vibe coding

Debito tecnologico: l’AI risolve bug ma crea nuovi rischi


Indirizzo copiato

Gli LLM aiutano a individuare gli errori accumulati nel software, ma il vibe coding potrebbe generare nuovo debito tecnologico. L’analisi di Cassandra sposta l’attenzione dalla quantità di codice alla sicurezza delle architetture e ai costi futuri per imprese e infrastrutture

Pubblicato il 29 ott 2026

Marco Calamari

consulente in ambito privacy e Computer Forensics



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
Blocchi modulari su fondamenta incrinate




Il debito tecnologico accumulato durante lo sviluppo del software è sempre stato un argomento assai caro a Cassandra, che gli ha dedicato un articolo che le piace molto ed un’intera serie di esternazioni.

Ma la vostra profetessa preferita questa volta vuole parlarvi del fenomeno di oggi che preoccupa tutti, anche quelli che in realtà non sono affatto preoccupati, ma addirittura ci marciano per convenienza personale.

Un po’ di storia, come al solito.

Debito tecnologico: gli errori accumulati nel software

Il mondo dello sviluppo del software ha sempre fatto piuttosto schifo; col passare degli anni il software sviluppato è sempre aumentato di quantità e peggiorato di qualità, facendo sempre più schifo.

Negli ultimi decenni, in certi casi fin dagli anni ‘70, nel software che ci circonda si è accumulato un enorme debito tecnologico, composto da errori di programmazione fatti da umani, e per la maggior parte mai emersi durante l’utilizzo normale del software. Errori che ogni tanto mordevano qualcuno e causavano incidenti e perdite economiche.

Gli LLM trovano vulnerabilità: difesa, attacchi e armi informatiche

Tre anni fa, con l’avvento dei grandi modelli linguistici, si è scoperto che sottoponendo ad un LLM i codici sorgenti dei software, potevano rapidamente ed economicamente essere trovati probabili errori di programmazione, che poi un umano poteva facilmente distillare e validare.

Lo hanno fatto i buoni, che hanno cominciato a migliorare leggermente la qualità di alcuni, pochi software.

Lo hanno fatto i cattivi, che hanno identificato nello stesso modo degli errori, hanno distillato quelli che potevano servire per realizzare attacchi, e si sono messi all’opera come mai prima.

Lo hanno fatto i cybersoldati, senza farsene accorgere da nessuno, ed hanno utilizzato gli stessi errori, già identificati dai buoni e dai cattivi, per progettare ed immagazzinare armi informatiche per un loro futuro uso in una guerra ibrida.

Tutto quanto sopra si può riassumere in un’unica frase.

Stiamo pagando oggi il debito tecnologico accumulato nel software, debito che è stato generato da decenni di programmazione schifosa.

E questa ormai è storia.

Vibe coding: il rischio di nuovo debito tecnologico

Abbiamo quindi imparato qualcosa? Gli LLM ci salveranno ed azzereranno il debito tecnologico accumulato nel software?

Cassandra è certa di no, e vi spiegherà perché.

Gli LLM hanno nel frattempo generato la “moda” (vibe coding) di programmare facendo scrivere il codice dai modelli linguistici stessi, con verifiche solo funzionali e poco o nessun controllo “umano” del codice generato.

Quindi hanno abilitato a scrivere (si fa per dire) software una grande quantità di persone che, senza i modelli linguistici, non avrebbero saputo nemmeno da che parte cominciare.

Contemporaneamente gli LLM sono stati introdotti anche nel lavoro dei normali programmatori; anche loro oggi programmano con verifiche solo funzionali e poco o nessun controllo del codice generato

Questo ha prodotto grandi guadagni di produttività, guadagni espressi però in numero di linee di codice per programmatore e per settimana, o con metriche simili.

Lasciamo perdere, ma solo per oggi, gli impatti sociali ed economici della questione, e concentriamoci invece sul debito tecnologico. La qualità dello sviluppo odierno del software continua ad essere sempre più schifosa, ma da altri punti di vista.

Sicurezza del software: gli errori si spostano nell’architettura

Secondo Cassandra, che nella sua storia proprio digiuna di sviluppo software non è stata, gli “errori” si sono spostati da semplici problemi di programmazione come un input memorizzato in una variabile senza un controllo di sanità, a scelte errate di architettura e di interfaccia tra routine, soprattutto dal punto di vista della sicurezza.

Cassandra è pronta a scommettere che questa ed altre tipologie di errori non siano facilmente localizzabili neppure con gli LLM, e rappresentino quindi un diverso tipo di debito tecnologico software che ha iniziato ad accumularsi. Debito che sarà sempre più difficile da rimuovere, perché non localizzato in una linea di codice, ma contenuto nella struttura stessa del software.

Chi pagherà il nuovo debito tecnologico

Quando verrà pagato questo nuovo debito, se gli LLM non fossero in grado di localizzarlo? E chi dovrà pagarlo?

Ma soprattutto, verrà pagato con perdite economiche e normali violazioni di sicurezza?

O non piuttosto, come Cassandra teme, con eventi catastrofici ed imprevedibili, roba da migliaia di morti, causati dal collasso di infrastrutture o da attacchi cibernetici?


Scrivere a Cassandra –  Mastodon –  Buttondown.com
Videorubrica “Quattro chiacchiere con Cassandra”
Lo Slog (Static Blog) di Cassandra
L’archivio di Cassandra: scuola, formazione e pensiero

Cassandra per i posteri: l’archivio su Internet Archive

Licenza d’utilizzo: i contenuti di questo articolo, dove non diversamente indicato, sono sotto licenza Creative Commons Attribuzione — Condividi allo stesso modo 4.0 Internazionale (CC BY-SA 4.0), tutte le informazioni di utilizzo del materiale sono disponibili a questo link.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x