Stavo scorrendo l’output di un’intera giornata di lavoro quando ho visto il problema.
Non era un bug nel codice. Era un errore nel modo in cui avevo impostato la sessione. Non avevo letto a fondo un documento che avrei dovuto conoscere a memoria prima di iniziare. L’AI aveva fatto il suo lavoro — precisamente, velocemente, senza esitazioni. Ma le premesse erano sbagliate. E quando le premesse sono sbagliate, l’output perfetto è il risultato peggiore: perché sembra giusto.
Ho perso una giornata. Non per un modello scarso, non per un prompt sbagliato. Perché non avevo rallentato abbastanza.
Si parla molto, in questo periodo, di qualità del codice generato dall’AI. I dati suggeriscono un aumento della duplicazione, una diminuzione della manutenibilità. Il dibattito oscilla tra chi difende gli strumenti e chi li accusa. Ma sento che la domanda vera potrebbe essere un’altra.
Non “quanto è bravo il modello?” — ma “quanto sei preparato tu quando gli parli?”
Quando l’AI genera in tre secondi, il collo di bottiglia non è più il codice. È il contesto che gli dai. La profondità con cui hai capito il problema prima di chiedere una soluzione. La disciplina di leggere — davvero leggere, non scorrere — prima di premere invio.
Nel mio percorso ho osservato una cosa scomoda: ogni volta che la qualità dell’output peggiorava, il problema era a monte. Era in una guida che non avevo letto fino in fondo. In un’assunzione che davo per scontata. In un contesto che pensavo fosse ovvio ma non lo era.
L’AI amplifica tutto. Compresa la superficialità.
Mi sono dato delle regole. Leggere ogni documento fino all’ultima riga prima di iniziare un ciclo di lavoro. Non procedere se qualcosa non è chiaro. Verificare le premesse, non solo i risultati.
Sembra banale. Ma nella pratica è la cosa più difficile. Perché la velocità dell’AI crea un’illusione: che rallentare sia una perdita di tempo. Quando forse è l’unico investimento che conta davvero.
Non ho una risposta universale. Ma ho il sospetto che chi si preoccupa della qualità del codice AI potrebbe ottenere più risultati rallentando prima di generare che cambiando modello.
La qualità potrebbe non dipendere dall’AI. Potrebbe dipendere dalla profondità con cui la usi.