L’AI abbassa il costo di sviluppo fino a rendere convenienti software su misura, micro-app temporanee e lavoro eseguito direttamente attraverso prompt. Per le aziende cambia il confronto tra comprare e costruire: anche un’esigenza di poche settimane può giustificare un tool dedicato. Restano però i costi delle integrazioni, della verifica e della manutenzione, soprattutto quando la funzione provvisoria comincia a sembrare indispensabile.
Indice degli argomenti
Software usa e getta: quando conviene una micro-app temporanea
Immaginiamo un’azienda che debba confrontare i listini di alcuni fornitori per una promozione destinata a durare tre settimane. I documenti hanno formati diversi, i codici dei prodotti non coincidono sempre e qualcuno dovrà individuare le corrispondenze, segnalare le anomalie e preparare un prospetto leggibile. Finita la campagna, quella particolare combinazione di dati e regole potrebbe non servire più.
La soluzione abituale sarebbe un foglio di calcolo abbastanza complicato da rendere indispensabile chi lo ha creato, oppure un software commerciale, magari con un piano annuale, che svolga anche questo lavoro insieme a molte altre funzioni delle quali l’azienda non aveva ancora avvertito la mancanza.
Anche il prodotto già pronto va cercato, valutato e configurato, con un lavoro che può risultare sproporzionato rispetto a quello necessario per ottenere il prospetto. Lo sviluppo su misura richiederebbe invece di spiegare perché finanziare un programma con un’aspettativa di vita inferiore a quella dell’iter necessario per approvarlo.
Gli strumenti di programmazione assistita dall’AI permettono di considerare una quarta strada: costruire una piccola applicazione, usarla durante la campagna, conservare i risultati e dismetterla. Il software usa e getta potrebbe essere un investimento riuscito proprio perché risolve il problema senza procurarsi una carriera aziendale, una roadmap e qualcuno incaricato di giustificarne gli aggiornamenti. Il prezzo del codice si abbassa e anche un’esigenza di tre settimane può permettersi un programma. Nel conto resta però intatta una premessa: che, per ottenere quel prospetto, occorra ancora procurarsi un’applicazione.
Dal build or buy al risultato ottenuto direttamente con l’AI
Lo studio SpreadsheetArena, pubblicato nel luglio 2026, mette a confronto fogli di calcolo generati dai modelli a partire da istruzioni in linguaggio naturale. Gli utenti valutano i file alla cieca e i ricercatori analizzano quanto pesino nelle preferenze la struttura, le funzioni e la presentazione; nei casi finanziari, però, gli esperti rilevano che anche i modelli meglio classificati non producono sistematicamente fogli conformi alle buone pratiche professionali [1].
Per l’azienda dei tre listini, questo suggerisce un percorso di valutazione: verificare se le istruzioni che avrebbe dato a uno sviluppatore siano sufficienti a ottenere il prospetto dalla piattaforma. Occorre stabilire quali prodotti considerare equivalenti, come trattare confezioni e sconti e quali anomalie lasciare aperte: decisioni che andrebbero comunque spiegate a uno sviluppatore o tradotte nelle impostazioni di un prodotto commerciale.
Se il file soddisfa l’incarico, la discussione sullo strumento da procurarsi incontra una circostanza poco prevista dal vecchio build or buy: il lavoro che avrebbe dovuto giustificarne l’acquisto è già sul tavolo.
Anthropic descrive la possibilità di caricare dati in Claude e ottenere fogli Excel con formule, rapporti con grafici e presentazioni; fra gli esempi compare un CSV dal quale ricavare un modello finanziario, un documento che lo riassuma e le slide per illustrarlo.
Per svolgere queste operazioni, Claude dispone di un ambiente di calcolo nel quale può scrivere ed eseguire codice [2]. Anche ChatGPT permette di riunire diversi fogli di calcolo in un unico file, applicando criteri di corrispondenza e producendo formule, grafici e segnalazioni dei dati che non coincidono [3]; Gemini può generare direttamente nella conversazione documenti Word, fogli Excel, PDF e presentazioni, da scaricare o trasferire nell’ambiente Google [4].
