La produzione e la manutenzione della documentazione tecnica del software sono tra le attività più delicate del lavoro degli sviluppatori. Pur essendo fondamentali per garantire la continuità dei progetti, questi processi risultano spesso trascurati, con il risultato che molte aziende si trovano a dover gestire sistemi scarsamente documentati o addirittura privi di riferimenti scritti. Durante l’Artificial Intelligence Talk organizzato dall’Osservatorio Artificial Intelligence del Politecnico di Milano, Vincenzo Carrea, Head of AI di Minsait, ha affrontato il tema mostrando come la Generative AI possa rappresentare uno strumento strategico per ridurre tempi, costi e incertezze legate alla documentazione tecnica.
Indice degli argomenti
La sfida della documentazione tecnica
In apertura del suo intervento, Carrea ha ricordato che l’assenza di documentazione è una condizione comune in molti progetti IT, con conseguenze dirette sulla capacità di stimare correttamente tempi e costi. «Molti hanno avuto nel loro percorso sistemi in cui la documentazione non era esistente, o era scarsa, o non più mantenuta», ha osservato. Questa mancanza diventa particolarmente critica quando i system integrator devono subentrare nella gestione di piattaforme complesse o preparare quotazioni per interventi di porting in tempi stretti.
In tali scenari, la comprensione del sistema si affida a un’analisi manuale della codebase che può richiedere settimane, senza garanzie di esaustività. Un approccio rischioso che porta con sé costi elevati e un margine di errore significativo.
L’introduzione della Generative AI nel software engineering
Già dal 2019, secondo quanto spiegato da Carrea, la Generative AI ha iniziato a essere sperimentata per affrontare questo problema. All’epoca i modelli a disposizione erano ancora acerbi, con forti limiti dovuti a bias e a finestre di contesto estremamente ridotte. Nonostante ciò, la direzione intrapresa si è rivelata promettente.
Con l’evoluzione degli algoritmi e la disponibilità di modelli più performanti, oggi l’intelligenza artificiale è in grado di processare grandi quantità di codice e restituire documentazione tecnica più accurata e standardizzata. L’obiettivo non è sostituire lo sviluppatore, ma supportarlo, eliminando attività ripetitive e lasciando spazio a compiti a maggiore valore aggiunto.
Dalla codebase all’overview funzionale
Uno dei contributi più significativi della Generative AI riguarda la possibilità di produrre automaticamente un’overview del sistema partendo direttamente dal codice sorgente. L’intelligenza artificiale, ha spiegato Carrea, riesce a riconoscere la tipologia di architettura — monolitica o a microservizi — e a descriverne le componenti principali.
L’AI è in grado di distinguere tra front-end, back-end e database, generando testi descrittivi che chiariscono le relazioni tra i diversi moduli. Nei casi più complessi, quando il codice non contiene commenti o non è stato organizzato in modo coerente, la capacità di individuare pattern e strutture diventa particolarmente utile.
A completamento del quadro, l’intelligenza artificiale può fornire rappresentazioni grafiche come diagrammi UML e sequence diagram, strumenti fondamentali per gli architetti software. Non solo: vengono prodotti anche report con metriche quantitative, come il numero di linee di codice, i livelli di complessità e l’elenco delle API esposte dal sistema.
Benefici misurabili in tempi e costi
Secondo Carrea, i vantaggi di questo approccio sono concreti e immediati. «Con questi report abbiamo la visione e la concretezza di quello che è il sistema realmente, con un buon 85-90% di accuratezza», ha dichiarato. Questo significa che, quando un cliente richiede una quotazione per la migrazione o l’aggiornamento di una piattaforma, i tecnici possono basarsi su dati affidabili e ridurre drasticamente il tempo necessario per formulare una stima.
Il beneficio si misura anche nella possibilità di gestire porting complessi con maggiore precisione, avendo a disposizione un quadro chiaro delle API in ingresso e in uscita. Per i system integrator, questo si traduce in una riduzione del rischio operativo e in una maggiore capacità di rispettare le scadenze.
Generative AI e gestione della compliance
L’intervento di Carrea ha evidenziato anche un tema cruciale: la gestione dei dati sensibili in contesti regolamentati. Nel settore bancario, ad esempio, non è semplice condividere codebase complete con sistemi esterni. Per questo motivo cresce l’interesse verso modelli open source, che possono essere utilizzati in modalità self-hosted.
La possibilità di scegliere se adottare modelli closed, open o open source, e di eseguirli su cloud o su infrastrutture on-premise, risponde a esigenze sempre più stringenti di compliance normativa. Questa flessibilità consente alle aziende di coniugare sicurezza e innovazione tecnologica, adattando le soluzioni alle proprie policy di governance dei dati.
Integrazione nei processi DevOps e cloud
Un ulteriore ambito di applicazione riguarda l’integrazione della Generative AI nelle pipeline DevOps. Automatizzare la generazione della documentazione significa rendere più fluido il flusso di lavoro, riducendo il tempo che intercorre tra la scrittura del codice e la disponibilità di materiali tecnici aggiornati.
Carrea ha ricordato che i sistemi attuali, grazie a un’architettura containerizzata, sono predisposti per funzionare su più ambienti cloud. Questo rende possibile la distribuzione su piattaforme diverse, come Azure o AWS, garantendo portabilità e scalabilità. In questo modo, anche le realtà con infrastrutture eterogenee possono adottare soluzioni di AI per la documentazione senza vincoli particolari.
Una nuova prospettiva sulla documentazione software
L’analisi automatizzata delle codebase e la generazione di documentazione tecnica tramite Generative AI offrono quindi una prospettiva diversa su un’attività tradizionalmente percepita come onerosa e poco gratificante. Se da un lato rimane fondamentale il controllo umano per verificare la qualità dei contenuti prodotti, dall’altro l’intelligenza artificiale consente di alleggerire notevolmente il carico di lavoro, fornendo una base solida su cui costruire ulteriori approfondimenti. Come ha evidenziato Carrea, la possibilità di ridurre tempi e rischi rende questi strumenti particolarmente rilevanti per chi si occupa di system integration e gestione di progetti complessi. La Generative AI non elimina il lavoro degli sviluppatori, ma diventa un alleato nel garantire precisione, efficienza e continuità operativa.
