Dal Vibe Coding all’Agentic Engineering: Il Futuro degli Sviluppatori

Nel febbraio del 2025, il panorama tecnologico globale è stato attraversato da una scossa sismica culturale, innescata non dal rilascio di un nuovo prodotto hardware o da un’acquisizione miliardaria, ma da un singolo tweet di Andrej Karpathy. Karpathy, figura totemica nell’ambito dell’intelligenza artificiale grazie al suo lavoro pionieristico in OpenAI e Tesla, ha introdotto nel lessico collettivo il termine “Vibe Coding”.

Questa espressione, apparentemente giocosa, traducibile in italiano più o meno come “programmazione a sensazione”, ha cristallizzato il fermento di un momento storico in cui la barriera tra l’intenzione umana e l’esecuzione della macchina sembrava essersi dissolta.

Per chi ancora non lo sapesse, il Vibe Coding è un moderno sistema di sviluppo software basato su Intelligenza Artificiale grazie al quale anche chi non ha competenze nel linguaggio di programmazione e non sa scrivere codice può cimentarsi nella creazione di app e siti web, utilizzando semplicemente il linguaggio naturale per descrivere il risultato che desidera ottenere.

Una novità entusiasmante, ma da approcciare con cautela

La promessa introdotta da Karpathy era seducente: la programmazione non richiedeva più la conoscenza di sintassi arcane o la gestione della memoria, ma semplicemente la capacità di “vibrare” (essere in sintonia) con l’intelligenza artificiale, affidandosi a essa completamente per la traduzione dei pensieri in software funzionante.

Tuttavia, a distanza di un anno, lo scenario è mutato radicalmente. Nel febbraio 2026, lo stesso Karpathy ha dichiarato conclusa quell’era di sperimentazione sfrenata, inaugurando una fase di maturità necessaria e urgente: il cosiddetto “Agentic Engineering”, di cui approfondiremo più avanti.

Oggi, per tutti i cari lettori di questo blog, BizContact si propone di dissezionare questo anno cruciale per l’industria del software. Non ci limiteremo a tracciare una cronistoria di termini alla moda, ma condurremo un’analisi profonda su come le organizzazioni stanno navigando la transizione dal caos creativo del Vibe Coding alla disciplina strutturata dell’ingegneria basata su Agentic AI.

La distinzione tra questi due paradigmi non è una questione di semantica accademica. È una questione di sopravvivenza operativa. Se è vero che il Vibe Coding ha democratizzato l’accesso alla creazione di software e piattaforme web, è anche vero che ha introdotto rischi sistemici senza precedenti: codebase ingestibili, vulnerabilità di sicurezza e un debito tecnico che non cresce linearmente, ma esponenzialmente.

Analizzeremo, tra le altre cose, come strumenti come Cursor, Replit e Windsurf si siano evoluti per rispondere a queste sfide, trasformandosi da semplici editor di testo a complessi ambienti di orchestrazione per intelligenze artificiali, e come il ruolo stesso dello sviluppatore stia subendo una metamorfosi irreversibile: da scrittore di codice a “architetto” di sistemi agentici.

L’Anatomia di un Meme Tecnico

La Genesi: Febbraio 2025

Per comprendere la traiettoria attuale, dobbiamo tornare al punto zero. Come anticipato nell’introduzione, il termine “Vibe Coding” è stato coniato da Andrej Karpathy a inizio febbraio 2025, in un tweet (o “X”, se preferisci) che sarebbe diventato la pietra miliare di una nuova filosofia di sviluppo. Karpathy descriveva un’esperienza quasi trascendentale: «C’è un nuovo tipo di coding che chiamo ‘vibe coding’, dove ti arrendi completamente alle sensazioni, abbracci gli esponenziali e dimentichi persino che il codice esista».

Questa definizione conteneva in sé i semi sia della rivoluzione che del disastro successivo. A differenza del pair programming assistito da IA, che era la norma fino a quel momento e prevedeva che lo sviluppatore controllasse, comprendesse e validasse ogni suggerimento della macchina, il Vibe Coding proponeva una radicale abdicazione della supervisione.

Nel paradigma descritto da Karpathy si individuano i seguenti passaggi:

• Lo sviluppatore interagisce esclusivamente tramite linguaggio naturale, scrivendo prompt o dettando comandi vocali a strumenti AI.
  
