A volte mi chiedono se l’IA mi preoccupi come ingegnere. In realtà provo l’opposto: è la cosa più entusiasmante accaduta al software nei miei oltre undici anni nel settore tech. Non l’hype né le demo che diventano virali di venerdì, ma ciò che c’è sotto: finalmente il software può lavorare con linguaggio, documenti e voce in modo simile alle persone.
Per prima cosa amo i nuovi tipi di prodotto. Qualche anno fa, «leggi questo PDF disordinato e compila il modulo» o «rispondi al cliente usando la nostra knowledge base e cita la fonte» erano progetti di ricerca. Oggi si realizzano in uno sprint. Una pipeline text-to-speech trasforma un libro in un audiolibro; un sistema RAG permette di interrogare i documenti aziendali; un agente esegue un noioso processo in più passaggi e una persona approva quello finale. Intere categorie di software prima impossibili oggi sono semplicemente ingegneria.
Poi c’è l’effetto moltiplicatore. Lavoro direttamente sul prodotto, senza agenzia né squadra di junior, e gli strumenti AI hanno ampliato ciò che un singolo senior engineer può consegnare. L’assistente scrive boilerplate, prime bozze di test, migrazioni e script veloci per verificare un’idea; io mi occupo del ragionamento e della revisione. Così resta più tempo per ciò che i clienti pagano davvero: architettura, decisioni di prodotto e casi limite che stabiliscono se una funzionalità è affidabile.
Amo anche la sfida ingegneristica. Un modello non è una funzione normale: lo stesso input può produrre risultati diversi, può essere brillante e sbagliare nella stessa frase, e ogni chiamata ha un costo. Costruire qualcosa di affidabile su questa base è un mestiere nuovo: schemi per output strutturati, retrieval che trova il passaggio giusto, valutazioni al posto delle impressioni, guardrail con comportamento fail-closed e log che spiegano cosa è successo. Ogni problema è interessante e molti non sono ancora del tutto risolti.
E amo l’ecosistema e il suo ritmo: le API di OpenAI e Anthropic, i modelli open da eseguire sul proprio server, LangChain e LlamaIndex, Vercel AI SDK, MCP che collega gli agenti a strumenti reali e la ricerca vettoriale in un normale Postgres. L’IA mi ha spinto verso Python, l’audio e idee che altrimenti non avrei mai esplorato. Ogni pochi mesi il panorama cambia e posso tornare principiante: una delle sensazioni migliori che questo mestiere possa offrire.
Quello che non amo è l’IA come decorazione: un chatbot sulla landing page solo per aggiungere una parola alla moda al pitch deck, oppure un modello autorizzato a scrivere nel database senza controlli. Amare una tecnologia significa prenderne sul serio costi e privacy e mantenere una persona nel processo quando la posta in gioco è reale. Se hai un’idea che qualche anno fa sembrava impossibile, raccontamela: probabilmente oggi è solo un progetto ben delimitato.
Dai al prossimo prodotto qualcuno che resti.
Pronto a iniziare? Scrivimi: posso cominciare subito e restare. Collaborazioni a lungo termine, non passaggi di consegne dopo due settimane. Parliamo del progetto, dei requisiti e del modo migliore per procedere.