La domanda adesso sembra quasi ingenua.
Se l’intelligenza artificiale può generare app, correggere bug, scrivere funzioni, rivedere richieste pull, spiegare basi di codici non familiari e lavorare su file per ore alla volta, perché qualcuno dovrebbe ancora imparare a programmare?
È una domanda comprensibile. Il mondo del software ha trascorso l’ultimo anno osservando il passaggio degli agenti di codifica da demo impressionanti a flussi di lavoro quotidiani. Gli sviluppatori non chiedono più solo aiuto ai chatbot con la sintassi. Delegano compiti, confrontano gli output, supervisionano gli agenti e si accorgono del codice scritto mentre erano lontani dalla tastiera.
Allo stesso tempo, la codifica non è più solo una conversazione tra sviluppatori. I fondatori utilizzano strumenti di intelligenza artificiale per prototipare i prodotti prima di assumere team tecnici. I product manager li usano per testare le idee. I progettisti li usano per rendere le interfacce interattive. Gli operatori li utilizzano per automatizzare i flussi di lavoro interni. La capacità di creare software si sta diffondendo oltre le persone che tradizionalmente si definivano ingegneri del software.
Quindi la domanda migliore potrebbe non essere se le persone debbano ancora imparare a programmare.
Questo è ciò che oggi significa “imparare a programmare”.
La vecchia risposta riguardava principalmente la sintassi, i framework e la disciplina della creazione del software riga per riga. Questo conta ancora. Ma l’intelligenza artificiale sta cambiando il centro di gravità. Il valore si sta spostando verso il giudizio: sapere cosa costruire, come descriverlo, di quale contesto ha bisogno il sistema, se il risultato è buono e dove si nascondono i rischi.
In altre parole, il futuro della codifica potrebbe comportare una minore digitazione.
Ma richiederà maggiore comprensione.
Codifica dall’atmosfera al lavoro reale
Questa trasformazione è stata visibile al SXSW quest’anno durante una sessione con Bolt.new e Anthropic. La conversazione non riguardava la versione fantasy della codifica AI, in cui una persona scrive una frase e appare un prodotto perfetto. Si trattava di qualcosa di più maturo: il modo in cui gli strumenti di codifica ad agenti si stanno spostando da prototipi giocosi a flussi di lavoro aziendali reali.
Bolt è diventato uno degli esempi più chiari della nuova ondata di codifica AI perché ha reso immediata la creazione di software. Un utente potrebbe descrivere un’app e vedere rapidamente qualcosa che funziona sullo schermo. Quell’esperienza ha contribuito a rendere popolare il linguaggio del “vibe coding”, una frase che cattura sia la magia che il pericolo del momento.
Ma al SXSW, CEO di Bolt Eric Simons ha descritto un caso d’uso più strutturato. Il valore di Bolt, ha affermato, è spesso “la prototipazione rapida”. Non sostituisce la base di codice di produzione. Non consentire a ogni dipendente di spedire direttamente ai clienti. Offre invece ai team la possibilità di esplorare l’aspetto, la sensazione e il comportamento di una funzionalità prima che venga dedicato il tempo di progettazione.
Questa distinzione è importante.
In molte aziende, il collo di bottiglia non riguarda solo la scrittura del codice. È allineamento. I team di prodotto, i progettisti, i dirigenti e i clienti spesso hanno bisogno di vedere e toccare con mano un’idea prima di poter decidere se vale la pena realizzarla. Gli strumenti di intelligenza artificiale rendono l’esplorazione più veloce. Ma l’opportunità più seria è collegare questi prototipi ai sistemi già utilizzati da un’azienda.
Simons ha descritto un flusso di lavoro in cui Bolt può lavorare con il sistema di progettazione, i componenti dell’interfaccia utente e le forme API effettivi di un’azienda, quindi un prototipo non è solo un modello usa e getta. Una volta acquisita l’esperienza, un agente di codifica come Claude Code può aiutare a tradurre quel lavoro in qualcosa di più vicino all’ambiente di produzione.
