L’intelligenza artificiale è sempre più capace di scrivere codice in autonomia, ma la qualità dei risultati dipende in modo determinante dall’esperienza di chi la guida. È quanto emerge da una ricerca di Anthropic, l’azienda che sviluppa Claude, basata sull’analisi di oltre 400.000 conversazioni con Claude Code da parte di 235.000 utenti diversi, nel periodo compreso tra ottobre 2025 e aprile 2026.

La ricerca: expertise di dominio, non solo di programmazione

Lo studio, intitolato “Agentic coding and persistent returns to expertise”, fotografa con dati concreti come l’esperienza influenzi i risultati dello sviluppo software assistito dall’AI. Il punto chiave, però, è che non si tratta necessariamente di competenza nella programmazione: ciò che fa la differenza è la conoscenza del settore in cui quel software verrà impiegato.

Un prompt di un utente esperto del proprio dominio genera in media una risposta di 3.200 parole e dieci azioni svolte dall’agente. Al contrario, un utente non esperto ottiene una risposta di circa 600 parole e solo cinque azioni. Ma la differenza più significativa riguarda il tasso di successo: il 65% delle richieste degli esperti produce un codice che funziona come atteso, contro il 39% di quelle dei non esperti.

Chi ha più successo con l’agentic coding

I dati mostrano che il 60% delle richieste avanzate da chi lavora nel settore software si conclude con successo. Seguono chi opera nel mondo legale (57%), nella sanità (56%) e nel management (55%). La distribuzione è interessante perché dimostra che non è necessario essere programmatori per usare efficacemente gli strumenti di agentic coding.

Ciò che conta è la capacità di definire con chiarezza gli obiettivi e di valutare criticamente i risultati prodotti dall’AI. Competenze che appartengono a chiunque conosca bene il proprio settore, indipendentemente dal background tecnico.

La divisione del lavoro tra umano e AI

La ricerca descrive anche come si distribuisce il lavoro tra l’utente umano e il modello AI. L’utente si fa carico del 70% delle cosiddette “planning decisions”: la definizione della visione, degli obiettivi, del contesto in cui il software dovrà operare. L’AI, invece, gestisce l’80% delle decisioni esecutive, legate al modo concreto in cui tradurre quelle indicazioni in codice funzionante.

Questa divisione spiega perché l’esperienza di dominio sia così rilevante. Chi conosce bene il settore è in grado di formulare richieste più precise, di anticipare i problemi, di correggere la direzione quando l’AI si allontana dall’obiettivo. Chi non ha questa conoscenza tende a formulare prompt generici, con risultati corrispondentemente meno precisi.

Agentic coding: cosa si intende e perché cambia le cose

Con “agentic coding” si intende lo sviluppo di software attraverso l’intelligenza artificiale in modalità autonoma: il modello non si limita a suggerire snippet di codice, ma esegue sequenze di azioni in modo proattivo, testando, correggendo e iterando fino a raggiungere l’obiettivo definito dall’utente.

Questo approccio abbassa significativamente la barriera di accesso allo sviluppo software. Non è più necessario saper scrivere codice per creare un programma funzionante: è sufficiente sapere cosa si vuole ottenere e descriverlo in modo chiaro. La ricerca di Anthropic dimostra però che “descriverlo in modo chiaro” non è banale: richiede una comprensione profonda del problema, che deriva dall’esperienza nel settore.

Le implicazioni per le professioni

I risultati dello studio hanno implicazioni importanti per molte professioni. Avvocati, medici, manager e consulenti con competenze di dominio profonde possono diventare sviluppatori software efficaci senza dover imparare a programmare. Al tempo stesso, i programmatori tradizionali vedono il loro ruolo evolversi: non scompaiono, ma devono acquisire una maggiore capacità di collaborazione con i sistemi AI e di valutazione critica dei loro output.

In entrambi i casi, il messaggio è chiaro: l’intelligenza artificiale non sostituisce la competenza, la amplifica. Chi entra in questo nuovo paradigma con una solida base di conoscenza del proprio settore ottiene risultati nettamente migliori. Chi si aspetta che l’AI possa compensare la mancanza di expertise rischia di rimanere deluso, o peggio, di costruire strumenti che non funzionano come previsto.

Articolo originale: infodata.ilsole24ore