  
• L’utente accetta ciecamente l’intero output propostogli dalla macchina, rinunciando alla lettura dei “diff” (le differenze puntuali tra il codice esistente e quello proposto).
  
  
• La gestione degli errori diventa un processo meccanico e scriteriato: in caso di bug, il messaggio di errore viene copiato e incollato nell’AI senza alcun tentativo di comprensione logica, iterando il processo finché il software, magicamente, “funziona” o il bug scompare (spesso, aggiungiamo, entrando in un loop di prompt correttivi che sembrano non avere fine).

La Battaglia Semantica e la Diffusione Culturale

L’adozione del termine è stata immediata e virale, penetrando nel lessico di testate generaliste come il New York Times e il Guardian, e venendo persino nominata “Parola dell’Anno 2025” dal Collins English Dictionary. Tuttavia, questa diffusione ha portato a quello che Simon Willison (programmatore britannico di spicco e oggi figura di riferimento nel campo dell’AI generativa) ha definito “diffusione semantica”. Il termine, originariamente inteso da Karpathy per descrivere un approccio specifico, rischioso e sperimentale (“accettare ciecamente il codice”), è stato rapidamente adottato dal marketing e dalla cultura tech per indicare genericamente qualsiasi uso di LLM (Large Language Models) nella programmazione.

Simon Willison e altri puristi hanno tentato, invano, di mantenere la distinzione. Proprio Willison, a marzo del 2025, ha dichiarato sul suo blog che «Se un LLM ha scritto ogni riga del tuo codice, ma tu l’hai rivisto, testato e compreso tutto, quello non è Vibe Coding nel mio libro; quello è usare un LLM come assistente alla digitazione». Il vero Vibe Coding, nella sua essenza più pura e pericolosa, richiede l’ignoranza deliberata del codice sottostante. È l’atto di fidarsi dell’output “scatola nera” fintanto che il comportamento osservabile del software soddisfa i requisiti immediati.

Un nuovo linguaggio di programmazione

Alla base del Vibe Coding vi era una tesi filosofica forte: la capacità degli LLM di interpretare l’intento umano era diventata tale da “degradare” i linguaggi di programmazione tradizionali (Python, JavaScript, Rust) al rango di “bytecode” o linguaggio assembly, ovvero una sorta di “traduzione” intermedia, che, seppur necessaria per farsi comprendere dalle macchine e farle funzionare, diventa irrilevante per l’operatore umano, il cui vero linguaggio di programmazione diventa la propria lingua parlata.

Karpathy stesso aveva predetto nel 2023 che «il nuovo linguaggio di programmazione più “hot” è l’inglese», e, qualche anno dopo, il Vibe Coding sembrava la realizzazione pratica di quella profezia. Tuttavia, Karpathy aveva anche aggiunto un avvertimento cruciale, spesso ignorato nell’euforia generale: questo approccio era “divertente” e adatto per “progetti usa e getta del weekend”, ma comportava rischi di manutenibilità severi. Il mercato, affamato di velocità e riduzione dei costi, ha scelto di ascoltare solo la prima parte del messaggio.

Promessa vs Realtà

La tensione dialettica tra la promessa utopica del Vibe Coding e la dura realtà operativa affrontata dalle aziende nell’ultimo anno costituisce il cuore di questa analisi. È qui che le aspettative si sono scontrate con i limiti dell’ingegneria del software.

La Promessa: Risultati alla Velocità del Pensiero

Nel 2025, strumenti come Replit, Bolt.new e v0 (come vedremo tra poco) hanno cavalcato l’onda del Vibe Coding promettendo di creare applicazioni complete in grado di lavorare “alla velocità del pensiero”. La promessa era rivoluzionaria: abbattere completamente le barriere all’ingresso e permettere a chiunque, anche senza competenze tecniche, di diventare creatore di software.

I primi casi di successo sembravano dare ragione a questa visione. Pieter Levels, imprenditore seriale, ha documentato la costruzione di un servizio web che ha generato 1 milione di dollari di ricavi annuali ricorrenti (ARR) in soli 17 giorni, partendo da un prototipo realizzato in 3 ore.

Il fenomeno ha portato vantaggi concreti:

• Accessibilità democratica: Product manager, designer e fondatori non tecnici hanno potuto trasformare le proprie idee in software funzionante, senza dipendere dai dipartimenti di ingegneria o negoziare risorse.
  
