Le risposte iniziano dalle domande giuste
L’intelligenza artificiale sta cambiando il modo in cui sviluppiamo software, ma soprattutto il modo in cui guidiamo team, prendiamo decisioni e costruiamo organizzazioni. Oggi non basta conoscere l’ultimo modello o il framework del momento: la vera sfida è capire come integrare l’AI nei processi, nelle competenze e nella cultura aziendale.
È proprio questo il valore di una conference come Codemotion Milan 2026. Non solo un’occasione per scoprire nuove tecnologie, ma un luogo di confronto con chi sta già affrontando sul campo temi come AI adoption, leadership tecnica, coding agent, organizzazione dei team e trasformazione del lavoro degli sviluppatori. L’obiettivo non è tornare in ufficio con una lista di nuovi tool da provare, ma con idee, metodi e approcci concreti da applicare fin dal giorno successivo.
Perché, in fondo, le organizzazioni che adotteranno meglio l’AI non saranno quelle che avranno gli strumenti più avanzati, ma quelle capaci di porsi le domande giuste.
Ecco cinque domande che ogni leader tecnico dovrebbe iniziare a farsi nel 2026.
1. Come misuro davvero la produttività del mio team?
Per anni abbiamo usato metriche relativamente semplici: lead time, throughput, velocità di delivery, story completate.
Ma cosa succede quando un agente AI genera in pochi minuti quello che prima richiedeva ore?
La produttività non coincide più con la quantità di codice prodotto. Anzi, potrebbe accadere il contrario: più codice generato automaticamente significa più tempo dedicato a review, validazione e decisioni architetturali.
La domanda cambia quindi radicalmente:
Sto misurando quanto codice produciamo o quanto valore riusciamo a consegnare?
Questo è uno dei temi affrontati da Alfonso Graziano, nella sessione Scaling AI Adoption: The Real Challenges of Transforming 300 Engineers, dove l’attenzione si sposta dagli strumenti al cambiamento organizzativo necessario per adottare davvero l’AI su larga scala.
Takeaway
La metrica più importante potrebbe non essere “quanto velocemente sviluppiamo”, ma “quanto bene prendiamo decisioni”.
2. Sto ancora assumendo sviluppatori… o persone capaci di lavorare con l’AI?
I processi di selezione sono rimasti quasi identici, mentre il lavoro quotidiano degli sviluppatori è cambiato radicalmente. Eppure, in molti colloqui continuiamo a valutare i candidati con prove pensate per un mondo in cui l’AI non esisteva.
Ha ancora senso chiedere di scrivere codice a memoria o risolvere un algoritmo senza alcun supporto? Oggi, nel lavoro di tutti i giorni, uno sviluppatore lavora insieme a strumenti di AI, li interroga, ne valuta i suggerimenti, li corregge e, soprattutto, decide quando fidarsi e quando no.
Forse la vera competenza da osservare non è più la capacità di ricordare la sintassi perfetta, ma il modo in cui una persona collabora con l’intelligenza artificiale: come formula le richieste, come verifica le risposte, come gestisce l’incertezza e quando sceglie consapevolmente di ignorare un suggerimento del modello perché non è la soluzione migliore.
È il cambio di prospettiva proposto da Dennis Nerush, nella sessione How to Interview Engineers in the AI Era: What I Changed and What Actually Works, che invita a valutare non solo le competenze tecniche, ma la capacità di collaborare con l’AI mantenendo spirito critico.
Takeaway
Nel 2026 il vantaggio competitivo non sarà chi usa l’AI, ma chi sa usarla con giudizio.
3. Quali attività dovrebbero fare gli agenti… e quali devono rimanere umane?
L’errore più comune quando si parla di AI è pensare che l’obiettivo sia automatizzare tutto. Quello più costoso, però, è l’estremo opposto: non automatizzare nulla per paura di perdere il controllo.
La vera sfida non è decidere se utilizzare l’intelligenza artificiale, ma dove può fare davvero la differenza. Ci sono attività in cui gli strumenti di AI stanno già dimostrando di essere alleati preziosi: dalla prototipazione alla generazione di test, dalla documentazione al refactoring, fino all’analisi del codice. Sono tutte attività che possono essere accelerate, lasciando agli sviluppatori più tempo per concentrarsi su ciò che genera maggiore valore.
Questo, però, non significa che il ruolo umano diventi meno importante. Al contrario, più l’AI è in grado di eseguire compiti operativi, più cresce il peso delle decisioni che richiedono esperienza, visione e responsabilità. Definire un’architettura, valutare compromessi tecnici, stabilire le priorità di business o gestire i rischi di un progetto restano attività che nessun modello può affrontare in autonomia.
