Punti Chiave
- Il vibe coding e lo sviluppo assistito da IA producono codice funzionante rapidamente, e così gli errori architetturali. La velocità è reale. La coerenza non lo è.
- Un prompt contiene solo quello che l'autore capisce. L'IA amplifica l'output di chi conosce il dominio e moltiplica gli errori di chi non lo conosce.
- La maggior parte di qualsiasi software aziendale è l'infrastruttura che ogni applicazione necessita: account, ruoli, permessi, audit trail, validazione, import, export, job in background, un'API. Generare tutto questo da prompt è dove si accumula il debito tecnico.
- Una piattaforma applicativa aziendale come AtroCore fornisce questa infrastruttura come configurazione, lasciando al codice generato da IA solo la responsabilità della parte specifica per il tuo business.
- Starbucks sta sostituendo il software che i suoi ingegneri stavano già riscrivendo. Questo test vale per qualsiasi dimensione. La capacità di costruire una fondazione da zero non vale per tutti.
Le Aziende Stanno di Nuovo Costruendo Software Aziendale Personalizzato
Per decenni, la domanda costruire o comprare aveva una risposta consolidata. Compravi software off-the-shelf e adattavi il processo a esso, perché costruire era più lento e comportava un costo totale di proprietà che nessuno voleva difendere.
Starbucks è il segno più chiaro che il calcolo è cambiato. L'azienda spende circa 400 milioni di dollari all'anno in software, e il responsabile della tecnologia Anand Varadarajan ha detto a un forum interno che c'erano chiare opportunità per ridurre questo importo, secondo le segnalazioni su una presentazione interna trapelata. Gli ingegneri utilizzano il coding assistito da IA per creare sostituzioni per un sistema di monitoraggio dell'inventario Microsoft e uno strumento di gestione della manutenzione IBM.
Il dettaglio che vale la pena copiare è quale software Starbucks ha scelto: strumenti che i suoi ingegneri stavano già pesantemente modificando. Questo test non ha nulla a che fare con la dimensione dell'azienda. Un produttore di materiali da costruzione il cui prezzo dipende da clausole di indice sepolte negli accordi con i fornitori affronta la stessa domanda. I prodotti di gestione contrattuale gestiscono la clausola. Collegare questo ai rami e ai gruppi di materiali già presenti nei dati master del produttore è dove gli strumenti che abbiamo valutato si fermano.
Il comportamento si sta diffondendo. L'indagine 2026 di Retool su più di 800 professionisti ha rilevato che il 35% delle imprese aveva già sostituito almeno uno strumento SaaS con qualcosa di costruito internamente, e il 78% si aspettava di costruirne altri.
La storia taglia da entrambi i lati. Il software interno sposta il costo dagli abbonamenti alla manutenzione e ai costi del personale piuttosto che eliminarli, e la sostituzione del point-of-sale per Oracle Simphony è in corso da diversi anni, precedente agli strumenti di IA. L'IA comprime parte di questo lavoro e non ha compresso quello. Starbucks assorbe anche quello che la maggior parte delle aziende non può: un'organizzazione di ingegneria abbastanza grande per costruire una fondazione e mantenerla per un decennio. Un produttore di 200 persone affronta la stessa decisione senza quella capacità. Per loro, la domanda utile è su cosa costruire, e una piattaforma applicativa aziendale che non dovevano scrivere è la risposta più economica disponibile. Il vibe coding indica la fine di questo, dove qualcuno immette un prompt per un'applicazione e la spedisce qualunque cosa torni indietro.
Quanto segue si applica anche al caso più ampio: sviluppatori professionisti che usano l'assistenza IA su codice che revisionano. Costruiamo software aziendale personalizzato con produttori e distributori, quindi gli argomenti provengono da progetti piuttosto che da una lavagna.
Cosa l'IA Scrive Bene e Cosa Scrive Male
Veracode ha eseguito lo stesso test contro i modelli di IA dal 2023: 80 compiti di coding, quattro linguaggi, quattro classi di vulnerabilità, nessuna istruzione di sicurezza nel prompt. Nel suo aggiornamento di primavera 2026, la correttezza sintattica ha superato il 95% mentre il tasso di superamento della sicurezza si è mantenuto intorno al 55%. Java ha ottenuto il punteggio peggiore al 29%.
