Gen Z e junior developer, Matteo Biasi: «Se l’AI alza l’asticella, servono nuove competenze»

Nel coding di oggi l’impatto più visibile dell’AI generativa riguarda i profili junior: l’autonomia cresce più in fretta e, con essa, le aspettative sulle competenze già acquisite quando si entra nel settore. Se alcune hard skill sembrano più rapide da colmare perché assistite dagli strumenti, la selezione si sposta su ciò che non può essere delegato: comprensione del problema, domande precise, mantenimento del controllo su qualità e sicurezza. Per chi è all’inizio, la differenza sta nell’adattarsi a standard che cambiano di continuo, lavorando bene in team senza cedere all’illusione del “lascio fare tutto”, che può produrre software opaco e fragile.​

A raccontare questa trasformazione è Matteo Biasi, founder e CEO di MetaEsse. Dal lavoro tra prodotti software e progetti per aziende e startup, osserva da vicino come l’AI stia cambiando metodi, tempi e criteri di ingresso nel mercato per i profili junior.

Qual è la tua visione sull’introduzione dell’AI generativa nel lavoro e su come sta cambiando l’adozione di questi strumenti?
Nel mondo IT l’AI ha già cambiato molte cose, soprattutto nel modo in cui si lavora ogni giorno e nella produttività complessiva. Per esempio, su profili junior oggi vedo un’autonomia e una capacità di output molto più alta rispetto al passato, a patto di saper guidare il processo e fare le domande giuste quando serve. Sulle figure senior, invece, l’uso diventa più strutturato: entra nella fase concettuale e di analisi (per ragionare, non per “inventare”), e poi nella realizzazione dentro un framework progettato per collaborare bene con l’AI e ridurre passaggi inutili. Detto questo, non è “vibe coding” lasciando fare tutto: quel tipo di approccio crea facilmente black box, cioè software che non controlli davvero e che prima o poi diventa difficile mantenere o mettere in sicurezza.​

Hai un esempio concreto dei rischi di un uso troppo automatico dell’AI nello sviluppo?
Mi è capitato di recente con l’intervento su un’applicazione: dopo una semplice modifica, l’app è andata in down e, pur avendo parti scritte bene, c’erano scelte architetturali che un programmatore esperto difficilmente avrebbe fatto in quel modo. In mezzo c’era anche un tema legato al caricamento di una libreria via CDN (una rete di server usata per distribuire file e contenuti online e farli caricare più velocemente), e per risalire al problema ho impiegato ore. Il punto è che, se costruisci in modo opaco, non sai mai quale “effetto collaterale” l’AI può introdurre in una parte che non stai guardando e a posteriori recuperare è costoso. Intanto i clienti si abituano a tempi sempre più stretti e c’è il rischio di comprimere ragionamento e analisi, moltiplicando funzionalità poco pensate che poi non servono e finiscono buttate. Per questo il programmatore deve evolvere anche come consulente: oggi costruire costa meno, ma costruire cose inutili resta comunque un costo.​

Com’è entrata l’AI nel vostro metodo di lavoro e come l’avete integrata nei processi?
Nelle primissime fasi il valore aggiunto era limitato: qualche aiuto sul codice, ma senza un impatto davvero strutturale. Dal 2024 in poi l’uso è diventato concreto: prima sperimentazione individuale e confronto tra colleghi su strumenti, modelli e flussi (Copilot, Cursor e altri). Il salto è arrivato quando abbiamo dedicato tempo a capire come usare l’AI per ottimizzare i processi e restare competitivi, ragionando anche su strategia e standard interni. A livello tecnico, abbiamo costruito una base di codice “nostra” con componenti core che vogliamo controllare, e abbiamo aggiunto file di contesto/istruzioni (tipicamente documentazione in markdown) per far capire agli agenti come è fatto il progetto e come muoversi nel boilerplate. Oggi una parte significativa del lavoro si orchestra così, pur restando fondamentale la quota umana per test, verifiche e scelte progettuali. Questo ci ha permesso di consegnare software complessi (app mobile, portali web, pannelli di amministrazione) in circa due mesi/due mesi e mezzo, tempi che fino a poco prima erano difficili da immaginare.

Questa accelerazione è un vantaggio competitivo o sta diventando uno standard di mercato?
Nel nostro caso è soprattutto un adeguamento, perché lavoriamo molto con startup e aziende che fanno innovazione e quindi hanno già aggiornato aspettative su tempi e costi. Oggi capita che arrivino con prototipi o mockup già pronti, e dare come tempistiche di lavoro “otto mesi” spesso non è più accettabile. Se non ti adegui, rischi di perdere clienti più che ottenere un vantaggio.​

Come scegliete i modelli e come gestite il tema privacy?
Siamo passati da varie soluzioni: a lungo Claude ci è sembrato più avanti e più “funzionale” nel ragionamento rispetto a GPT-3.5, mentre oggi le differenze tra modelli si sono ridotte e conta moltissimo il contesto che dai in pasto al sistema. In pratica, più che la “sigla” del modello, fa la differenza l’orchestrazione: documentazione, file di contesto, agenti/intermedi che leggono istruzioni e interpretano correttamente cosa fare nel codice. Sul tema privacy, è vero che inevitabilmente stai dando molto (anche codice) a grandi player: magari non è spionaggio industriale, ma il dubbio resta e per questo il tema dei modelli locali potrebbe crescere. Il limite oggi è soprattutto tra hardware e costi computazionali: per far girare bene modelli in locale servono macchine potenti (es. molta RAM), ma nei prossimi anni questa strada potrebbe diventare più praticabile.​

L’AI cambia più i compiti che i ruoli: sei d’accordo?
Non credo che la professione sparirà, perché tra fare qualcosa “in qualche modo” e farla bene con metodo e responsabilità c’è la differenza che fa l’esperienza. Anche se chiedi all’AI come si fa, se non conosci la materia non sai fare le domande giuste, quindi il risultato resta parziale e spesso fragile. Oggi, soprattutto nella consulenza, la persona è ancora centrale: la gestione del cliente, le domande verticali, lo storico non digitalizzato e le decisioni di contesto non si risolvono con un automatismo. Ci sono tentativi e molto hype spinto anche da interessi economici, ma un’agenzia o una boutique che vive di relazione e fiducia difficilmente può “sparire dentro un agente” nel breve periodo.​

Per le figure junior cambiano le competenze richieste: contano di più autonomia e soft skill?
Sì: se l’esecuzione pura viene accelerata dagli strumenti, diventano ancora più importanti comprensione del problema, autonomia nel trovare soluzioni, capacità di lavorare in team, motivazione e contributo di idee. Inoltre si alza l’asticella sulle basi: oggi dire “non lo so fare” su una cosa elementare e fermarsi non è più sostenibile, perché hai strumenti per capire rapidamente e poi confrontarti in modo intelligente.​

Un consiglio a un giovane che inizia oggi?
Di non avere paura della mancanza di lavoro: il lavoro c’è, ma richiede autonomia vera e competenze di base solide per non fare danni. La metafora che uso è quella della guida: devi essere tu al volante, con il “feeling” per capire fin dove spingerti e quando invece serve prudenza. E poi investire su competenze trasversali, carattere e adattabilità, perché un junior può portare punti di vista nuovi che, uniti all’esperienza del team, generano valore reale.