È proprio questa la riflessione proposta da Alfonso Fuggetta nella sessione Why Coding Agents Need You More Than Ever, dove mostra come i coding agent non riducano il valore dello sviluppatore, ma lo spostino verso attività a più alto contenuto strategico e decisionale.
Su una linea simile si inserisce anche Andrey Breslav con Future of Programming: What’s our place in the world of coding machines?. La sua domanda non è se i programmatori verranno sostituiti, ma come cambierà il loro ruolo in un mondo in cui scrivere codice sarà sempre più affidato alle macchine. La risposta, ancora una volta, sembra puntare nella stessa direzione: meno tempo dedicato all’esecuzione, più tempo dedicato a progettare, validare e prendere decisioni.
Takeaway
L’obiettivo non è sostituire gli sviluppatori, ma liberare tempo per le decisioni che nessun modello può prendere al loro posto.
4. Sto costruendo competenze… o dipendenza dagli strumenti?
Molte aziende stanno investendo in piattaforme di intelligenza artificiale, convinte che adottare un nuovo strumento sia sufficiente per accelerare la trasformazione. Molte meno, però, stanno investendo nel costruire un vero metodo di adozione. Ed è proprio qui che si gioca la differenza tra chi sperimenta l’AI e chi riesce a integrarla davvero nel proprio modo di lavorare.
L’adozione non è un progetto che si conclude con l’acquisto di una licenza, ma un percorso continuo che richiede formazione, sperimentazione e la volontà di mettere in discussione processi consolidati. Significa creare spazi in cui i team possano condividere esperienze, confrontarsi su ciò che funziona e imparare anche dagli errori, trasformando l’utilizzo dell’AI in una competenza collettiva e non in un’iniziativa lasciata ai singoli.
È un tema che emerge chiaramente anche dalla sessione di Alfonso Graziano, Scaling AI Adoption: The Real Challenges of Transforming 300 Engineers, dove l’attenzione si concentra meno sulla tecnologia e molto di più sul cambiamento organizzativo necessario per accompagnare centinaia di persone verso un nuovo modo di lavorare.
In fondo, gli strumenti cambieranno rapidamente. La vera risorsa strategica resterà la capacità di un’organizzazione di imparare, adattarsi e trasferire conoscenza con la stessa velocità con cui evolve la tecnologia.
Stiamo progettando prodotti AI… o esperienze che le persone vogliono davvero usare?
L’intelligenza artificiale viene spesso raccontata come una sfida tecnologica. In realtà, molte delle difficoltà emergono molto prima del modello: quando le persone non si fidano dello strumento, non capiscono come usarlo o semplicemente smettono di utilizzarlo dopo pochi giorni.
L’adozione non dipende solo dalla qualità dell’algoritmo, ma dall’esperienza che costruiamo intorno ad esso. Un’interfaccia poco chiara, feedback assenti o aspettative mal gestite possono compromettere anche la soluzione tecnicamente migliore.
È il punto di vista portato da Carolina Pinto, UX Designer di King, nella sessione What Candy Crush Can Teach AI Products About Human Behavior. Partendo dall’esperienza maturata su uno dei giochi più utilizzati al mondo, mostra come concetti come motivazione, progressione, feedback e coinvolgimento possano fare la differenza anche nei prodotti basati sull’intelligenza artificiale.
Il messaggio è semplice: l’adozione dell’AI non è solo una questione di tecnologia, ma soprattutto di persone.
Takeaway
Il successo di un prodotto AI non si misura solo da ciò che il modello è in grado di fare, ma da quanto le persone scelgono davvero di utilizzarlo.
Conclusione
Forse la domanda più importante che un responsabile tecnico dovrebbe farsi nel 2026 non riguarda gli LLM, i coding agent o il prossimo framework.
È questa:
Il mio team sta semplicemente usando strumenti di AI o sta imparando un nuovo modo di fare ingegneria?
Perché gli strumenti cambieranno. I modelli evolveranno. Le piattaforme si moltiplicheranno.
La differenza la faranno le organizzazioni capaci di costruire un metodo: imparare velocemente, sperimentare con disciplina e sviluppare il giudizio necessario per collaborare con l’AI senza delegarle ciò che conta davvero.
Ed è probabilmente questo il takeaway più prezioso che leader tecnici, Tech Lead, CTO ed Engineering Manager potranno portarsi a casa dalla conference.