Il motivo dietro questi numeri è più utile dei numeri stessi. I modelli sono forti nei pattern locali e deboli nel tracciare dati tra file. L'SQL parametrizzato è un pattern che il modello ha visto segnalato migliaia di volte. Sanificare l'input che passa attraverso quattro funzioni in un template è una questione di flusso di dati, e il flusso di dati ha bisogno di contesto che il modello non possiede.
Per un team professionale, gli errori interessanti sono quelli che sopravvivono alla revisione. Un revisore nota un controllo null mancante o un nome di variabile errato. La revisione è molto più debole su qualsiasi cosa visibile solo tra file e settimane, perché ogni cambiamento sembrava ragionevole da solo. La logica non documentata passa anche, poiché il codice generato che funziona è difficile da contestare in una pull request. Quello che si accumula è il debito di comprensione: codice che gira correttamente e nessuno nel team può ora spiegare.
La manutenibilità mostra la stessa debolezza. GitClear ha analizzato 211 milioni di righe di codice modificate dal 2020 al 2024 e, come segnalato da LeadDev, ha trovato blocchi duplicati di cinque o più righe che appaiono otto volte più spesso nel 2024. Le righe copiate hanno superato le righe spostate per la prima volta nel dataset. Le righe spostate sono l'impronta digitale del refactoring, il lavoro di consolidamento di qualcosa in un posto riutilizzabile.
Nel sondaggio Stack Overflow 2025, la frustrazione principale, citata dal 66% dei rispondenti, era l'output IA quasi corretto senza essere corretto. Lo stesso sondaggio dimensiona le pratiche: l'84% usa o pianifica di usare strumenti IA e il 51% degli sviluppatori professionisti li usa quotidianamente, mentre solo circa il 15% considera il vibe coding parte del loro lavoro professionale. Il coding assistito da IA è il caso predefinito. Spedire output non letto è ancora raro.
Un Prompt Contiene Solo Quello Che il Suo Autore Conosce
L'IA risponde al prompt che le è stato dato, quindi il limite massimo del codice generato è la comprensione del dominio di chi ha scritto il prompt. Su problemi di dati B2B, quella comprensione raramente risiede con lo sviluppatore. Un responsabile acquisti che ha negoziato accordi con fornitori per quindici anni sa cosa una clausola di prezzo indicizzata deve sopportare. Uno sviluppatore che immette un prompt senza quella conoscenza ottiene codice che soddisfa l'esempio e niente oltre, e il divario rimane invisibile fino a quando arriva un vero contratto.
Per team professionali, questo sposta il collo di bottiglia. La velocità di digitazione ha smesso di essere il vincolo da un po', e la sintassi è andata con essa. Quello che limita l'output ora è quanto bene qualcuno ha estratto la conoscenza del dominio prima.
Un'assunzione correlata merita di essere nominata. Le aziende di software che hanno speso dieci anni sullo stesso prodotto raramente hanno sprecato quegli anni. Quel tempo contiene i casi limite che nessuno ha previsto, il modello di permessi che ha superato un audit, l'import che affronta il foglio di calcolo che un fornitore invia veramente piuttosto che quello che la specifica descriveva. Niente di questo arriva a un prompt, perché nessuno lo scrive fino a quando non si rompe una volta in produzione.
Uno sviluppatore esperto con buoni strumenti di IA può riprodurre la forma di un prodotto maturo in settimane. Riprodurre quello che ha imparato richiede circa tanto tempo quanto la prima volta. Vendiamo software, quindi considerare questo di conseguenza, poi testarlo: prendi un prodotto che conosci bene e conta quanti dei suoi comportamenti avresti potuto specificare in precedenza.
Il Debito Tecnico Si Trova nell'Infrastruttura
Immagina un'applicazione di gestione fornitori. Prima che gestisca un singolo fornitore, ha bisogno di una lunga lista di cose che non hanno nulla a che fare con i fornitori.
Account, gruppi e ruoli, più permessi a livello di campo in modo che gli acquisti vedano i termini commerciali e il responsabile dell'impianto no. Un audit trail che registra chi ha cambiato quale campo e quando. Validazione su ogni campo. Ricerca, filtri salvati e modifica in blocco. Import dal foglio di calcolo che un fornitore ha inviato, export all'ERP. Job in background che sopravvivono a un aggiornamento di 40.000 righe. Un'API REST per la visualizzazione mobile che qualcuno richiederà più tardi.