Cambiano i formati e le modalità di consegna, ma la sequenza è ormai familiare: l’utente descrive ciò che serve e riceve i file con cui proseguire il lavoro.
Un’applicazione aggiuntiva può organizzare quel lavoro attraverso campi, pulsanti e passaggi prestabiliti, rendendolo più comodo da ripetere o affidare ad altri. La sua convenienza comincia però a dipendere da ciò che aggiunge a capacità già disponibili nella piattaforma. Per un incarico circoscritto, costruire una schermata nella quale caricare i documenti potrebbe significare allestire un secondo ingresso allo stesso ambiente che li avrebbe elaborati su richiesta.
Il fornitore offre così la possibilità di procurarsi uno strumento e quella di ottenere direttamente il suo risultato: anche l’applicazione generata a poco prezzo deve trovare qualcosa da offrire a chi ha già pagato per arrivare al prospetto.
Sviluppo con l’AI: come valutare tempi e risparmi reali
Il tempo necessario a far comparire un’applicazione sullo schermo è solo una voce del conto: per arrivare al lavoro concluso bisogna aggiungere quello impiegato a definire la richiesta, verificare i risultati e inserirli nelle procedure dell’azienda; passaggi che una dimostrazione può lasciare comodamente fuori dall’inquadratura.
Aggregando tre esperimenti presso Microsoft, Accenture e una terza grande impresa, Zheyuan Cui e colleghi hanno rilevato, su 4.867 sviluppatori, un aumento del 26,08% delle attività completate con un assistente di programmazione, con benefici maggiori fra i meno esperti [5].
Nel luglio 2025, METR pubblicava un esperimento su sedici sviluppatori esperti, impegnati in 246 attività su progetti che conoscevano bene. Con gli strumenti disponibili all’inizio di quell’anno impiegavano il 19% di tempo in più; anche dopo la prova, però, stimavano di avere lavorato il 20% più in fretta [6].
Nel febbraio 2026, il nuovo esperimento restituiva indizi di un’accelerazione, ma METR segnalava che la difficoltà di reclutare sviluppatori disposti a lavorare senza AI rendeva la stima poco affidabile: l’adozione degli strumenti aveva cominciato a modificare persino il campione con cui misurarli [7].
Quando un compito diventa più economico, può valere la pena svolgerlo anche se prima si preferiva dedicare il tempo ad altro. Tom Cunningham e Parker Whitfill analizzano questo cambiamento in Task Substitution and Uplift, pubblicato nel maggio 2026, distinguendo il risparmio di tempo sulle attività precedenti, quello sulle attività scelte dopo l’introduzione dell’AI e l’aumento del valore prodotto [8].
Per l’azienda dei listini, questo potrebbe significare controllare incongruenze che prima si accettavano pur di non pagare il lavoro necessario a cercarle. Che il controllo venga affidato a una micro-app o richiesto direttamente alla piattaforma, il beneficio andrebbe cercato negli errori evitati e nelle decisioni migliorate.
Allo stesso modo, costruire in mezz’ora un pannello che avrebbe richiesto due giorni può essere conveniente, ma quei due giorni diventano un risparmio piuttosto immaginario se l’azienda non li avrebbe mai spesi. Il costo più basso allarga l’insieme delle cose possibili, comprese quelle di cui si riusciva tranquillamente a fare a meno.
Integrazione e manutenzione: i costi del software temporaneo
Un sistema che conserva le anagrafiche, un servizio che gestisce i pagamenti e un confronto fra due esportazioni del gestionale hanno durate, costi e responsabilità differenti. La convenienza di affidare l’ultimo compito a una piccola applicazione, o direttamente a una piattaforma AI, dice ancora poco su quella di sostituire gli altri due.
