AI è un acceleratore per chi ha voglia di imparare, e un deceleratore per chi vuole solo le risposte.

Le Generazioni AI-Native

C'è un aspetto che mi sembra venga sistematicamente ignorato, e che trovo intellettualmente disonesto trascurare.

Le generazioni che stanno crescendo con l'AI non impareranno a programmare come abbiamo imparato noi. Non faranno le stesse gavette, non seguiranno gli stessi percorsi, non avranno gli stessi punti di riferimento.

E noi, con l'arroganza tipica di chi c'era prima, stiamo dicendo che il loro modo è sbagliato.

Un aneddoto personale. Mio figlio ha dieci anni. Riconosce i video generati dall'AI meglio di me. Non perché sia un genio — perché non ha preconcetti. Non ha un modello mentale di "come dovrebbe essere un video vero" costruito in trent'anni di televisione analogica. Guarda e vede. Senza bias.

Adesso proiettate questo su una generazione che cresce programmando con l'AI dal primo giorno. Svilupperanno un rapporto con il codice che noi non riusciamo neanche a immaginare, perché le nostre categorie mentali sono state formate in un mondo diverso.

Il 97% degli studenti universitari usa già l'AI per studiare. L'84% degli sviluppatori usa tool AI. Non è un'eccezione, è la normalità. E quando qualcosa diventa la normalità, si sviluppano pratiche native che chi viene da fuori non capisce.

Pensateci: quando è arrivato internet, i "senior" dell'epoca dicevano che non si poteva fare business online, che serviva il contatto umano, che il digitale era un gioco. Avevano torto. Non perché fossero stupidi, ma perché proiettavano le loro categorie su un mondo nuovo.

Stiamo facendo la stessa cosa?

Il Problema del Tempo Che Non Torna

C'è un aspetto che riguarda tutti — junior, senior, freelance, team — e che nessuno sta affrontando.

Con l'AI, un task che prima richiedeva mezza giornata può essere generato in 5 minuti. Non completato in 5 minuti — generato. L'AI ti produce 80 file, una struttura, un'implementazione. Poi devi verificare: test, chiamate manuali, edge case, curl su un'API, controlli di sicurezza. Ma anche sommando la verifica, il tempo totale è drammaticamente inferiore a prima.

E qui scatta un cortocircuito che vale per tutti. Se consegni in un'ora qualcosa che "doveva" richiedere due giorni, la reazione istintiva è: l'hai fatto male. Oppure: hai barato. Non importa che tu abbia verificato, testato, controllato ogni edge case. Il tempo non corrisponde all'aspettativa, e questo genera diffidenza — nei colleghi, nel team lead, nel cliente, a volte persino in te stesso.

Ma pensateci un attimo. La verifica c'è anche nel metodo tradizionale. Scrivi il codice, testi, fai debug, correggi, ritesti. La differenza è che prima la fase di scrittura occupava la maggior parte del tempo. Ora quella fase è compressa quasi a zero. Quello che resta — progettazione, verifica, validazione — è lo stesso lavoro di prima. Solo che adesso è l'unico lavoro visibile, e sembra poco.

È un cambio di paradigma nella percezione della produttività. E finché non lo interiorizziamo, continueremo a misurare il valore in ore invece che in risultati.

L'80/20 Si Sta Ribaltando (Ed È Una Buona Notizia)

C'è un aspetto che si sottovaluta, e che è un problema dell'informatica da ben prima dell'AI.

Nella pratica quotidiana, la maggior parte degli sviluppatori dedica poco tempo alla progettazione. Si parte a sentimento. Si conosce più o meno la strada, si entra nel flow, si scrive codice. Il ragionamento strutturato occupa forse il 20% del tempo, lo sviluppo e il debugging l'80%.

Questo ha portato nel tempo a un'importanza enorme della pull request come strumento di verifica. La PR ti fa vedere che stai sbagliando direzione — ma te lo fa vedere dopo che hai scritto il codice. A quel punto butti via lavoro, riparti, i tempi si allungano. È uno dei motivi per cui i progetti informatici sforano sistematicamente: non perché manchi la competenza tecnica, ma perché la validazione della direzione arriva troppo tardi nel processo.

L'AI sta ribaltando questa proporzione. E per una volta, in meglio.

Per usare bene l'AI devi progettare prima: definire il contesto, strutturare il prompt, specificare i vincoli, pensare agli edge case. Devi sapere cosa vuoi prima di chiedere di costruirlo. L'AI ti obbliga a fare quello che avresti dovuto fare sempre — ragionare prima di scrivere.