Niente di questo è il tuo problema aziendale. Tutto deve funzionare.
Immetti un prompt per questo, e ottieni il controllo dei ruoli implementato in un modo nel modulo fornitore e in un altro modo nel modulo contratti tre settimane dopo. Due meccanismi di permessi che non sono d'accordo sui casi limite. Componenti sovraccoppiati, perché il modello ha ottimizzato ogni prompt localmente e non ha mai visto il tutto. Cambiar cronologia su quattro entità e non sulla quinta. Ogni pezzo funziona quando demo. Insieme sono il conto della manutenzione, e arriva sia che qualcuno abbia chiamato il processo vibe coding o no.
Nelle implementazioni che abbiamo eseguito, la divisione tra infrastruttura e logica specifica del business è squilibrata in modo coerente.
La parte specifica al business di un cliente raramente è più di un decimo di quello che viene costruito. Il resto è lo stesso in ogni applicazione aziendale mai scritta, ed è esattamente la parte che l'IA scrive in modo incoerente.
Quel rapporto decide l'economia. Il vibe coding è economico dove il lavoro è piccolo ed è costoso dove il lavoro si ripete.
Cosa Ti Consegna Una Piattaforma Dati Prima del Primo Prompt
La piattaforma AtroCore è software open source sotto GPLv3, in sviluppo attivo dal 2018, costruita per gestione dati master e integrazione di sistemi. I suoi casi d'uso documentati includono servire come piattaforma open source low-code per software aziendale personalizzato.
Disponibile tramite configurazione, prima che chiunque scriva una riga di codice:
- Modello dati.
Entità e relazioni configurabili, oltre 20 tipi di campo con validazione automatica, layout configurabili, gerarchie multi-livello con ereditarietà, classificazione e tassonomie. - Accesso e cronologia.
Utenti e gruppi illimitati, gestione dei ruoli, controllo dell'accesso a livello di campo, query di accesso configurabili, log delle azioni, cronologia dei cambiamenti, commenti, proprietà del record, dashboard, filtri memorizzabili. - Movimento dei dati.
Feed di import ed export, richieste API configurabili e query di database, trasformazioni applicate prima dell'import o export, XLSX, CSV, JSON e XML, connessioni via REST, GraphQL, SOAP e OData. - Elaborazione.
Un job manager dove impostare il conteggio dei worker rispetto alla capacità del server, job pianificati, azioni basate su eventi, workflow configurabili, e controlli di qualità dei dati. Pulsanti d'azione personalizzati posizionati nell'interfaccia per configurazione, ognuno in esecuzione contro un singolo record o una selezione intera. - Output.
Template PDF, documento Office e email, più un'API REST che copre tutto, inclusa la tua stessa configurazione.
Quello che rimane per il vibe coding è la parte che è veramente tua. La formula di adeguamento del prezzo indicizzato. La logica di confronto delle offerte. Il connettore a quel modulo ERP che nessuno ha integrato prima.
Quel codice ha posti definiti dove vivere. AtroCore viene esteso tramite moduli che scrivi tu stesso, e la logica più leggera si adatta ad azioni configurabili, script e condizioni attaccate alle entità esistenti. Il trigger è solitamente un pulsante configurato, il che significa che un'operazione in blocco su 300 record selezionati non ha bisogno di una schermata, nessun percorso e nessuna logica di permessi propria.
I risultati di Veracode si applicano ancora a qualunque cosa il modello scriva lì. Quello che cambia è il raggio di esplosione. Una formula di prezzo all'interno di un sistema che già gestisce l'autenticazione, i permessi a livello di campo e la validazione dell'input ha meno modi di farti male di uno in un endpoint fatto a mano che ha anche inventato la sua propria gestione delle sessioni.
Il Contratto API Fa il Lavoro di Guardrail
Un dettaglio nell'architettura di AtroCore importa più per il lavoro assistito da IA di quanto sembri. Lo strato HTTP segue strettamente PSR-7 e PSR-15. I gestori si registrano tramite attributi PHP e vengono documentati automaticamente come OpenAPI 3.0. Secondo la documentazione del progetto, un percorso che non è completamente documentato non è registrato, e ogni richiesta e risposta è validata rispetto allo schema al runtime.
