Software · 10 ottobre 2026 · 4 min di lettura
Più codice, ma non più software: lo studio di Harvard svela il collo di bottiglia degli agenti IA
In sintesi: Una ricerca condotta dall'Università di Harvard su oltre 700 aziende e 300 milioni di eventi di sviluppo mostra che l'adozione di agenti IA per la programmazione ha aumentato le righe di codice del 30% e i commit del 20%. Tuttavia, la produzione effettiva di nuove funzionalità e la chiusura dei ticket non hanno registrato incrementi significativi. Il tempo risparmiato nella scrittura del codice viene infatti interamente assorbito dal collo di bottiglia della revisione umana, tra pull request più lunghe e richieste continue di correzioni.
di Team Mocchi's
Negli ultimi due anni l'industria tecnologica ha celebrato l'avvento dei modelli generativi e degli agenti autonomi come la svolta definitiva per la produttività dei reparti di ingegneria del software. L'idea che un assistente intelligente possa produrre intere feature a partire da semplici prompt ha alimentato previsioni trionfalistiche su rilasci fulminei e team di sviluppo iper-snelli. Tuttavia, la realtà quotidiana dei repository aziendali racconta una storia profondamente diversa: la velocità di digitazione non coincide affatto con il valore consegnato agli utenti.
A quantificare questo divario con un rigore finora inedito è un'approfondita indagine accademica, i cui risultati sono stati analizzati da Ars Technica. Lo studio smonta l'equivalenza tra volume di codice prodotto ed efficacia dei rilasci, dimostrando come l'accelerazione nella fase di generazione finisca per arenarsi nei passaggi successivi della pipeline di sviluppo.
I numeri di Harvard: l'inflazione di righe e commit
La ricerca, firmata dagli economisti Fiona Chen e James Stratton dell'Università di Harvard, si basa su un dataset eccezionalmente vasto fornito dalla piattaforma di engineering intelligence Jellyfish. Gli studiosi hanno esaminato oltre 300 milioni di eventi di lavoro (tra commit e pull request) e la gestione delle issue relative a più di 700.000 sviluppatori in oltre 700 aziende software, monitorandone le attività tra il 2021 e il marzo del 2026.
Attraverso una regressione econometrica difference-in-differences, Chen e Stratton hanno isolato l'impatto dell'introduzione degli strumenti di intelligenza artificiale, distinguendo tra assistenti di completamento in stile Copilot e veri e propri agenti autonomi. Sul piano della produzione grezza, l'impatto degli agenti è innegabile: le aziende che li hanno integrati registrano in media un aumento del 30% delle righe di codice generate, una crescita del 20% nei commit complessivi e un balzo del 23% nelle pull request.
Tuttavia, quando i ricercatori hanno guardato all'output di business effettivo, il quadro è cambiato radicalmente. Il tasso di risoluzione di issue ed epic su Jira (ovvero le funzionalità software concrete destinate alla produzione) non ha mostrato alcun incremento statisticamente significativo. Le aziende non hanno chiuso più ticket né hanno ridotto l'organico: hanno semplicemente gestito una mole spropositata di codice in più per ottenere gli stessi risultati.
Il collo di bottiglia della revisione umana
Il motivo di questa discrepanza risiede in quello che gli autori dello studio definiscono un vincolo a valle: il collo di bottiglia della code review. Generare 500 righe di codice con un prompt richiede pochi secondi, ma comprendere se quel codice contenga allucinazioni, vulnerabilità di sicurezza, edge case non gestiti o violazioni dell'architettura aziendale richiede un'attenzione umana minuziosa.
Dall'analisi emerge che, con l'introduzione degli agenti IA, il ciclo di vita delle pull request si è allungato in modo sostanziale. I revisori umani si trovano costretti a lasciare molti più commenti, i rimpalli di revisione aumentano e la percentuale di PR che necessitano di modifiche strutturali cresce sensibilmente. L'efficienza guadagnata alla tastiera dal singolo programmatore viene così interamente neutralizzata dal carico cognitivo scaricato sui colleghi incaricati di validare e approvare le modifiche.
Invece di snellire il flusso di lavoro, l'IA ha spostato il peso dell'ingegneria dalla sintassi all'analisi critica, trasformando i senior developer in censori di codice generato da macchine prive di visione d'insieme.
Il costo nascosto dell'illusione di produttività
Questo fenomeno evidenzia un malinteso fondamentale che permea molte strategie di adozione dell'IA: confondere l'attività con il progresso. Nel software engineering moderno, il codice non è un patrimonio da accumulare, ma una passività: ogni riga aggiunta rappresenta debito tecnico potenziale, richiede manutenzione, test di regressione e attenzione futura.
Quando gli agenti producono codice verboso o ridondante, aumentano l'entropia della codebase. La proliferazione di pull request automatizzate satura la pipeline di continuous integration e distoglie i profili più esperti dalle decisioni strategiche di architettura e design dei sistemi. Lo studio di Harvard dimostra che le organizzazioni che non ripensano i propri processi di verifica non ottengono alcun vantaggio competitivo dall'automazione del codice, finendo invece per appesantire la propria macchina operativa.
Il punto di Mocchi's
Per le aziende italiane che stanno valutando o già implementando assistenti di programmazione, questo studio offre una lezione cruciale: l'adozione dell'IA nello sviluppo software non può limitarsi all'acquisto di licenze per i singoli programmatori. In Mocchi's sperimentiamo quotidianamente come il vero valore di un team risieda nella comprensione del dominio di business e nella pulizia architetturale, due aspetti in cui gli agenti generativi sono ancora ciechi. Misurare la produttività in righe di codice o volume di commit è una trappola d'altri tempi; per trarre reale beneficio da questi strumenti occorre invece investire su test automatizzati rigorosi, standard architetturali solidi e una cultura di revisione che premi la sintesi e la manutenibilità rispetto alla pura velocità di generazione.