Se il trend continua, ci stiamo muovendo verso un modello dove l'80% del tempo è ragionamento — analisi, progettazione, verifica — e il 20% è generazione del codice. L'esatto opposto di oggi.

Poi c'è l'altro grande problema dei progetti informatici: il cliente cambia idea. Quello l'AI non lo risolve — nessuna tecnologia lo risolverà mai. Ma poter generare prototipi funzionanti in ore invece che in settimane cambia la dinamica. È lo stesso principio che ha reso la modalità visuale efficace nella validazione dei requisiti: se il cliente può vedere e toccare quello che sta chiedendo, le incomprensioni emergono subito, non a progetto quasi finito. L'AI accelera questo ciclo in modo radicale.

C'è anche un parallelo interessante con il dibattito Agile vs Waterfall. Il waterfall è stato abbandonato perché il ciclo progettazione-sviluppo-test era troppo lungo e rigido. Ma quando la fase di sviluppo diventa quasi istantanea grazie all'AI, il waterfall torna praticabile: puoi specificare in dettaglio, generare, verificare, e iterare — tutto in tempi che prima erano impensabili.

Come andrà a evolversi è ancora da capire. Ma la direzione — più pensiero, meno battitura — è oggettivamente un miglioramento.

Il Vero Problema Non È Junior vs Senior

Il vero problema è che non c'è formazione, non c'è metodologia, e nessuno sta investendo per crearla.

Le aziende comprano licenze Copilot e le distribuiscono come caramelle. Le università insegnano ancora a programmare come se l'AI non esistesse. I bootcamp sfornano "AI developer" dopo sei settimane di vibe coding. E in mezzo non c'è nulla: nessun workflow strutturato, nessuna best practice condivisa, nessun percorso serio per imparare a lavorare con l'AI.

Non mancano gli strumenti. Mancano i metodi.

Come si integra l'AI in un processo di code review? Qual è il workflow per validare codice generato? Come si insegna a un junior a usare l'AI senza diventarne dipendente? Come si aggiorna un senior che ha vent'anni di muscle memory su un modo di lavorare completamente diverso?

Nessuno ha risposte consolidate. E finché non ci investiamo — come industria, non come singoli — la discussione "senior vs junior" è una distrazione. Stiamo litigando su chi è più a rischio mentre la barca fa acqua per tutti.

E non è solo un problema tecnico — è un problema mentale. L'AI non è uno strumento neutro come un IDE o un framework. Tocca l'ego, la percezione del tempo, il senso di identità di chi ha costruito la carriera sulla capacità di scrivere codice. Non abbiamo ancora superato questa barriera psicologica, e nessun corso online la risolverà. Serve una cultura nuova, non solo strumenti nuovi.

La vera linea di divisione non è senior vs junior. È tra chi impara e chi no:

• Il senior che non impara l'AI diventerà lento e costoso. L'azienda non lo sostituirà con un junior — lo sostituirà con un senior che sa usare l'AI
• Il junior che non impara i fondamentali diventerà un operatore di prompt. Utile, ma facilmente sostituibile
• Il junior affamato che impara i fondamentali attraverso l'AI sarà il profilo più ricercato tra cinque anni
• Il senior che padroneggia l'AI mantenendo il suo bagaglio sarà insostituibile

Ma tutti e quattro stanno navigando senza mappa. Perché la mappa non l'ha ancora disegnata nessuno.

In Sintesi

La prossima volta che leggete "i senior sono al sicuro, i junior sono spacciati", ricordatevi di tre cose:

1. Non è detto che i senior con l'AI siano più veloci. Lo studio METR mostra un rallentamento medio del 19%, con gli stessi sviluppatori convinti di essere più produttivi. L'esperienza non si traduce automaticamente in produttività con strumenti nuovi — va imparata come competenza a sé
2. La generazione AI-native è in difficoltà oggi, ma probabilmente supererà tutti gli altri nel breve periodo. E in parte lo sta già facendo — solo che non ce ne accorgiamo, perché misuriamo ancora con le metriche di ieri
3. Il modo in cui si impara a programmare sta cambiando, e nessuno sta correndo ai ripari. Non le università, non le aziende, non l'industria. I junior affamati ci arriveranno probabilmente prima delle organizzazioni — che sono più lente a cambiare di qualsiasi individuo motivato

Non è facile per nessuno. Per i junior è ovvio. Ma pensare che per i senior sia facile — quello è l'errore più grave di tutti.