Dallo scettico al supervisore di bot: lo sviluppatore si trasforma mentre GitHub inciampa su React e rincorre l’AI | | | | Turtles AI

Thomas Dohmke, CEO di GitHub, sostiene che la codifica tradizionale sta lasciando il posto alla gestione dell’AI: sviluppatori diventano “direttori creativi del codice”, concentrandosi su prompt, verifica e qualità dell’output. Nel frattempo, emergono criticità di performance e sicurezza.

Punti chiave:

• Dohmke invita gli sviluppatori ad adattarsi all’AI o rischiare l’obsolescenza.
• Supera lo scetticismo: tecnici evolvono fino a dirigere e controllare l’AI.
• Serve “continuità fluida” tra codice generato da AI e intervento manuale.
• Critiche: rallentamenti dovuti a React e rischi legati a sicurezza e qualità del codice.

In un’epoca in cui GitHub e Microsoft sembrano scommettere tutto sull’AI, il CEO Thomas Dohmke afferma senza mezzi termini che gli sviluppatori più evoluti non “scrivono” più codice, bensì orchestrano agenti intelligenti, raffinano prompt e supervisionano implementazioni, in un percorso che li conduce da scettici a esploratori, da collaboratori fino al ruolo di stratega dell’AI – titolo che pare meno poetico di “creative director del codice”, ma ugualmente suggestivo. Nel suo blog “Developers, Reinvented” e in conferenze come il DLD, Dōhmke ribadisce che la soglia critica è superata: l’AI non è un’opzione, è già parte integrante del processo di sviluppo, e chi non si adatterà rischia di uscire dal mestiere. Inoltre, in un podcast associato al VivaTech, spiega che il vero vantaggio competitivo sta nella capacità di passare agilmente da un codice generato dall’AI a modifiche manuali senza perdite di tempo, evitando scenari in cui l’utente spende più tempo a descrivere ciò che potrebbe risolvere in un attimo con il linguaggio tradizionale. Tuttavia, non mancano ombre: su forum come Hacker News si lamentano rallentamenti nell’utilizzo quotidiano di GitHub, attribuiti al passaggio massiccio al framework React, con sviluppatori ex‑interni che definiscono l’esperienza “lenta” nonostante mesi dedicati a migliorie inter-team. Accanto alle performance in calo, emergono preoccupazioni più profonde relative alla qualità del codice, alla sicurezza, possibili iniezioni malevoli, compromissione delle supply chain e fenomeni di avvelenamento dei dati o dei modelli stessi, richiamando l’attenzione sulla necessità di una solida revisione umana e di una didattica futura incentrata su astrazione, decomposizione e dialogo chiaro con i modelli AI.

Alla fine non si decide chi vinca: restano sospesi interrogativi tecnici, pratici e culturali sulla trasformazione del mestiere, lasciando al lettore il compito di misurare luci e ombre di questo passaggio importante.