Modernizzare un progetto software con gli agenti AI: cosa cambia davvero (e cosa no)

Negli ultimi due anni gli agenti AI per il codice — Claude Code e simili — sono passati da curiosità a strumento di lavoro quotidiano. Lavorano su intere codebase dal terminale, leggono migliaia di file, applicano modifiche coerenti. La domanda giusta per chi ha un progetto software non è più "funzionano?", ma "dove mi fanno davvero risparmiare tempo, e dove rischio di farmi male?". Vediamolo senza hype.

Cosa accelerano davvero

Il valore degli agenti AI non è scrivere codice nuovo da zero — quello lo sai fare anche tu. È il lavoro grezzo e ripetitivo su codice che esiste già: la parte noiosa, lenta e costosa di ogni progetto maturo. Tre casi in cui il guadagno è concreto e misurabile.

1. Refactor e migrazioni massive

Cambiare una libreria, aggiornare un framework di due major version, spostare 800 file da una convenzione a un'altra: è il lavoro che prima richiedeva settimane di modifiche meccaniche e ad alto rischio di errori da copia-incolla. Un agente AI applica la stessa trasformazione in modo coerente su tutta la codebase in una frazione del tempo. La velocità qui non è marginale: è 5-10x.

2. Audit di codebase ereditate

Quando erediti un progetto scritto da qualcun altro — un dev che è sparito, un'agenzia che ha chiuso, un fondatore tecnico uscito — il primo problema è capire cosa hai tra le mani. Un agente AI mappa l'architettura, traccia le dipendenze, segnala i punti fragili in ore, non in giorni. Non sostituisce il giudizio, ma ti porta al punto in cui puoi esprimerlo molto più in fretta.

3. Recupero di debito tecnico e test

Copertura di test mancante, dead code, dipendenze vulnerabili, documentazione assente: è il debito che nessuno ha mai tempo di ripagare. Gli agenti AI sono particolarmente efficaci qui, perché è lavoro ad alto volume e a pattern ripetuto — esattamente ciò in cui eccellono.

Cosa NON cambia (e perché è la parte importante)

Qui sta il fraintendimento più costoso del momento: pensare che l'agente AI decida. Non lo fa. Esegue molto bene, ma le decisioni restano dove sono sempre state.

• L'architettura. Quale struttura reggerà la crescita, dove mettere i confini tra servizi, quale trade-off accettare: sono scelte di giudizio, non di esecuzione. Un agente ti propone dieci strade plausibili; sapere quale è giusta per la tua fase è un altro mestiere.
• La direzione. Cosa rifare e cosa lasciare stare, cosa è urgente e cosa è rumore. L'AI non sa quali sono i tuoi vincoli di business, di cassa, di tempo. Senza quel contesto, ottimizza la cosa sbagliata in modo molto efficiente.
• La validazione. Un agente può scrivere codice che sembra corretto e compila, ma rompe un caso limite che solo chi conosce il dominio vede. Su tutto ciò che tocca la produzione serve una revisione umana — non opzionale.

È per questo che dico sempre: l'AI accelera l'esecuzione, non l'assunzione di responsabilità. Il rischio non sparisce, si sposta. Prima il collo di bottiglia era scrivere il codice; ora è revisionare e validare abbastanza in fretta da non perdere il vantaggio di velocità che hai appena guadagnato.

I tre modi di farsi male

Ho visto (e a volte evitato per un soffio) gli stessi errori ripetersi. Sono questi.

1. Fidarsi senza revisionare. Accettare le modifiche di un agente su migliaia di file senza un controllo serio è come fare merge di una PR di 10.000 righe senza leggerla. La velocità diventa un moltiplicatore di errori, non di valore.
2. Niente test, niente rete. Gli agenti AI danno il meglio dove c'è una suite di test che dice subito se qualcosa si è rotto. Su una codebase senza test, un refactor massivo guidato dall'AI è un salto nel buio. Spesso il primo passo giusto è proprio aggiungere i test, poi rifattorizzare.
3. Confondere "compila" con "funziona". Il codice che passa la build non è codice corretto. È la differenza che separa un prototipo da un sistema in produzione — e quella differenza la fa chi ha già portato cose vere davanti a utenti veri.

Come lo uso io

Nel mio lavoro — audit tecnici, sblocco di progetti fermi, modernizzazione di sistemi legacy, spesso calandomi direttamente nel team del cliente — gli agenti AI sono un moltiplicatore, non un sostituto. Decido architettura e strategia, l'agente fa il lavoro pesante, io revisiono ogni passo che tocca la produzione. Il risultato per chi mi ingaggia è semplice: più veloce, a parità di serietà. Un audit che prima richiedeva una settimana si chiude in un paio di giorni; una migrazione che avrebbe tenuto fermo un team per un mese si fa in molto meno.

La parola chiave è orchestrazione. Non "chiedo all'AI di fare il progetto", ma uso lo strumento giusto al momento giusto, dentro un processo dove le decisioni e la responsabilità restano umane. È esattamente quello che ti aspetti da un senior — solo più rapido. Se ti interessa il punto di vista pratico, da dentro — cosa accelera davvero questi strumenti per chi li usa ogni giorno — l'ho raccontato in dettaglio nella mia esperienza da senior con Claude Code. Qui invece resto sul piano di chi deve decidere se e come modernizzare un sistema.

In sintesi

Gli agenti AI hanno cambiato i tempi della modernizzazione del software, non le regole. Refactor, migrazioni, audit, recupero di debito tecnico: tutto più veloce. Architettura, direzione e validazione: ancora, e sempre più, lavoro umano. Chi pensa che l'AI cancelli il bisogno di un senior ha capito male; chi la usa per amplificare un senior ha capito tutto.

Domande frequenti

Hai un progetto da modernizzare, una codebase ereditata da capire o una migrazione che rimandi da mesi? Vedi come lavoro con gli agenti AI (interventi diretti o enablement del tuo team), parti da un audit tecnico, oppure parliamone in 30 minuti gratis. Ti rispondo entro 24 ore.