Da Copilot agli agenti AI: come è cambiato il mio modo di sviluppare software

L’evoluzione del mio ruolo di sviluppatore

Oggi nel mio flusso di lavoro quotidiano lascio che siano gli agenti a portare avanti una parte significativa della scrittura del codice, ma non li lascio allo sbaraglio.

Intervengo per chiarire l’obiettivo, rientro spesso per correggere la traiettoria e controllo che l’output sia all’altezza delle aspettative. È vero, scrivo meno stringhe, ma anche saper descrivere un problema, definire un contesto, fissare vincoli e controllare che il codice sia scritto nel modo più efficiente possibile è lavoro da programmatori. Anzi, è una parte centrale del mestiere: quella che separa chi programma da chi si limita a scrivere codice.

Dal mio punto di vista, usare gli agenti AI significa cambiare prospettiva sul lavoro del developer e passare dall’essere uno scribacchino di codice a un agentic software engineer, uno sviluppatore che guida agenti AI. Delegando una parte della scrittura del codice è così possibile liberare il proprio tempo per esplorare codebase più ampie, ridurre il carico cognitivo, concentrarsi meglio sulle soluzioni e ottenere risultati difficili da immaginare fino a qualche anno fa.

Questo però è possibile solo se si integrano davvero i sistemi agentici nel proprio flusso, non solo interrogando un GPT di tanto in tanto.

Lavorare con agenti, non solo con risposte

Quando tre anni fa i modelli GPT si sono diffusi su larga scala, anche io ho iniziato a interrogare GitHub Copilot per farmi suggerire come lavorare meglio. Facevo una domanda, la macchina mi suggeriva una risposta e la applicavo. Era un modo per velocizzare il lavoro, ma non era quella la vera rivoluzione che l’AI avrebbe portato nel mondo dello sviluppo software.

Oggi non chiedo più solo come fare, le chiedo di fare. Chiedo alla macchina di leggere un contesto, valutare i miei obiettivi, proporre un piano, implementare una soluzione, eseguire verifiche e, quando necessario, anche spiegare alcune scelte e auto-correggersi.

Come sono arrivato qui? Il ruolo della community

Agli Italian Agile Days del 2025 ho seguito un intervento di Stefano Leli in cui veniva raccontato un esperimento di sviluppo basato su agenti specializzati. C’erano agenti dedicati alla parte di product management, al design, al coding e al testing, con persone reali incaricate di controllare ogni passaggio. in cui veniva raccontato un esperimento di sviluppo basato su agenti specializzati.

Quella presentazione mi ha aperto gli occhi e mi ha fatto vedere l’AI come un elemento attivo all’interno del processo, non solo un chatbot a cui chiedere aiuto al bisogno.

Qualche mese dopo, all’XMAS Dev di Roma del dicembre 2025, una presentazione di Alberto Acerbis mi ha aiutato a mettere a fuoco altri tasselli: lo Spec-Driven Development, la gestione del contesto e l’uso dei file markdown come memoria operativa. I puntini iniziavano a unirsi e le rotelle nella mia testa a girare. come memoria operativa. I puntini iniziavano a unirsi e le rotelle nella mia testa a girare.

La svolta: da sviluppatore software a “tech lead” di agenti AI

A inizio 2026 il cliente con cui stavo collaborando ha deciso di spingere con forza l’adozione dell’AI. Mi è stato fornito un account Claude Code e una richiesta molto chiara: trovare un nuovo modo di lavorare, dove GPT e persone arrivassero insieme agli obiettivi, in modo più veloce e più efficiente.

Sembra facile a dirsi, a farsi un po’ meno.

Inserire gli agenti nei propri flussi di lavoro richiede per prima cosa un cambio di mentalità. L’istinto dello sviluppatore è quello di intervenire subito per prendere il controllo e correggere ciò che non torna. Con gli agenti, invece, bisogna imparare a resistere a quell’impulso e quando qualcosa non funziona fermarsi per spiegare meglio la propria richiesta. È proprio qui che il mio ruolo ha cambiato forma e da developer sono diventato il tech lead di un gruppo di algoritmi.

L’agentic software engineer

Gli agenti sono collaboratori instancabili e rapidi, ma non sono sempre affidabili. Per lavorare bene hanno bisogno della competenza tecnica di una persona esperta che sappia guidarli nella giusta direzione.

Un agente può produrre codice plausibile anche quando non ha davvero capito il perché. Può risolvere un problema circoscritto ignorando un vincolo architetturale più ampio. È per questo che il controllo umano non sparisce. Usare l’AI in modo agentico invece che conversazionale ci porta così a diventare un po’ tutti dei tech lead capaci di guidare il team di macchine verso gli obiettivi.

