Introduzione
Chiunque abbia avuto a che fare, anche solo di sfuggita, con la programmazione conosce le potenzialità degli assistenti e degli agenti di intelligenza artificiale per generare rapidamente grandi quantità di codice funzionante. Tuttavia, gli sviluppatori che li impiegano sanno bene di non poter fidarsi ciecamente dell’accuratezza del risultato, e dedicano tempo considerevole alla revisione del codice prodotto dall’IA.
Lo studio di Harvard
Un’indagine condotta da ricercatori dell’Università di Harvard, Fiona Chen e James Stratton, ha analizzato pratiche di sviluppo in centinaia di imprese per valutare l’impatto reale di questi strumenti. I dati provengono da Jellyfish, una piattaforma che traccia in modo granulare le attività di team di ingegneria, includendo più di 300 milioni di “eventi di lavoro” (commit, pull request, ecc.) e informazioni di gestione dei problemi da oltre 700 000 dipendenti in più di 700 aziende, dal 2021 fino a marzo 2026.
Metodologia
Per capire l’effetto degli strumenti IA, i ricercatori hanno combinato:
- Misurazioni dirette dell’uso dell’IA da parte delle aziende;
- Analisi dell’attività su GitHub per identificare l’introduzione di assistenti IA (autocomplete) e agenti IA (scrittura autonoma di codice).
Successivamente hanno applicato una regressione “difference‑in‑differences” su variabili chiave, confrontando la situazione prima e dopo l’adozione degli strumenti, in momenti diversi per le varie organizzazioni.
Gli agenti IA aumentano la quantità di codice
I risultati mostrano un chiaro incremento della produzione di codice:
- +30 % di linee di codice totali;
- +20 % di commit totali;
- +23 % di pull request.
Nonostante questi numeri impressionanti, non si osserva alcun miglioramento significativo nella consegna di funzionalità software, misurata tramite la risoluzione di “Issues” ed “Epics” in Jira. Inoltre, non emergono cambiamenti nella dimensione o complessità dei problemi tracciati.
Il colpo di scena: la revisione del codice diventa il collo di bottiglia
La discrepanza tra maggiore produzione di codice e stagnante output software trova la sua spiegazione nel processo di revisione. Dopo l’introduzione degli agenti IA, il tempo medio fra la sottomissione di una pull request e la sua fusione aumenta del 49 %. Altri dati evidenziano:
- Quasi raddoppio della percentuale di pull request con richieste di modifica;
- Aumento del 35 % dei commenti per pull request.
Effetti sull’organico
Con l’aumento del carico di revisione, il 14 % in più di dipendenti dedica il proprio lavoro al code review. Tuttavia, non si riscontrano variazioni significative nell’occupazione complessiva: analizzando i dati di Jellyfish e confrontandoli con LinkedIn, gli autori non riescono a collegare l’adozione degli agenti IA a modifiche netti nel numero di lavoratori attivi.
Il ruolo limitato dell’IA nella revisione
Nonostante il 80 % delle aziende studiate utilizzi qualche forma di revisione assistita da IA entro marzo 2026, gli agenti IA contribuiscono solo al 23,3 % dei commenti di revisione e al 10,8 % delle pull request. Quindi, la maggior parte del lavoro di controllo rimane nelle mani degli sviluppatori umani.
Prospettive future
Gli agenti IA rappresentano ancora una novità nella programmazione. Dal 2021 al 2026 sono state apportate numerose migliorie al loro output, e il 95 % delle aziende coinvolte ha implementato almeno un agente IA. È probabile che, con l’esperienza, le squadre di sviluppo ottimizzino la scelta di quando e come impiegare questi strumenti, riducendo il divario tra “tempo di codifica” e “tempo di revisione”.
Conclusioni
Al momento, affidare la scrittura del codice a un agente IA appare una lama a doppio taglio: la velocità di produzione cresce, ma è compensata da un aumento quasi equivalente del tempo e dell’impegno richiesti per la revisione umana. Questo risultato spinge a riflettere se gli investimenti in termini di tempo e risorse per integrare gli agenti IA siano effettivamente giustificati per la maggior parte delle imprese.