L'intelligenza artificiale può generare codice e velocizzare parti dello sviluppo. Questo non rende inutile imparare a programmare: capire il problema, verificare il risultato e mantenere il software restano attività essenziali.

Nel video rispondo a un messaggio che contesta proprio il mio invito a studiare programmazione. La domanda è concreta: se posso chiedere a un chatbot di costruire un'app, che cosa devo ancora saper fare io?

Una prima versione non coincide con un prodotto affidabile

Un'applicazione può avviarsi e mostrare l'interfaccia richiesta senza gestire bene tutti i casi importanti. Input imprevisti, errori di rete e persistenza dei dati possono far emergere problemi dopo la prima dimostrazione.

Chi sviluppa deve quindi capire quali comportamenti siano necessari e come verificarli. Non basta riconoscere sullo schermo qualcosa che assomiglia alla richiesta iniziale.

La distinzione vale anche per il codice scritto interamente a mano: l'IA rende più rapida la produzione di alcune parti, ma non elimina la necessità di valutarle.

Il limite del copia e incolla senza comprensione

Nel video descrivo una situazione ricorrente: compare un errore, lo si passa al chatbot e si applica la modifica proposta, continuando finché sembra funzionare.

Questo può aiutare a trovare una soluzione, ma diventa fragile quando non si sa quale parte sia cambiata o quale comportamento si sia perso. Si può correggere un sintomo e introdurre un problema altrove.

Saper leggere codice, messaggi d'errore e dipendenze permette di interrompere questo ciclo. Anche una competenza iniziale può aiutare a formulare domande più precise e a riconoscere una modifica fuori obiettivo.

Come uso l'IA nel mio percorso

Racconto di provare gli strumenti per interesse personale e per il collegamento con i miei studi. Ho già affrontato il tema del vibe coding e mi interessa osservare che cosa riescano a fare i modelli, non fermarmi alla promessa promozionale.

Nel parlato esprimo una preferenza per alcuni strumenti disponibili in quel momento. È un giudizio personale riferito alle mie prove, non una classifica generale o aggiornata delle capacità di programmazione.

Per confrontare seriamente due sistemi servono compiti e condizioni comparabili, oltre a criteri che permettano di riconoscere gli errori.

Dove l'assistenza può essere utile

Nel video cito brainstorming, sviluppo di idee e accelerazione di attività già comprese. L'esempio delle presentazioni chiarisce il punto: partire da argomenti strutturati è diverso dal delegare anche la responsabilità del contenuto.

Nello sviluppo, lo stesso principio suggerisce di assegnare un compito circoscritto, leggere la proposta e provarla nel progetto. Quanto più chiara è la funzione richiesta, tanto più concreto può essere il controllo del risultato.

Non significa che un principiante debba rinunciare a sperimentare. Significa usare l'assistenza anche per imparare, evitando che la generazione del codice nasconda completamente il suo funzionamento.

Dati, memoria e condivisione: non confondere i meccanismi

Nel parlato collego il ricordo delle conversazioni al rischio che un'idea venga pubblicata o sottratta. Non è un passaggio dimostrato: conservazione, memoria, eventuale uso per migliorare un servizio e condivisione pubblica sono cose diverse.

La presenza online di conversazioni condivise non prova che tutte le chat siano pubbliche. Nel caso dei link condivisi di ChatGPT, la documentazione descrive un meccanismo specifico di condivisione accessibile a chi dispone del collegamento. Documentazione OpenAI sui link condivisi.

Per un progetto concreto, la scelta sensata è leggere le condizioni del servizio e decidere quali informazioni fornire. Non serve supporre un furto automatico di idee per riconoscere che dati e segreti del progetto richiedano attenzione.

Il lavoro cambia, ma non attraverso una formula unica

Nel video prevedo una crescente presenza degli LLM nello sviluppo a partire dal 2026. È una previsione sul cambiamento del lavoro, non una misura certa del destino di ogni professione.

Anche l'equivalenza tra un modello e “un programmatore junior” è troppo generica. Compiti, supervisione e responsabilità variano: automatizzare una parte del lavoro non significa riprodurre integralmente un ruolo.

Il valore delle competenze può spostarsi, ma capire requisiti, architettura e conseguenze delle modifiche rimane utile proprio quando il codice viene prodotto più velocemente.

Un metodo per imparare mentre si costruisce

Prima di chiedere una modifica, descrivi il risultato atteso. Dopo averla ricevuta, individua che cosa cambia e prova almeno il caso normale e un errore plausibile. Conserva una versione recuperabile prima dei passaggi importanti.

Se non riesci a spiegare un pezzo essenziale, fermati su quel punto: una spiegazione e una prova piccola possono trasformare l'ostacolo in apprendimento.

La posizione che sostengo è questa: usare l'IA può avere molto senso, ma la capacità di giudicarne il lavoro non nasce automaticamente dall'abbonamento. Studiare programmazione aiuta a costruire proprio quella capacità.