“Tokenmaxxing”: la nuova sfida per i programmatori

Nel mondo della tecnologia, un vecchio proverbio dice che ciò che misuriamo è importante e, in genere, otteniamo di più di quanto stiamo misurando. Recentemente, questo concetto ha sollevato molte discussioni tra gli ingegneri software, specialmente con l’avvento degli strumenti di codifica basati sull’intelligenza artificiale (AI). Se da un lato gli sviluppatori stanno producendo più codice, dall’altro le vere misure di produttività potrebbero rivelarsi fuorvianti.

La questione della produttività nel contesto AI

Negli ultimi anni, i budget enormi in termini di token, che rappresentano la potenza di elaborazione AI che un programmatore può utilizzare, sono diventati un simbolo di status tra i professionisti della Silicon Valley. Tuttavia, utilizzare il volume di token come indicatore di produttività non è propriamente logico. Si tratta, infatti, di un input, mentre i manager dovrebbero concentrarsi sull’output finale. Questo approccio può sembrare utile se l’obiettivo è stimolare l’adozione dell’AI o vendere token, ma non favorisce un’efficienza reale.

Diverse aziende si stanno dedicando all’analisi della produttività degli sviluppatori, rivelando che, sebbene le strumenti come Claude Code e Codex stiano generando più codice accettato, il lavoro di revisione necessario da parte dei programmatori è aumentato drasticamente. Questo porta a una contraddizione: i programmatori appaiono più produttivi a prima vista, ma in realtà il loro tempo è consumato da continue revisioni.

Gli effetti reali degli strumenti di intelligenza artificiale

Alex Circei, CEO di Waydev, sottolinea che i manager stanno osservando tassi di accettazione del codice tra l’80% e il 90% per il codice generato dall’AI. Tuttavia, questo dato non considera le revisioni successive e le correzioni necessarie, che possono ridurre l’accettazione reale a una fascia tra il 10% e il 30%. Questa discrepanza solleva interrogativi sull’efficacia degli strumenti di AI: si sta creando più codice, ma gran parte di esso potrebbe non risultare utilizzabile, creando una sorta di ‘debito tecnico’ che accumula ulteriore lavoro per gli sviluppatori.

Le aziende di analisi stanno cominciando a integrare metriche più specifiche per monitorare la qualità e i costi del codice generato. New tool da Waydev mirano a fornire ai manager una visione chiara della situazione, specialmente in un contesto in cui molte organizzazioni italiane stanno esplorando l’implementazione dell’AI nei loro processi di sviluppo software.

Il panorama attuale: opportunità e sfide

Diversi studi recenti, inclusi rapporti da GitClear e Faros AI, mostrano un quadro complesso: gli strumenti di AI possono incrementare la quantità di codice prodotto, ma il cosiddetto “code churn” – il volume di codice da rimuovere rispetto a quello aggiunto – è aumentato, raggiungendo percentuali significativamente più alte rispetto ai colleghi che non usano l’AI. Jellyfish, un’altra piattaforma di analisi, ha scoperto che i programmatori con i budget di token più alti producono il doppio delle richieste di pull, ma a un costo ben più elevato, suggerendo che il vero valore creato potrebbe essere molto al di sotto delle aspettative.

Questa situazione colpisce anche il panorama italiano, dove le aziende tech stanno cominciando ad adottare strumenti di AI. Gli ingegneri, sia senior che junior, stanno affrontando un aumento delle revisioni e della complessità del lavoro, creando una discrepanza tra le aspettative di produttività e la realtà del loro lavoro quotidiano.

Conclusione: un’era di adattamenti necessari

In questo nuovo contesto di sviluppo software, le aziende e gli sviluppatori sono spinti a trovare un equilibrio tra l’adozione di strumenti avanzati e la gestione delle sfide emergenti. Le parole di Circei ricordano che ci troviamo all’inizio di una nuova era nel software: l’adattamento è non solo necessario, ma inevitabile. Riconoscere questa realtà è il primo passo per fare un uso efficace degli strumenti che l’intelligenza artificiale ci offre, evitando di cadere nella trappola di un apparente aumento della produttività che potrebbe rivelarsi solo illusorio.