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.
Ma il punto interessante non è solo “lavora su Candy Crush”: prima di King, Pinto ha lavorato in Dell Technologies e in CaixaBank, quindi porta con sé un background di UX enterprise, non solo gaming. È anche Lead di Women Who Code Barcellona. Questo significa che il suo sguardo su Candy Crush non è quello di chi progetta “solo un gioco”, ma di chi ha visto da vicino come si costruiscono sistemi complessi in contesti molto diversi tra loro, e li confronta.
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, con margini di errore prossimi allo zero, e Candy Crush lo fa ininterrottamente da oltre dieci anni.
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, con l’autorevolezza di chi lo ha fatto su scala enorme.
Enzo Lombardi: quando l’AI incontra un Atari del 1977
Prima ancora di parlare del talk, vale la pena spendere due righe sul personaggio, perché Enzo Lombardi non è un appassionato di retrogaming qualsiasi. Ha fatto una parte importante della sua carriera negli Stati Uniti, in Silicon Valley: in Microsoft è stato parte del team originario di .NET, e ha lavorato su Windows Compatibility Toolkit e Windows Performance Analyzer. In Google ha lavorato su Hangouts durante i suoi anni di massima crescita, per poi passare alla parte Directory di Google Workspace. Oggi è tornato in Italia, dove ricopre il ruolo di Cloud Software Architect in Cleafy, azienda milanese di cybersecurity fondata nel 2014, specializzata nella prevenzione delle frodi bancarie digitali. 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.
Con questo background, il suo talk Racing the Beam è ancora più significativo: 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 il talk di uno che ha visto l’industria tech dall’interno, ai massimi livelli, e che sceglie comunque di divertirsi ricostruendo l’hardware più povero mai messo in commercio. Probabilmente il talk più “hacker” del programma.
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.
