C’è un pregiudizio duro a morire nel mondo tech: che il gaming sia un hobby, qualcosa che si fa nel tempo libero, separato dal “lavoro vero”. Poi guardi più da vicino chi progetta le esperienze digitali che usiamo ogni giorno, chi addestra modelli AI, chi costruisce sistemi complessi, e scopri che moltissimi di loro hanno imparato le cose più importanti proprio giocando, o costruendo giochi. Non è un caso: i videogiochi sono da sempre il laboratorio dove si testano per primi i limiti tecnici, le regole di coinvolgimento, i trucchi per far sembrare naturale qualcosa che naturale non è.
A Codemotion Milano 2026 questo laboratorio riemerge in tre talk molto diversi tra loro, ma che raccontano la stessa cosa da tre angolazioni: un game designer che guarda all’AI, un hacker che fa dialogare Claude con un Atari del ’77, un AI engineer che insegna a un modello minuscolo a giocare a Doom.
Carolina Pinto: cosa può insegnare Candy Crush ai prodotti AI
Carolina Pinto è Senior UX Designer con oltre nove anni di esperienza, oggi in King, lo studio svedese che ha creato Candy Crush Saga (uscito nel novembre 2012) e che oggi fa parte della galassia Microsoft, dopo il passaggio da Activision Blizzard, che aveva acquisito King nel 2016, e la successiva acquisizione di Activision Blizzard da parte di Microsoft, chiusa nell’ottobre 2023. Il gioco è ancora sviluppato e gestito quotidianamente da King, anche se la proprietà intellettuale è passata a Microsoft. In precedenza Pinto ha lavorato in Dell Technologies e CaixaBank, ed è anche Lead di Women Who Code Barcellona.
Il suo talk, What Candy Crush Can Teach AI Products About Human Behavior, parte da un’osservazione semplice: i prodotti AI sono sempre più potenti, ma spesso restano poco piacevoli da usare. I giochi, invece, risolvono da decenni gli stessi identici problemi che oggi affliggono i tool AI, onboarding, fiducia, motivazione, retention, solo che lo fanno per milioni di utenti e con margini di errore prossimi allo zero.
Perché guardarlo: se lavori su un prodotto AI e non hai mai pensato al design dell’esperienza come a un problema di game design, questo talk ribalta la prospettiva.
Enzo Lombardi: quando l’AI incontra un Atari del 1977
Enzo Lombardi è oggi Cloud Software Architect in Cleafy, azienda milanese di cybersecurity fondata nel 2014 da un gruppo di ex Politecnico di Milano, specializzata nella prevenzione delle frodi bancarie digitali. Prima di Cleafy, però, la sua carriera è passata da Microsoft, dove ha fatto parte del team originario di .NET e ha lavorato su Windows Compatibility Toolkit e Windows Performance Analyzer, e da Google, dove ha lavorato su Hangouts e sulla parte Directory di Google Workspace. È anche autore di libri tecnici (tra cui una serie su Claude e uno su Rust) e contributor di MAME, il celebre emulatore open source di arcade e vecchie console.
Il suo talk, Racing the Beam, è puro amore per il retrocomputing applicato all’AI moderna: partendo dall’Atari VCS 2600 del 1977, una console con appena 128 byte di RAM e senza frame buffer, Lombardi racconta come abbia costruito un MCP (Model Context Protocol) per collegare Claude a un emulatore Atari scritto in Go, fare reverse engineering manuale dell’assembly di un gioco oscuro degli anni ’80, e infine chiedere a Claude di costruire un’AI capace di giocarci sul serio.
Perché guardarlo: è probabilmente il talk più “hacker” del programma, il tipo di sessione che ti ricorda perché hai iniziato a programmare.
Stefano Fiorucci: un modello da 1 milione di parametri che gioca a Doom
Stefano Fiorucci è AI/Software Engineer in deepset, l’azienda tedesca dietro Haystack, uno dei framework open source più usati per costruire applicazioni RAG e agenti basati su LLM, adottato da realtà come Airbus, Netflix e Lufthansa Industry Solutions. Fiorucci lavora direttamente sul progetto open source, contribuendo a codice, tutorial e demo.
Nel suo talk, The case for Small Models: a 1M ModernBERT playing Doom in milliseconds, porta all’estremo un’idea controcorrente rispetto all’hype dei modelli enormi: addestrare un modello ModernBERT da appena 1 milione di parametri a giocare a Doom su una CPU, in millisecondi. Racconta il percorso, tra fine-tuning supervisionato, reinforcement learning e diversi tentativi falliti, per arrivare a una domanda molto pratica: quando conviene davvero usare un modello piccolo invece di un LLM da frontiera?
Perché guardarlo: se sei stanco di sentir parlare solo di modelli sempre più grandi, questo talk è un promemoria che a volte la sfida interessante è il contrario.
Il filo che li unisce: tre modi diversi di prendere sul serio un mondo che la tech “seria” tende a guardare dall’alto in basso. E questo, a Codemotion, non è mai un caso isolato: gaming e retrogaming tornano quasi a ogni edizione, spesso mischiati a talk di robotica e hardware hacking, gli speaker che smontano console, costruiscono automi, o fanno interagire vecchio e nuovo hardware con l’AI più recente.
Il programma completo di Milano 2026 è ancora in aggiornamento: non stupitevi se, tra un talk su Kubernetes e uno sull’ultimo LLM, spunta qualcuno con un joypad, un Arduino o un robot sotto il braccio.
