Il dibattito sull’utilità dell’AI è maturato considerevolmente nell’arco dell’ultimo anno. Il negazionismo puro e semplice sulle sue capacità si è ridimensionato, man mano che sempre più persone hanno potuto toccare con mano cosa essa sappia fare nel proprio ambito professionale. La battaglia si combatte ora su quanto valore essa generi davvero. Un punto di frizione particolarmente acceso tra i sostenitori e i detrattori dell’AI riguarda il divario tra i presunti aumenti della produttività dei programmatori e l’apparente assenza di un corrispondente boom nella creazione di prodotti o di valore. Un nuovo studio offre a entrambi gli schieramenti argomenti per rivendicare la propria posizione.
La ricerca condotta da Mert Demirer del MIT e dai suoi co-autori ha monitorato il lavoro degli sviluppatori software prima e dopo l’adozione degli strumenti di AI. La particolarità dello studio è che le misurazioni sono state effettuate a diversi livelli: dalla quantità di codice scritto, al numero di singoli file modificati, al numero di progetti o funzionalità su cui si è lavorato, fino ai rilasci effettivi di nuovi software.
I risultati mostrano un impatto esplosivo nella parte alta di questo funnel: i programmatori hanno creato o modificato quasi il 300% in più di file. Tuttavia, questo incremento si è dimezzato al 150% al momento della consegna delle singole unità di lavoro per la revisione, per poi ridursi ulteriormente di cinque volte, attestandosi a un aumento di circa il 30% nel numero di rilasci completi di software.
| L’AI genera grandi aumenti di produttività per i compiti di basso livello, ma questi si traducono in guadagni molto più contenuti per i prodotti finali Impatto dell’adozione di strumenti AI agentici sulla produttività nelle diverse fasi del processo di sviluppo software 
Da sinistra a destra: File singoli, Gruppi di lavoro, Prodotti distinti, Prodotti rilasciati
Fonte: «Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools» (Demirer et al., 2026). Grafico FT: John Burn-Murdoch / @jburnmurdoch ©FT
|
Un incremento del 30% nella produzione del prodotto principale di un’azienda è significativo, eppure i risultati dimostrano chiaramente come le percezioni, e persino alcune misurazioni dirette, dell’impatto dell’AI sulla produttività possano essere ben lontane dal valore che essa genera in ultima istanza. Quello che sembra - ed è di fatto, in modo misurabile - un boost esplosivo per un determinato compito si traduce spesso in un guadagno molto più modesto, una volta che il lavoro è transitato attraverso tutti i colli di bottiglia umani legati alla revisione e al rilascio di software di qualità produttiva.
Inoltre, quando i ricercatori hanno analizzato se gli aumenti di produzione software assistita dall’AI abbiano generato un aumento del consumo, hanno trovato ben poche prove in tal senso. Il marcato incremento nel numero di app mobile rilasciate nell’ultimo anno non è stato accompagnato da alcun aumento dei download: la maggior parte delle nuove applicazioni non riesce a conquistare nemmeno un pubblico minimo.
| L’AI agentiva ha innescato un boom nei rilasci di app mobile, ma non vi è alcun segnale che queste app stiano guadagnando terreno Variazione relativa nei volumi mensili di rilasci e recensioni di app iOS (media 2024 = 100) 
Da sinistra a destra: Rilasci di app, App con utilizzo significativo, Recensioni di app
Fonte: «Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools» (Demirer et al., 2026). Grafico FT: John Burn-Murdoch / @jburnmurdoch
©FT
|
Va notato che la scoperta secondo cui produttività e creazione di valore sono risultate molto più deboli del previsto è emersa proprio mentre il CEO di Uber, Dara Khosrowshahi, rivela che l’azienda ha bruciato l’intero budget AI per il 2026 in un solo trimestre, con l’intenzione di migrare gran parte dell’utilizzo verso modelli a basso costo, riservando gli strumenti di frontiera a casi d’uso specifici. A ciò si è aggiunta una nuova ricerca sull’impiego dell’AI in ambito legale, che ha rilevato come l’abbinamento di agenti AI open source a basso costo con modelli di fascia alta nel ruolo di «consulenti» saltuari produca risultati migliori a costi nettamente inferiori.
Non sarebbe irragionevole interpretare tutto ciò come una prova che la capacità dell’AI di generare valore reale sia stata ampiamente sopravvalutata, o quantomeno che spendere cifre ingenti per i modelli più recenti sia spesso superfluo. Demirer e i suoi co-autori ritengono però che la spiegazione più probabile sia un’altra: le strutture organizzative e i mercati attuali non sono attrezzati per sfruttare i guadagni sottostanti reali.
Questa tesi trova supporto nelle evidenze storiche delle rivoluzioni tecnologiche del passato, dove i veri balzi in avanti in termini di produttività e di ridisegno occupazionale sono venuti da nuove aziende e nuovi processi, non da player già affermati che innestano la nuova tecnologia sui flussi di lavoro esistenti.
Nel caso dell’elettricità tra la fine dell’Ottocento e l’inizio del Novecento, i guadagni di produttività furono modesti laddove le fabbriche si limitarono a sostituire i grandi motori a vapore con grandi motori elettrici, lasciando invariate la restante dotazione di macchinari e la disposizione degli spazi. Il boom arrivò decenni dopo, quando gli ingegneri dotarono le singole postazioni di lavoro di piccoli motori autonomi.
Il fatto che le aziende consolidate del software e della knowledge economy stiano registrando solo modesti guadagni di produttività incorporando l’AI nei flussi di lavoro e nelle strutture organizzative esistenti, mentre utilizzo, ricavi e produttività esplodono ad Anthropic e OpenAI - aziende costruite attorno all’AI, con prodotti scritti e revisionati da essa - rappresenta forse una prima evidenza della stessa dinamica che si ripete, ma questa volta a velocità molto maggiore.
La mia impressione è che entrambi gli schieramenti abbiano ragione. Gran parte dell’utilizzo e della spesa aziendale in AI oggi è inefficiente. Ma i guadagni di produttività realizzati riflettono l’interazione tra strumenti potenti e strutture e processi inadeguati. Queste frizioni e questi colli di bottiglia si allenteranno soltanto con il tempo.
© The Financial Times Limited 2026.
Tutti i diritti riservati. Non può essere ridistribuito, copiato o modificato in alcun modo.
Il Financial Times non è responsabile dell’accuratezza e della qualità di questa traduzione.
Money.it ha i diritti di ripubblicazione di alcuni articoli limitati del Financial Times. Questo non è un feed in tempo reale dei contenuti del Financial Times.
