L'AI che scrive codice: cosa dicono davvero i dati sulla produttività
Quasi tutti gli sviluppatori usano l'AI ogni giorno, ma uno studio controllato ha trovato un rallentamento dove ci si aspettava un'accelerazione. La verità, come spesso accade, è nei dettagli.
CM
Di Redazione Core Matrix10 giugno 2026 · 3 min di lettura · Aggiornato il 19 giugno 2026
Che l'intelligenza artificiale sia entrata nello sviluppo software non è più in discussione. Il DORA Report 2025 di Google rileva che circa il 90% dei professionisti usa l'AI nel lavoro quotidiano, con oltre l'80% che dichiara un aumento di produttività. La diffusione, insomma, è ormai capillare: non si tratta più di una sperimentazione di nicchia, ma di una pratica di massa.
Ma lo stesso report aggiunge una sfumatura cruciale: quasi un terzo degli sviluppatori nutre poca o nessuna fiducia nel codice generato dall'AI. È un paradosso significativo — si adotta uno strumento di cui, allo stesso tempo, si diffida. E l'AI, scrive DORA, è un amplificatore: rende più forti i team già solidi e più caotici quelli disorganizzati. Non è una bacchetta magica che livella le differenze, ma una lente che le ingrandisce.
Lo studio che ha spiazzato tutti
Il dato più istruttivo viene da un esperimento controllato di METR (luglio 2025): sviluppatori open source esperti, al lavoro su repository maturi che conoscevano bene, sono risultati circa il 19% più lenti usando strumenti AI — pur essendo convinti di essere stati il 20% più veloci.
Il divario tra percezione e realtà è il vero risultato. Non conta solo che gli strumenti abbiano rallentato chi li usava, ma che chi li usava non se ne sia accorto, anzi credesse l'opposto. È un avvertimento sul valore delle impressioni soggettive quando si misura la produttività: la sensazione di velocità può essere ingannevole, e una percezione diffusa di accelerazione non equivale a un'accelerazione reale.
Il divario tra percezione e realtà è il vero risultato: la sensazione di velocità può essere ingannevole.
Va però citato il caveat che gli stessi autori sottolineano: si tratta di una fotografia ristretta, su pochi sviluppatori molto esperti e codebase molto grandi, con strumenti di inizio 2025. Non è la prova che l'AI rallenti la maggior parte degli sviluppatori; è un monito contro le promesse facili. Il contesto, come sempre, conta: ciò che frena un veterano su un progetto che padroneggia potrebbe avere tutt'altro effetto su un principiante alle prese con codice sconosciuto.
La scala, intanto, esplode
Sul piano aggregato la trasformazione è evidente. L'Octoverse 2025 di GitHub riporta una media di circa 43 milioni di pull request unite al mese (+23% su base annua) e oltre 180 milioni di sviluppatori sulla piattaforma, con una crescita marcata degli agenti di coding.
Sono numeri che raccontano un'adozione tutt'altro che timida e una direzione di marcia chiara. La quantità di lavoro che attraversa le piattaforme cresce; la domanda è se cresca con essa anche la qualità, o se la velocità apparente nasconda costi nascosti che solo una misurazione onesta può far emergere.
I numeri DORA 2025: circa il 90% dei professionisti usa l'AI ogni giorno, oltre l'80% dichiara più produttività, ma quasi un terzo si fida poco o nulla del codice generato. METR (luglio 2025): sviluppatori esperti il 19% più lenti con l'AI, pur convinti di essere il 20% più veloci. Octoverse 2025: circa 43 milioni di pull request unite al mese (+23% annuo) e oltre 180 milioni di sviluppatori.
Cosa resta in mano a chi guida un team
La lezione per chi guida un team è netta: l'AI non sostituisce la disciplina ingegneristica, la amplifica. Se è vero che lo strumento esalta i team solidi e disorienta quelli caotici, allora investire nelle fondamenta diventa la priorità — perché è su quelle fondamenta che l'amplificazione agisce.
Revisione del codice, test, architettura pulita e misurazione onesta restano il fattore decisivo — semmai più importanti di prima. È l'approccio che portiamo nei nostri progetti di sviluppo e nei percorsi di formazione su AI e coding.
That artificial intelligence has entered software development is no longer in question. Google's DORA Report 2025 finds that around 90% of professionals use AI in daily work, with over 80% reporting a productivity increase. Adoption, in short, is now pervasive: this is no longer a niche experiment but a mass practice.
But the same report adds a crucial nuance: nearly a third of developers have little or no trust in AI-generated code. It is a telling paradox — a tool is embraced even as it is mistrusted. And AI, DORA writes, is an amplifier: it makes strong teams stronger and disorganized ones more chaotic. It is not a magic wand that levels differences, but a lens that enlarges them.
The study that surprised everyone
The most instructive data point comes from a controlled experiment by METR (July 2025): experienced open-source developers, working on mature repositories they knew well, turned out to be about 19% slower using AI tools — while being convinced they were 20% faster.
The gap between perception and reality is the real finding. What matters is not only that the tools slowed down those who used them, but that the users never noticed — indeed, they believed the opposite. It is a warning about the value of subjective impressions when measuring productivity: the feeling of speed can be deceptive, and a widespread sense of acceleration does not equal real acceleration.
The gap between perception and reality is the real finding: the feeling of speed can be deceptive.
The caveat the authors themselves stress must be noted: it is a narrow snapshot, with few highly experienced developers and very large codebases, using early-2025 tools. It is not proof that AI slows down most developers; it is a warning against easy promises. Context, as always, matters: what holds back a veteran on a project they have mastered may have an entirely different effect on a beginner facing unfamiliar code.
Meanwhile, the scale is exploding
In aggregate, the transformation is clear. GitHub's Octoverse 2025 reports an average of around 43 million pull requests merged per month (+23% year-on-year) and over 180 million developers on the platform, with a marked rise in coding agents.
These are figures that describe anything but timid adoption and a clear direction of travel. The volume of work flowing through the platforms is growing; the question is whether quality grows with it, or whether apparent speed conceals hidden costs that only honest measurement can bring to light.
By the numbers DORA 2025: around 90% of professionals use AI every day, over 80% report higher productivity, yet nearly a third have little or no trust in generated code. METR (July 2025): experienced developers 19% slower with AI, though convinced they were 20% faster. Octoverse 2025: around 43 million pull requests merged per month (+23% year-on-year) and over 180 million developers.
What is left in the hands of those leading a team
The lesson for those leading a team is sharp: AI does not replace engineering discipline, it amplifies it. If the tool truly elevates solid teams and disorients chaotic ones, then investing in the fundamentals becomes the priority — because it is on those fundamentals that the amplification acts.
Code review, testing, clean architecture and honest measurement remain the decisive factor — if anything more important than before. It is the approach we bring to our development projects and our AI and coding training programs.