Considera cosa fa questo per un agente di coding. Scrive un client, inventa un nome di campo plausibile, e la richiesta fallisce immediatamente con un errore di schema. Stessa sessione, contesto ancora aperto, la correzione costa trenta secondi. Gli errori catturati all'interno della sessione non diventano mai debito tecnico. Senza un contratto al confine, quel campo inventato non scrive da nessuna parte silenziosamente e riaffiora quattro mesi dopo come un'indagine sulla qualità dei dati. Il feedback veloce e implacabile è quello che rende il codice generato da IA economico da correggere, e la piattaforma lo fornisce senza che nessuno lo costruisca.
Quello schema è anche quello che passi all'agente. Perché la documentazione è generata dai gestori piuttosto che mantenuta accanto a loro, la descrizione OpenAPI delle tue entità configurate è attuale per costruzione, il che è raramente vero di una specifica mantenuta a mano. Dai a un modello quello schema più le tue convenzioni di denominazione e accesso, e scrive contro il vero contratto. Estendi il modello dati per configurazione in seguito, e lo schema si muove con esso, quindi il contesto dell'agente rimane accurato senza che nessuno aggiorni un documento.
La Ricerca Punta la Fondazione, Non lo Strumento
Il rapporto DORA 2025 di Google ha rilevato che l'IA agisce come un amplificatore, amplificando i punti forti esistenti e la disfunzione esistente, con i rendimenti più grandi provenienti dal sistema sottostante piuttosto che dagli strumenti. Il modello di capacità IA complementare di Google Cloud è più specifico: l'influenza positiva dell'IA sulla performance organizzativa è amplificata dove esistono piattaforme interne di qualità. Una seconda capacità copre ecosistemi di dati salutari: dati interni che sono di alta qualità, accessibili e unificati. Una piattaforma configurabile sotto il tuo software aziendale personalizzato affronta entrambi.
Le affermazioni di velocità continuano a muoversi. La prova inizio 2025 di METR ha rilevato che gli sviluppatori esperti hanno impiegato il 19% più tempo nei repository maturi quando autorizzati a usare strumenti IA, mentre il suo aggiornamento di febbraio 2026 punta verso un velocizzazione e segnala effetti di selezione abbastanza forti da giustificare una riprogettazione. Tratta i numeri di produttività come non definiti. I risultati sulla manutenibilità non si sono mossi dal 2023.
Un Esempio di Contratto Fornitore dai Nostri Progetti
I nostri clienti si rivolgono a noi con una versione riconoscibile dello stesso problema. Un produttore mantiene gli accordi con i fornitori come PDF su un'unità condivisa, i termini chiave in un foglio di calcolo, le date di rinnovo nel calendario di un acquirente. Nessuno può dire quali accordi contengono una clausola di adeguamento del prezzo legata a un indice di materia prima, perché quella clausola è una frase dentro un documento.
Esistono strumenti standard di gestione contrattuale, e assumono un workflow di reparto legale che termina alla firma. Questa azienda aveva bisogno che i contratti fossero collegati a gruppi di materiali, rami e record fornitori già nei loro dati master, con obblighi che continuano a produrre lavoro anni dopo la firma.
Sulla piattaforma applicativa aziendale, contratto, clausola, rinnovo e obbligo sono diventati entità configurate correlate a record fornitore e materiale che già esistevano. L'accesso a livello di campo ha separato i termini commerciali dagli obblighi di consegna. La cronologia dei cambiamenti è venuta con la piattaforma, il che ha importanza la prima volta che due persone non sono d'accordo su uno sconto. Un job pianificato ha segnalato le finestre di rinnovo.
Il codice personalizzato ha coperto due cose: il calcolo del prezzo basato su indice e un connettore che alimenta il controllo della fattura nel loro ERP. Entrambi erano abbastanza ristretti da specificare precisamente e testare adeguatamente. La piattaforma vincola quello che il codice generato può toccare, e il vibe coding copre quello che non sarebbe mai venuto a conoscere di un business specifico.
Dove Tracciare la Linea Tra Configurazione e Vibe Coding
La maggior parte delle best practice del vibe coding si riduce a due domande. Cosa viene configurato e cosa viene generato. L'IA ha una parte da svolgere su entrambi i lati di quella linea, e i due lati non sono lo stesso lavoro.
Configura qualsiasi cosa sia un record con campi, relazioni, permessi e un ciclo di vita. Questo copre più di quello che la maggior parte dei team si aspetta, inclusi flussi di approvazione, escalation e controlli pianificati. Team nuovi a questo frequentemente sotto-configurano, poi scrivono codice per fare quello che un'azione configurata già fa.
