Quando vai a dormire, chi continua a lavorare per te?

<h2>Il codice che si scrive da solo</h2><div>La generazione è diventata economica. È questa la frase che mi ha colpito nell'analisi di Tim Davis, pubblicata il 16 aprile 2026 sul suo blog.<b> Davis è CEO di Modular, un'azienda che costruisce infrastruttura AI. </b>Non è un osservatore esterno: è dentro il problema.</div><div><b>Il suo esperimento si chiama Compound Loop.</b> Un sistema che collega più modelli AI in sequenza per scrivere, revisionare e integrare codice mentre lui dorme. Davis imposta il sistema su un problema reale prima di andare a letto. La mattina dopo trova una pila di pull request che la sera non esistevano. Agent-wars</div><div>La prima volta che ho letto questa cosa, ho pensato a <b>quante PMI italiane stanno guardando questo scenario come se fosse fantascienza.</b> Non lo è. È già realtà nei team tech più avanzati. Il gap tra chi lo ha già capito e chi ancora discute di "sperimentare con ChatGPT" si sta allargando ogni settimana.</div><div><h2>Produrre è facile. Scegliere è difficile</h2></div><div>Il problema vero non è la velocità di generazione. La velocità di produzione è diventata il collo di bottiglia sbagliato:<b> il vincolo reale è quanto velocemente le strutture aziendali riescono ad assorbire l'output. </b>I migliori team AI-native stanno spedendo da tre a dieci volte più lavoro rispetto a un anno fa. Agent-wars</div><div>Più codice, più testo, più analisi. <b>Tutto prodotto in meno tempo</b>. Il problema è che la capacità di valutare quello che esce non cresce alla stessa velocità. Un agente produce una pull request di 500 righe in meno di un minuto. Trovare un bug sottile in quelle stesse 500 righe può costare a un ingegnere senior un'ora di lettura attenta, o più.&nbsp;</div><div><br></div><div><b>Questa asimmetria vale anche fuori dal software. </b>Vale nei processi commerciali, nel marketing, nella gestione clienti. <b>L'AI produce. L'essere umano deve ancora decidere cosa tenere, cosa correggere, dove indirizzare. </b>La produzione è diventata economica. Il giudizio resta costoso. E le aziende che confondono le due cose troveranno presto tavoli pieni di output inutili.</div><div><h2>Chi sale e chi scende</h2></div><div>Davis è diretto su un punto che molti preferiscono non toccare. <b>Alcuni professionisti salgono di livello, diventando architetti di sistema e product manager</b> che lavorano su livelli di astrazione più alti. Altri vengono spinti verso il basso: scrittura di specifiche, revisione di output delle macchine, quello che <b>Davis chiama "agent babysitting"</b>. Questi ruoli saranno pagati meno, valorizzati meno, e in molti casi diventeranno vicoli ciechi di carriera. Agent-wars</div><div><br></div><div>Non lo dico per spaventare. Lo dico perché nelle aziende italiane con cui lavoro, questa biforcazione sta già succedendo, spesso senza che nessuno l'abbia decisa consapevolmente. Chi impara a orchestrare gli agenti, a valutare l'output, a indirizzare bene il lavoro delle macchine, acquisisce un vantaggio reale. Chi si limita a usare l'AI come un motore di ricerca più veloce, rimane dov'è.</div><div>La domanda giusta non è "usi l'AI?" ma "sai cosa farci fare e, soprattutto, cosa non farle fare?"</div><div><i>Fonte: Tim Davis — "Probabilistic engineering and the 24-7 employee", timdavis.com, 16 aprile 2026.&nbsp;</i></div><div><br></div><div><b>Ogni notte, mentre dormiamo, qualcuno da qualche parte sta decidendo cosa fare produrre alle macchine domani mattina. La distanza tra noi e loro si misura in scelte che ancora non abbiamo fatto.</b></div>