La parte importante è il passaggio di consegne. I non ingegneri possono dare forma alle idee in una sandbox. Gli ingegneri continuano a proteggere il sistema produttivo. Tra i due, l’agente diventa un ponte.
Questa è una storia molto diversa da “L’intelligenza artificiale sostituisce gli sviluppatori”. È più vicino a questo: l’intelligenza artificiale cambia chi può partecipare al lavoro del software e cambia ciò per cui sono necessari gli sviluppatori.
Il contesto sta diventando la nuova competenza
Questo è anche il motivo per cui la conversazione è andata oltre la pronta ingegneria.
Alcuni anni fa, gran parte dei consigli sugli strumenti di intelligenza artificiale si concentravano sui suggerimenti: come formulare le istruzioni, come strutturare le richieste, come ottenere risposte migliori fuori dal modello. Questa abilità ha ancora un certo valore, ma sta diventando meno centrale man mano che i modelli migliorano.
Il modello più forte ora è il contesto.
Il portavoce di Anthropic ha descritto le “competenze” come un modo per fornire agli agenti conoscenze utili a cui possono fare affidamento quando necessario. Invece di forzare ogni istruzione in un unico prompt perfetto, i team possono fornire agli agenti l’accesso ai documenti, alle regole, agli esempi e ai flussi di lavoro giusti.
Per le aziende è qui che inizia il vero lavoro. Un agente di codifica utile non ha bisogno solo di una richiesta. È necessario comprendere l’ambiente attorno alla richiesta: il sistema di progettazione, la base di codice, la cultura del test, le aspettative di sicurezza, la logica del prodotto e le convenzioni che rendono il software di un’azienda diverso da quello di un’altra.
Qualcuno deve sapere quale contesto conta.
Qualcuno deve sapere se l’agente sta utilizzando il componente giusto, rispettando il giusto vincolo o prendendo una decisione che creerà problemi in seguito.
La persona che comprende il sistema diventa più preziosa, non meno.
Il colloquio di programmazione sta già cambiando
La stessa evoluzione comincia ad apparire nelle assunzioni. Una delle parti più interessanti della sessione SXSW non riguardava gli strumenti, ma il talento.
Simons ha affermato che “alcune delle persone più straordinarie” che Bolt aveva assunto negli ultimi sei mesi non avevano superato il vecchio colloquio tecnico o lo avrebbero superato solo dopo che l’azienda avesse modificato il proprio processo. Ciò che li rendeva eccezionali, ha detto, era il fatto che “usavano strumenti agenti per portare a termine il lavoro”.
Ciò non significa che il colloquio tecnico sia morto. Significa che il segnale sta cambiando.
Bolt ora chiede ai candidati quali strumenti di intelligenza artificiale utilizzano e come li utilizzano. Il punto non è se qualcuno possa nominare prodotti popolari. Dipende se li hanno effettivamente esplorati abbastanza in profondità da costruire qualcosa di significativo.
Come ha affermato Simons: “Mostraci cosa hai costruito, mostraci come funziona. Se è reale, allora va bene, questa persona può fare il lavoro.”
Questo sembra molto più vicino alla realtà del lavoro adesso. Se gli strumenti di intelligenza artificiale fanno parte del lavoro, valutare i candidati come se tali strumenti non esistessero fornisce un quadro incompleto. Ma è vero anche il contrario. Se qualcuno usa l’intelligenza artificiale senza capire cosa ha prodotto, non è fluente. È dipendenza.
Il lato della conversazione di Anthropic ha mantenuto intatta quella tensione. L’azienda utilizza ancora almeno un colloquio in cui i candidati lavorano senza l’assistenza dell’intelligenza artificiale, leggendo e scrivendo un po’ di Python. Ma l’obiettivo non è testare oscuri trucchi sintattici. Serve per vedere se qualcuno è in grado di comprendere modelli, eseguire il debug di un agente e ragionare attraverso un sistema.