  
• Eliminazione del “Lavoro Grigio”: La configurazione iniziale, il boilerplate (il codice standard che si deve scrivere in ogni progetto prima della parte logica), la preparazione degli ambienti di sviluppo e l’integrazione delle librerie sono stati automatizzati. Il tempo per vedere il primo risultato a schermo si è ridotto praticamente a zero.
  
  
• Prototipazione rapida: Per testare velocemente nuove idee, partecipare a competizioni di sviluppo (hackathon) o creare prototipi funzionanti di prodotti (MVP – Minimum Viable Products), il Vibe Coding si è rivelato imbattibile. La possibilità di iterare interfacce e logica semplicemente “conversando” con lo strumento ha accelerato drasticamente i cicli di feedback.

La Realtà: Il Muro della Manutenibilità

Tuttavia, verso la fine del 2025, la realtà operativa ha iniziato a mostrare le crepe nel modello. Le stesse caratteristiche che rendevano il Vibe Coding magico per i prototipi si rivelavano letali per i sistemi in produzione e le codebase a lungo termine:

• Il Ciclo dell’Illusione: Gli sviluppatori hanno descritto un fenomeno ricorrente. Le prime 4-8 ore di sviluppo in modalità “Vibe” sono esaltanti: le funzionalità appaiono quasi magicamente. Poi arriva il muro. Quando la complessità del sistema supera la capacità dell’AI di mantenere il contesto, o quando l’utente non riesce più a descriverne l’intera struttura in un singolo prompt, l’intelligenza artificiale inizia a fallire. I tentativi di correzione generano “allucinazioni” che rompono funzionalità precedentemente valide, innescando un frustrante ciclo di regressioni noto come “whack-a-mole” (il gioco della talpa).
  
  
• Mancanza di contesto profondo: Un’intelligenza artificiale, per quanto avanzata, non conosce intrinsecamente i vincoli aziendali. Non “sa” quali sono i requisiti di compliance GDPR, non conosce le peculiarità dell’infrastruttura legacy e non comprende la logica di business che non è stata esplicitata nel prompt. Il “vibe coder”, abituato a concentrarsi solo sui risultati immediati, spesso omette queste informazioni cruciali. La conseguenza di ciò è un software che in superficie sembra funzionare correttamente ma che in realtà viola standard critici.
  
  
• Fragilità Strutturale: Le soluzioni generate via Vibe Coding tendono a essere “cerotti” locali. L’AI risolve il problema immediato con la soluzione più probabile statisticamente, che spesso non è quella architettonicamente corretta per lo specifico sistema. Questo porta a un accumulo di codice “spaghetti”, privo di una visione d’insieme coerente, che collassa sotto carico o al primo tentativo serio di refactoring (riorganizzazione e pulizia del codice esistente).
  
  
• Il Caso Karpathy e Nanochat: Emblematico è stato il tentativo dello stesso Karpathy di utilizzare agenti autonomi per il suo progetto “Nanochat”, un’interfaccia minimale che replica l’esperienza utente di ChatGPT riducendola agli elementi essenziali. Dopo aver provato a svilupparlo con agenti Claude e Codex, ha dovuto ammettere pubblicamente che “non funzionavano abbastanza bene” e che il progetto è stato, infine, “interamente scritto a mano”. Se persino il padrino del Vibe Coding non si fida della tecnologia per i propri progetti seri, il segnale per l’industria è inequivocabile.

Allo stato evolutivo attuale dell’AI, nessuno è in grado di affermare o negare con certezza che questi “intoppi” del Vibe Coding potranno essere eliminati in futuro. La logica nascosta dietro il funzionamento attuale delle reti neurali degli LLM e le loro dinamiche di risposta basate fondamentalmente sulla successione probabilistica di parole in un dato contesto semantico, non sembrano lasciar presagire un superamento completo dei problemi sopra citati, poiché essi sono strettamente correlati alla natura stessa dell’intelligenza artificiale generativa così come la conosciamo oggi. Tuttavia, non è nemmeno da escludere completamente che tali dinamiche vengano un domani stravolte da un nuovo rivoluzionario cambiamento.