Agentic AI development e Agilità

È qui che il discorso dell’agilità, nel senso più concreto di sviluppo iterativo e incrementale, torna a essere fondamentale. Con gli agenti AI non posso permettermi di affidare un requisito enorme alla macchina e aspettarmi alla fine un risultato corretto: devo procedere per piccoli passi, far emergere rapidamente un output verificabile, dare feedback, correggere la rotta e consolidare solo ciò che funziona. Più l’AI diventa veloce nel produrre, più diventa importante accorciare il ciclo tra richiesta, risultato e verifica.

I vantaggi di un mindset di sviluppo agentico

Adottando un mindset agentico si possono poi far lavorare più GPT sullo stesso problema, attivando diverse prospettive, come sicurezza, impatto infrastrutturale e testabilità. In poco tempo si può così avere una panoramica molto accurata del codice ed è possibile individuare rischi che un team di persone in carne e ossa avrebbe rilevato in giornate intere di lavoro.

Nei progetti reali fare sviluppo software non è solo scrivere codice. Bisogna capire il dominio, rispettare vincoli esistenti, coordinarsi con altre parti del sistema, evitare regressioni, mantenere coerenza con le scelte già fatte. L’AI non elimina questa complessità, ma aiuta a renderla più maneggevole.

Insomma, il giudizio tecnico resta nelle mani del programmatore. Oggi sono ancora io che valuto l’output e che decido che strada prendere, in modo più veloce e più sicuro.

Una memoria a prova di Wiki

Un’altra cosa che ritengo rivoluzionaria nell’uso degli agenti è la loro memoria operativa.

Seppur con qualche limite, gli agenti sono in grado di creare un know-how che viene richiamato in base ai compiti che devono eseguire e che l’agente aggiorna in automatico quando acquisisce nuove informazioni.

Un salto enorme rispetto alle wiki che prima si creavano con i colleghi.

Con le skill degli agenti AI la conoscenza diventa più trasparente e facile da replicare in futuro. All’interno del GPT si costruisce un contesto riutilizzabile,  la conoscenza diventa esplicita e con un flusso di lavoro più chiaro tutto il progetto viene organizzato meglio e con meno rischi.

L’altra faccia della medaglia

Adottare un flusso di lavoro agentico velocizza il lavoro, riduce il rischio e rende gli output più accurati, ma richiede anche una buona dose di consapevolezza.

AI sì, ma a quale prezzo?

In primo luogo, l’AI ha dei costi che le aziende non possono sottovalutare. Quando sono inseriti nei progetti in modo massivo, anche gli agenti richiedono un investimento importante e sarà necessario capire quali attività affidare a modelli più potenti e quali, invece, potranno essere gestite da LLM locali per contenere i costi.

Anche con l’AI, la competenza è fondamentale

Poi c’è da considerare la competenza del singolo programmatore. Personalmente credo di avere imparato a usare l’AI in modo sistematico, ma altri programmatori portano avanti sperimentazioni più avanzate, come dashboard agentiche, assistenti personali, sistemi che generano autonomamente strumenti, flussi e nuove skill.

La direzione della ricerca è quella agentica, ma il futuro è ancora poco nitido, soprattutto per quanto riguarda casi d’uso concreti.

La mia sensazione è quella di essere ancora all’inizio: abbiamo iniziato a capire dove può portare davvero il mondo agentico e, da persona curiosa quale sono, non posso far altro che osservare come evolverà il mio ruolo da qui a cinque anni. Una cosa sembra essere certa: come programmatore non passerò tutta la mia vita a scrivere codice.

Allenare il muscolo dell’AI

Oggi, quando mi trovo davanti a un problema, la prima domanda che mi faccio è: “Come può aiutarmi l’AI?”. Non è pigrizia. L’AI è uno strumento, ma anche una competenza da allenare. Bisogna conoscere i tool, dagli MCP alle skill fino alle CLI, e soprattutto sviluppare l’abitudine a inserirli nel workflow, fino a farne una sorta di memoria muscolare.

Usare Claude Code, Codex, OpenCode, Pi, Cursor, Antigravity e gli altri tool di sviluppo agentico mi ha portato a capire che non esiste ancora un vincitore assoluto nella corsa al miglior strumento.

Siamo nel mezzo della gara dell’AI e, da sviluppatore, trovo questa fase una delle più interessanti da attraversare. Pensare che sia già così efficace e che al tempo stesso abbia ancora enormi margini di miglioramento, vedere una community che vibra di entusiasmo, idee e anche di un po’ di sano scetticismo, mi fa pensare che la parte più interessante debba ancora arrivare.