Questo potrebbe essere il nuovo equilibrio: fluidità con gli agenti, oltre a sufficiente approfondimento tecnico per capire quando hanno torto.
Quindi, le persone dovrebbero ancora imparare a programmare?
Sì. Ma non perché tutti debbano diventare ingegneri del software tradizionali.
Dovrebbero imparare perché il software è sempre più la superficie attraverso la quale viene svolto il lavoro. Anche quando l’intelligenza artificiale scrive la prima bozza, le persone devono ancora capire cosa si sta creando. Hanno bisogno di sapere quando qualcosa è fragile, quando è sicuro, quando è scalabile e quando sembra impressionante solo in una demo.
Simons ha sottolineato direttamente il punto. “Scrivere software è forse un problema minore ora”, ha affermato. “Ma per quanto riguarda la revisione? Come possiamo ridimensionare questo aspetto?”
Questa potrebbe essere la versione più onesta della risposta.
Quanto più facile diventa generare codice, tanto più importante diventa sapere se quel codice deve esistere, se funziona e se è affidabile.
Questo è il motivo per cui la competenza in programmazione non scompare. Cambia forma. Si tratta meno di memorizzare la sintassi e più di comprendere i sistemi. Meno sulla produzione di ogni riga e più sulla direzione, revisione, test e miglioramento di ciò che gli agenti producono.
L’anno in cui la codifica degli agenti inizia a maturare
Il settore si sta già muovendo in quella direzione.
A giugno, AWS ha aggiunto l’agente di codifica Codex di OpenAI ad Amazon Bedrock, rendendolo generalmente disponibile ai clienti aziendali tramite l’infrastruttura AWS e un modello di pagamento per token. È un segnale piccolo ma significativo: la codifica ad agenti sta diventando parte delle piattaforme cloud e dei canali di approvvigionamento in cui le grandi aziende adottano effettivamente il software.
Anthropic ha continuato a spingere Claude Code verso flussi di lavoro più ampi e complessi. OpenAI ha posizionato Codex non solo come strumento di codifica, ma come un agente più ampio per il lavoro di conoscenza. La direzione è chiara: gli agenti si stanno spostando dagli esperimenti collaterali alla struttura quotidiana di come viene svolto il lavoro.
Ma la storia più interessante non è che gli strumenti stiano migliorando. È che le aziende stanno iniziando a progettare attorno a loro.
Ciò significa nuovi flussi di lavoro, nuovi modelli di prezzo, nuovi segnali di assunzione, nuove abitudini di gestione e nuove aspettative per i dipendenti. Significa anche una nuova divisione: non tra persone che sanno programmare e persone che non sanno programmare, ma tra persone che possono lavorare in modo efficace con sistemi intelligenti e persone che stanno ancora aspettando che la polvere si calmi.
Al SXSW, Bolt e Anthropic hanno catturato quel momento di transizione. La prima ondata di codifica dell’intelligenza artificiale era euforica, disordinata e sperimentale. La prossima ondata è più operativa. Riguarda autorizzazioni, contesto, sistemi di progettazione, test, revisione e passaggi sicuri alla produzione.
Come ha affermato Simons verso la fine della sessione, le aziende stanno iniziando ad adottare questi strumenti “in modi reali, non solo in modo esplorativo”.
“Questo è l’anno della maturazione”, ha detto.
Questo è meno appariscente della promessa di un software istantaneo. Ma è molto più importante.
Il futuro della programmazione non è semplicemente che le macchine ne scriveranno di più. Lo faranno. Il futuro è che sempre più persone potranno partecipare alla creazione del software, mentre coloro che comprendono a fondo il software avranno la responsabilità di assicurarsi che funzioni.
Quindi sì, dovresti comunque imparare a programmare.
Non perché il mondo abbia bisogno che tutti digitino ogni riga a mano. Ma perché il mondo viene ricostruito attraverso il software, e le persone che capiscono come funziona saranno meglio attrezzate per guidare gli agenti nella ricostruzione.