L'IA aiuta qui in un modo che viene trascurato. Chiedile come modellare un rinnovo contrattuale con ereditarietà, o quale tipo di campo sia adatto a un intervallo di tolleranza, e un modello capace ti guida attraverso la configurazione. Puntala all'API REST, e può applicare quella configurazione stessa. Suggerire e applicare la configurazione è un lavoro diverso dalla costruzione del sistema, e comporta il rendimento migliore, perché una configurazione sbagliata si mostra nell'interfaccia entro minuti mentre un'architettura sbagliata si mostra nel mese sei.
Genera le trasformazioni e i calcoli. Una formula, una mappatura, un parser, una query di report. Superficie piccola, output atteso chiaro, facile da testare.
La verifica ha una forma concreta qui. Configura le regole di validazione e i controlli di qualità dei dati prima di generare qualsiasi cosa, poi esegui la logica generata rispetto ai record le cui risposte conosci già, inclusi quelli scomodi come il contratto senza data di fine. La piattaforma rifiuta quello che rompe le sue stesse regole, quindi il calcolo fallisce rumorosamente sul record che altrimenti avrebbe fallito silenziosamente in produzione. Mantieni quel set di record come il test di regressione per il prossimo modello che provi.
Una categoria appartiene a nessuno dei due. Dove una risposta sbagliata è costosa e silenziosa, scrivila tu. Denaro, tasse, documentazione di sicurezza, qualsiasi cosa che un regolatore legge. L'IA può produrre quel codice perfettamente bene. La ragione per scriverlo a mano è che devi averlo capito prima.
Se puoi descriverlo come dati più un cambiamento di stato, configuralo. Se sbagliare costa più che scriverlo lentamente, scrivilo lentamente.
Cosa Ti Costa Questo Approccio
Adotti le convenzioni di qualcun altro per come funzionano record, relazioni, permessi e processi. Dove il tuo modello mentale differisce, il tempo va in lotta contro la piattaforma invece di usarla. Leggi la documentazione dello sviluppatore prima di impegnarti.
AtroCore gira su PHP e ha bisogno di un server Linux con accesso root più PostgreSQL o MySQL. L'hosting condiviso ordinario non la eseguirà. Nei nostri progetti, una volta che qualcuno conosce il sistema, un primo modello dati funzionante di quattro o cinque entità con relazioni, layout, ruoli e cronologia richiede giorni. Raggiungere quella familiarità richiede più tempo, ed è per questo che il payback arriva nel mese tre.
L'adattamento è limitato. Una piattaforma organizzata intorno ai record, relazioni e processi aziendali rappresenta una scarsa fondazione per il controllo real-time o l'elaborazione di segnali. Inizia da un framework per quelli. L'over-configurazione è il suo stesso debito: venti entità dove ne basterebbero cinque è debito tecnico anche, più silenzioso del codice duplicato e più difficile da sciogliere una volta che dati reali vivono in esso.
Come Valutare una Fondazione Prima di Iniziare a Immettere Prompt
Ci sono due alternative, e ognuna fallisce un test diverso. Un framework nudo ti lascia in possesso di ogni pezzo dell'infrastruttura. Un builder low-code risolve questo e addebita in una valuta diversa: il venditore possiede il tuo modello dati, hosting e runtime, e il prezzo segue il conteggio degli utenti. Quel compromesso funziona per una dashboard interna, male per il software che tiene contratti fornitori per il prossimo decennio.
Tieni qualsiasi candidato contro questa lista, incluse entrambe le alternative sopra.
- Un'entità, un campo e una relazione, aggiunti senza un deployment.
- Un singolo meccanismo di permessi che copre l'intero sistema, piuttosto che diversi che si allontanano.
- Un'API generata dal codice e validata al runtime, piuttosto che documentata a mano e sbagliata entro un mese.
- Una cronologia dei cambiamenti che nessuno nel tuo team ha dovuto costruire.
- Lavoro in background che gira senza una nuova voce cron per job.
- Un'uscita chiara: i tuoi dati, il tuo database, e il tuo diritto di continuare a eseguire il sistema se il venditore scompare.
La maggior parte delle fondazioni fallisce diversi di questi. Sapere quali, prima del primo prompt, è la differenza tra il debito tecnico che hai scelto e il debito tecnico che hai ereditato.