L’Impatto sul Lavoro: Il Paradosso della Produttività

L’adozione massiccia di assistenti di codifica basati sull’intelligenza artificiale ha generato un paradosso: mentre la velocità di scrittura del codice è aumentata vertiginosamente, la produttività complessiva, il ciclo di vita e la stabilità dei sistemi hanno subito contraccolpi inaspettati.

L’Analisi Quantitativa: Più Codice, più Problemi

I dati raccolti dai principali osservatori del settore nel 2025 dipingono un quadro che contraddice l’ottimismo iniziale:

• L’analisi delle performance DevOps (Development and Operations) riportate nel Google DORA Report 2025 ha rilevato che l’uso dell’AI ha effettivamente accelerato la scrittura del codice e la documentazione, ma ha contemporaneamente diminuito la stabilità del rilascio software del 7,2%. La velocità guadagnata in fase di scrittura viene persa, con gli interessi, in fase di incident response.
  
  
• Lo studio condotto da Harness “The State of AI in Software Engineering 2025” teorizza il “Paradosso della velocità dell’Intelligenza Artificiale” (AI Velocity Paradox), rilevando che, sebbene il 63% delle organizzazioni rilasci codice più rapidamente grazie al Vibe Coding, l’accelerazione a monte crea un “punto cieco operativo” a valle nei processi di test e sicurezza. Una netta maggioranza delle persone intervistate per questo report definisce il Vibe Coding un “disastro annunciato” che rischia di inondare gli sviluppatori senior con richieste di correzione di “lavoro scadente”. A conferma di ciò, emerge anche un altro dato: il 45% di tutte le distribuzioni legate a codice generato dall’AI porta attualmente a problemi operativi. L’aumento di velocità rischia quindi di essere illusorio, paragonato nel report allo “schiacciare un palloncino”: il volume di lavoro non diminuisce, viene semplicemente spostato dalla scrittura alla fase di revisione e gestione degli incidenti.
  
  
• Nel suo “2025 Developer Survey”, Stack Overflow (noto sito web dedicato alla programmazione) rivela che il 35% dei visitatori della piattaforma cerca informazioni “verificate da umani” per risolvere problemi legati all’Intelligenza Artificiale. Il report conferma che per il 66% degli sviluppatori il debug del codice generato con strumenti AI rappresenta una fonte significativa di frustrazione e fornisce soluzioni “quasi giuste, ma non del tutto”. Il 45%, inoltre, dichiara che correggere tale codice richiede più tempo rispetto al doverlo scrivere manualmente.

La “Juniorizzazione” della Forza Lavoro

Un report di Ox Security ha introdotto un concetto potente per descrivere questo fenomeno: “Army of Juniors” (L’Esercito di Junior). L’AI scrive codice con la velocità di un supercomputer, ma con la maturità e il giudizio architettonico di uno sviluppatore junior. Il codice è sintatticamente perfetto e funzionalmente corretto nel caso ideale, ma manca di robustezza, gestione degli errori e visione d’insieme.

Questo ha causato uno spostamento sismico dei ruoli all’interno dei team di sviluppo. Gli sviluppatori senior, che sono le risorse più costose e preziose, si trovano sempre più spesso a non scrivere nuove funzionalità innovative. Invece, vengono trascinati in infiniti cicli di revisione e correzione del codice prodotto dai “vibe coders”. Il loro ruolo si sta trasformando da creatori a “babysitter” di output macchina spesso incomprensibili o sottilmente errati. Questo, proprio come descritto nel sondaggio di Stack Overflow, genera frustrazione, burnout e un collo di bottiglia nei processi di approvazione del codice (Pull Request), che sono aumentati in volume ma diminuiti in qualità media.

La Crisi della Formazione

Un effetto collaterale a lungo termine, che inizia a manifestarsi ora nel 2026, è il “gap di apprendimento”. Se l’AI automatizza tutti i compiti semplici e di routine che tradizionalmente permettevano ai junior di imparare il mestiere, come formeremo la prossima generazione di senior capaci di supervisionare l’AI? Manca la “palestra” per l’apprendimento e questo, se in qualche modo non si stravolgono le dinamiche del Vibe Coding, con tutta probabilità, creerà un rischio di vuoto di competenze critico per il futuro dell’industria.

