AI e Produttività: L'AI rallenta gli sviluppatori esperti?

AI e Produttività: La Sorprendente Verità per gli Sviluppatori Esperti

L'Intelligenza Artificiale promette di rivoluzionare ogni settore, e la programmazione non fa eccezione. Strumenti come GitHub Copilot e Cursor sono presentati come acceleratori di produttività, capaci di rendere il lavoro dei developer più efficiente. Ma è davvero così per tutti? Una recente ricerca getta un'ombra su questa narrativa, rivelando un dato sorprendente: l'AI potrebbe, in realtà, rallentare i programmatori più esperti.

Questo è quanto emerge da uno studio condotto da METR (Model Evaluation & Threat Research), un'organizzazione no-profit. La loro indagine, intitolata “Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity”, ha messo alla prova 16 sviluppatori veterani di progetti open-source, con una media di 23.000 stelle su GitHub e oltre 5 anni di esperienza sui loro rispettivi repository. Il loro compito? Completare 246 task reali, alcuni con l'ausilio dell'AI (principalmente Cursor Pro e modelli Anthropic come Claude 3.5 e 3.7), altri senza.

La Dura Realtà: Più Lenti con l'AI

L'ipotesi di partenza, condivisa dagli stessi sviluppatori, era ottimistica: si aspettavano che l'AI avrebbe ridotto il loro tempo di lavoro di circa il 24%. La realtà, però, ha smentito queste previsioni. I dati empirici hanno mostrato che, in media, i developer impiegavano il 19% di tempo in più quando utilizzavano l'AI. Ancora più curioso, anche dopo aver completato le attività, la loro percezione non cambiava: continuavano a credere che l'AI li avesse aiutati ad essere più veloci, nonostante i dati oggettivi indicassero il contrario. Un vero e proprio bias cognitivo in azione!

Perché l'AI Rallenta gli Esperti?

Per capire il fenomeno, i ricercatori hanno analizzato 143 ore di registrazioni dello schermo. Hanno scoperto che l'uso dell'AI riduceva effettivamente il tempo dedicato alla scrittura di codice o alla ricerca di informazioni. Tuttavia, aumentava notevolmente il tempo speso a scrivere prompt, ad attendere le risposte del modello e, soprattutto, a revisionare il codice generato dall'AI. Meno del 44% del codice suggerito veniva accettato senza modifiche sostanziali, e ben il 75% degli sviluppatori esaminava ogni singola riga proposta prima di integrarla. Questo suggerisce che l'AI, pur generando codice, non lo fa con la precisione o la contestualizzazione necessarie per sviluppatori con una profonda conoscenza del proprio ambito.

Fattori Chiave del Rallentamento

Gli autori dello studio hanno identificato diversi fattori specifici che hanno contribuito a questo inatteso effetto di rallentamento:

• Familiarità Estrema con il Codice: Gli sviluppatori coinvolti conoscevano così a fondo i loro repository che l'AI apportava un valore aggiunto minimo. Sapevano già dove mettere le mani.
• Complessità dei Repository: Lavorare su progetti con oltre 1 milione di linee di codice ha messo in difficoltà i modelli AI, che faticavano a navigare o a suggerire modifiche accurate senza un contesto profondo.
• Conoscenza Tacita: Molte decisioni di sviluppo si basano su regole non documentate, pratiche interne o considerazioni di compatibilità che l'AI, per sua natura, non può anticipare.
• Aspettative Irrealistiche: Come accennato, la percezione non corrispondeva alla realtà. L'entusiasmo per l'AI ha creato un'illusione di produttività.

Un'Eccezione alla Regola o un Campanello d'Allarme?

È fondamentale sottolineare che questo studio non invalida l'utilità degli strumenti AI per la programmazione in ogni contesto. Anzi, ricerche precedenti hanno dimostrato che sviluppatori meno esperti o chi lavora su nuovi progetti possono trarre grandi benefici da queste tecnologie. L'esperimento METR si è concentrato su un caso molto specifico: sviluppatori esperti che operano su progetti complessi e a loro ben noti. Inoltre, lo studio è stato condotto tra febbraio e giugno 2025; dato il ritmo frenetico dell'innovazione nell'AI, i risultati potrebbero evolvere rapidamente con modelli più avanzati o tecniche di prompting più affinate.

Considerazioni Finali

Nonostante il 69% degli sviluppatori abbia continuato a usare Cursor anche dopo lo studio, i ricercatori invitano alla cautela. “L'industria non dovrebbe dare per scontato che gli strumenti AI siano automaticamente vantaggiosi in tutti i contesti”, affermano. Questa ricerca ci ricorda che l'entusiasmo per l'AI, seppur giustificato in molti ambiti, non deve portare a aspettative irrealistiche. La “magia” dell'AI, almeno nella codifica professionale, sembra richiedere ancora più di semplici buoni prompt. È un invito a una riflessione più profonda: quando, come e per chi l'AI è davvero un acceleratore, e quando, invece, rischia di diventare un ostacolo? La risposta, come spesso accade, è più complessa di un semplice sì o no.