Il gestionale può restare al suo posto, mentre l’AI ne elabora le esportazioni e un piccolo strumento organizza gli eventuali passaggi ricorrenti. Collegare queste parti conserva però un costo: in You Can’t Buy Integration, Brandon Byars osservava già nel 2021 che acquistare una piattaforma significa procurarsi gli strumenti con cui costruire l’integrazione, lasciando da realizzare il collegamento concreto [9].
L’AI può aiutare a scrivere quel collegamento, mentre restano da stabilire quali dati siano accessibili, che cosa significhino e come vengano aggiornati. Se due sistemi attribuiscono significati diversi allo stesso campo, la questione arriva tanto alla micro-app quanto alla conversazione che dovrebbe sostituirla. E se, per alimentare l’una o l’altra, qualcuno deve ricopiare le informazioni ogni mattina, una parte del risparmio potrebbe aver semplicemente cambiato scrivania.
Martin Fowler considera il vibe coding, cioè la costruzione attraverso prompt senza esaminare il codice generato, particolarmente adatto al software destinato a essere scartato e usato da un pubblico ristretto, richiamandone proprio i problemi di correttezza, manutenzione e sicurezza [10].
Ma un’applicazione è temporanea finché può essere spenta senza portarsi via un pezzo del lavoro aziendale. Quando custodisce l’unica copia dei dati o diventa indispensabile a una procedura ricorrente, la sua scadenza è già stata prorogata: il vecchio destino delle macro di Excel, ora con una grafica più convincente.
Quando un’applicazione dedicata torna conveniente
Per confrontare i tre listini, l’azienda può ricevere il prospetto e conservare i risultati, lasciando alla piattaforma il codice scritto ed eseguito per produrli. Il programma ha svolto il proprio compito senza diventare un nuovo bene aziendale del quale occuparsi dopo la consegna.
La parte durevole si sposta allora verso la conoscenza necessaria a formulare l’incarico: quali corrispondenze siano ammissibili, quali eccezioni vadano segnalate, che cosa renda accettabile il risultato. Conservare queste informazioni significa poter affidare nuovamente il lavoro a uno strumento diverso; perderle significa dipendere da quello precedente anche quando il suo codice sarebbe facile da rifare.
Un’applicazione dedicata torna conveniente quando fissare quel lavoro in una procedura costa meno che ricostruirne ogni volta istruzioni, contesto e controlli. È qui che il prodotto gestionale deve guadagnarsi oggi il proprio posto: ciò che prima serviva semplicemente per poter svolgere un’attività potrebbe servire soprattutto per non doverla spiegare ogni volta.
Note
[1] Kundurthy, S. R. et al. (2026), SpreadsheetArena: Decomposing Preference in LLM Generation of Spreadsheet Workbooks. Proceedings of the 43rd International Conference on Machine Learning, PMLR, vol. 306, pp. 61702–61736, luglio 2026. ↩
[2] Anthropic, Create and edit files with Claude, Claude Help Center, 6 agosto 2026 ↩
[3] OpenAI, Consolidate spreadsheets, ChatGPT use cases, senza data. learn.chatgpt.com ↩
[4] Sanglaji, M., You can now easily generate files in Gemini, Google Blog, 29 aprile 2026. ↩
[5] Cui, Zheyuan (Kevin), et al. “The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers”. Preprint, Microsoft Research, giugno 2025. ↩
[6] Becker, Joel, et al. “Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity”. METR, 10 luglio 2025. ↩
[7] Becker, Joel, et al. “We are Changing our Developer Productivity Experiment Design”. METR, 24 febbraio 2026. ↩
[8] Cunningham, Tom, e Parker Whitfill. “Task Substitution and Uplift”. METR, 8 maggio 2026. ↩
[9] Byars, Brandon. “You Can’t Buy Integration”. MartinFowler.com, 14 dicembre 2021. ↩
[10] Fowler, Martin. “Vibe Coding”. MartinFowler.com, 21 maggio 2026. ↩
Partecipa alla community