Il Debito Tecnico e la “Crisi del Copia-Incolla”

L’aspetto forse più allarmante emerso dai vari report del 2025 è l’esplosione silenziosa ma devastante del cosiddetto “debito tecnico” (l’accumulo di problemi strutturali nel codice di un software che renderà sempre più costoso e difficile modificarlo in futuro), un fenomeno che minaccia la sostenibilità a lungo termine di molti progetti nati sull’onda dell’entusiasmo per l’AI.

La Morte del Riutilizzo

Il Rapporto GitClear del 2025 ha condotto una delle analisi più esaustive del settore, esaminando oltre 200 milioni di righe di codice modificate tra il 2020 e il 2025. I risultati sono un atto d’accusa contro le pratiche di Vibe Coding non controllato:

• Crollo del Refactoring: L’attività di manutenzione qualitativa del codice esistente (refactoring) è crollata drasticamente. Gli sviluppatori non migliorano più il codice già scritto, ma si limitano ad aggiungerne di nuovo, rendendolo più disordinato e appesantendo inutilmente i sistemi.
  
  
• Esplosione della Duplicazione: La pratica di duplicazione nel coding è aumentata di 4 volte. Per la prima volta nella storia dello sviluppo software moderno, la quantità di codice “copia-incollato” ha superato quella del codice riorganizzato e ottimizzato.
  
  
• La Violazione del Principio DRY: Il principio cardine dell’ingegneria software, DRY (Don’t Repeat Yourself), ovvero scrivere ogni funzionalità una sola volta e riutilizzarla quando serve, viene sistematicamente violato. La causa è strutturale: gli assistenti AI tendono a generare soluzioni complete, autoconclusive e autonome per ogni richiesta, ignorando spesso l’esistenza di funzioni già presenti nel progetto che potrebbero essere riutilizzate. L’AI non “vede” il codice scritto tre mesi fa a meno che non sia nel suo contesto immediato, quindi riscrive la stessa logica da zero.

Il Debito Tecnico Composto

Questo comportamento porta a quello che Ana Bildea (figura di spicco e divulgatrice nel campo dell’AI) ha definito “debito tecnico composto”. A differenza del debito tecnico tradizionale, che è spesso il risultato di una scelta consapevole di prendere una scorciatoia per rispettare una scadenza (e che si intende risolvere in seguito), il debito da AI è involontario, invisibile e diffuso.

Il risultato è una codebase gonfia, piena di logiche duplicate con lievi variazioni. Quando si scopre un bug in una logica di validazione, l’ingegnere umano deve trovarne e correggerne tutte le decine di varianti sparse nel codice dall’Intelligenza Artificiale, trasformando la manutenzione ordinaria in una caccia al tesoro estenuante. Questo fenomeno porta a una “manutenzione indefinita” che drena risorse dall’innovazione.

Focus Aziendale: Sicurezza, Dati e Governance

Per un’azienda, l’adozione di questi strumenti non è solo una questione di produttività, ma di gestione del rischio. Da quando è esploso il Vibe Coding all’inizio del 2025, nel settore digitale sono emerse vulnerabilità critiche che richiedono un approccio difensivo.

I Rischi di Sicurezza “Nativi” dell’AI

Le statistiche sulla sicurezza del codice generato dall’AI sono allarmanti. Uno studio di Apiiro ha rilevato che i team assistiti da AI hanno introdotto nei sistemi di produzione 10 volte più vulnerabilità di sicurezza rispetto ai team tradizionali.

• Credenziali Esposte: Un problema ricorrente è l’inclusione accidentale di dati sensibili come password, chiavi d’accesso ai servizi cloud o token API direttamente nel codice. L’AI, addestrata su codice pubblico spesso contiene erroneamente dati che dovrebbero essere “segreti” e tende a replicare il pattern sbagliato. I team che usano l’Intelligenza Artificiale espongono credenziali con una frequenza doppia rispetto agli altri.
  
  
• Mancanza di pensiero sulla sicurezza (Logic Blindness): L’AI eccelle nella scrittura di codice sintatticamente corretto, ma non ragiona sulle minacce alla sicurezza. Un esempio classico: se chiedi all’AI di “creare una funzione per aggiornare il profilo utente”, genererà un codice perfettamente funzionante che accetta i dati e aggiorna il database. Il problema? Spesso dimentica completamente i controlli di sicurezza fondamentali, come verificare che l’utente X possa modificare solo il proprio profilo e non quello di altri utenti. Questo tipo di svista apre la porta a vulnerabilità gravi: utenti non autorizzati che accedono a dati altrui o che acquisiscono privilegi amministrativi che non dovrebbero avere.

