Pensare in Grande con l'AI

La tesi di Maximilian Schwarzmüller: l'AI è una leva che cambia il modo di pensare ai problemi e al proprio ruolo di sviluppatori, e in generale tutto il lavoro della conoscenza. Non più specialisti, ma builder. ¹

Fine delle etichette

• Definirsi sviluppatore front-end o back-end non ha più senso: che ci si chiami builder, developer o software engineer, ora sei un builder ¹
• Nemmeno il singolo linguaggio conta più: serve essere fluidi nei linguaggi e nelle librerie ¹
• Schwarzmüller scrive programmi in Rust, TypeScript o Go perché non è più lui a scrivere il codice, e non lo legge nemmeno tutto: lo revisiona. Serve la comprensione generale della forma del programma, non i dettagli di Go o Rust ¹
• Eccezione onesta: esistono applicazioni dove può servire avere esperti nel team per individuare pattern errati complessi che l'AI si lascia sfuggire ¹

La ricetta per non sbagliare

AI per scrivere il codice + test automatizzati + revisori basati su AI = ti porta molto lontano ¹

• Mai un solo agente o un solo modello
• Trova un modo di revisionare il codice personalmente senza leggere ogni riga
• "Non siamo più nel 2025, quando l'AI commetteva errori stupidi in continuazione", anche se ne commette ancora ¹

Ampiezza e profondità

• Ampiezza: più prototipi, più mock-up, provare più cose. Invece del decimo social media scheduler: software più di nicchia, per aziende locali (facili da avvicinare e a cui vendere, poi forse si scala), per settori dove prima non avevi le conoscenze: l'AI aiuta nella ricerca e i prototipi da mostrare ai potenziali clienti si fanno facilmente ¹
• Profondità: software più complessi, perché un singolo sviluppatore costruisce ciò che prima richiedeva un team ¹
• Side project: anche chi è dipendente dovrebbe costruire progetti nel tempo libero, per sperimentare i modelli migliori a cui in azienda magari non ha accesso. Pensare in grande vale anche per il pubblico: costruire per settori che non sono sviluppatori e imparare come funzionano le altre industrie e quali problemi hanno, con l'AI per la ricerca ma parlando ancora con le persone ¹
• Contro la tesi della morte del SaaS e dell'indie hacking: gli sviluppatori si costruiranno il proprio software, "ma non tutti sono sviluppatori" e molte aziende continueranno a comprare software, pur costruendone anche internamente ¹

Dove l'umano resta insostituibile

1. Il giudizio: l'AI come sparring partner, ma le decisioni sono tue — l'AI non conosce i tuoi vincoli (scalabilità, costi, scale-to-zero, latenza, performance) ¹
2. System design: capire di quali building blocks ha bisogno il software e quale implementazione scegli per i tuoi vincoli — ogni sviluppatore dovrebbe averne un po' di esperienza ¹. Vedi anche Agentic Harness per dove finisce il modello e dove inizia l'infrastruttura
3. L'apprendimento: l'AI come "tutor infinitamente paziente" — non l'unica fonte (video, corsi, docs) ma accelera l'apprendimento ¹

Specialisti larghi: l'expertise orizzontale (2026)

Nel talk a CityJS Athens ripreso il 28 ottobre 2026 (vedi Competenze del Developer nell'Era AI), Schwarzmüller precisa la traiettoria dal verticalismo al profilo builder: essere uno specialista iper-verticale in un solo dominio non sarà una strategia vincente per il futuro, a meno di essere l'esperto mondiale di quell'ambito. ² Le nicchie continueranno a esistere e a richiedere esperti verticali, ma per la maggior parte degli sviluppatori la scelta più solida è allargare il proprio orizzonte (broad expertise): grazie all'apprendimento assistito dall'AI (anche discutendo i concetti con ChatGPT), è molto più semplice acquisire rapidamente una comprensione più profonda che in passato su più fronti contemporaneamente — come Docker, sviluppo front end e back end, Rust o applicazioni desktop — affiancata a una competenza profonda su come lavorare con gli agenti. ²

Collegamenti

• Competenze del Developer nell'Era AI — sistematizzazione in sei competenze (giudizio, orchestrazione, verifica per artefatti, ownership, expertise orizzontale, curiosità)
• Coding Agent — il tool che rende possibile questo cambio di ruolo: l'agente scrive, tu pianifichi e revisioni
• AI e Humanities — stessa tesi vista da una prospettiva diversa: se l'AI scrive il codice, ciò che resta è interpretazione e giudizio
• Harness Engineering — la cura di tools e contesto è la nuova competenza di sistema per il builder

Vedi anche: LLM come strumento, Ownership collettiva del codice, Persona Selection Model, Agentic Harness

Fonti e Riferimenti