Privacy dei Dati e Framework di Governance

La preoccupazione principale per le aziende riguarda la proprietà intellettuale e la privacy dei dati. “Il mio codice verrà usato per addestrare il prossimo modello di OpenAI?” è la domanda che ogni CTO si pone. L’ecosistema ha risposto con soluzioni specifiche:

• Garanzia di non conservazione dei dati (Zero Data Retention – ZDR): alcuni tool (come, ad esempio, Cursor e Windsurf, che vedremo più avanti) hanno implementato modalità “Privacy Mode” In questa configurazione, il codice viene inviato all’intelligenza artificiale solo per il tempo strettamente necessario a generare la risposta e non viene mai conservato sui server del fornitore, né utilizzato per addestrare futuri modelli. Questa è la condizione indispensabile per l’adozione in settori regolamentati come quello bancario o sanitario.
  
  
• Installazioni private e sicure: Per le organizzazioni con requisiti di sicurezza estremi, soluzioni come Windsurf offrono configurazioni in cui l’orchestrazione del codice e l’indicizzazione avvengono interamente all’interno dell’infrastruttura privata del cliente o in VPC (Virtual Private Cloud), garantendo che la proprietà intellettuale non lasci mai il perimetro aziendale.
  
  
• Il rischio dello “Shadow IT”: Un altro problema emergente è l’uso non autorizzato di strumenti AI da parte dei dipendenti. Sviluppatori che, per aggirare i processi lenti del responsabile IT aziendale, incollano codice proprietario in ChatGPT standard o usano tool web non approvati, pubblicando inavvertitamente dati sensibili su Internet tramite prototipi non protetti.

Dal Caos al Controllo: L’Agentic Engineering

Come anticipato nell’introduzione, la risposta dell’industria alla diffusa fallibilità del Vibe Coding non è stata l’abbandono dell’Intelligenza Artificiale, ma la sua professionalizzazione sotto l’egida dell’Agentic Engineering.

Definizione e Filosofia dell’Agentic Engineering

Se il Vibe Coding è l’atto di “dimenticare che il codice esiste”, l’Agentic Engineering è la disciplina di “orchestrare agenti autonomi che scrivono codice sotto stretta supervisione strutturale”. In questo paradigma, l’essere umano smette di essere lo “scrittore” del codice per diventare l’Architetto e il Revisore Supremo. Andrej Karpathy descrive questo ruolo come colui che «non scrive il codice direttamente per il 99% del tempo, ma orchestra agenti che lo fanno e agisce come supervisore».

Il Framework “Thread-Based Engineering”

Uno dei modelli operativi emergenti più interessanti è il “Thread-Based Engineering”. In questo approccio, il lavoro dell’ingegnere si concentra solo sui due estremi del processo di sviluppo:

1. L’Inizio (Definizione e Pianificazione): Non si tratta più di chiedere “fai funzionare il login”. L’ingegnere deve inserire nei prompt specifiche tecniche dettagliate, istruzioni di design e piani di test prima ancora di attivare l’agente AI. Questa fase richiede competenze di “Context Engineering”, ovvero la capacità di preparare il contesto informativo perfetto (documentazione, esempi rilevanti, regole di business ecc.) affinché l’agente possa operare senza ambiguità.
   
   
2. La Fine (Revisione e Validazione): Una volta che l’agente ha completato il proprio compito (modificando file, lanciando test, eseguendo comandi), l’ingegnere interviene per una revisione rigorosa. L’output del tool non deve essere accettato alla cieca. Se ne verifica la logica, la sicurezza e l’aderenza agli standard aziendali.

Perché l’Agentic Engineering è Sostenibile

L’Agentic Engineering reintroduce la responsabilità nel ciclo di sviluppo. Richiede l’implementazione di “Quality Gates” (punti di controllo) sia automatizzati che umani, che verificano la qualità del codice prima che venga integrato nel progetto.

Si passa da un approccio “alla giornata”, tipico del Vibe Coding prototipale, a un approccio disciplinato dove l’AI è un collaboratore potente ma subordinato a regole di governance rigide. Questo modello mitiga il rischio di debito tecnico perché impone che il codice generato sia compreso e validato dall’ingegnere prima di essere integrato nei sistemi informatici aziendali.