Sviluppo con AI

Sviluppare con l'AI non è la stessa cosa che usare un chatbot: è un nuovo modello di programmazione in cui gli strumenti che dai all'agente (tool use) e il contesto che gli inietti (prompt engineering strutturato) sono cittadini di prima classe quanto le funzioni e i tipi. Chi lo capisce costruisce agenti capaci e manutenibili; chi lo ignora produce chatbot fragili che funzionano in demo e falliscono a produzione.

Un passaggio strategico del 2025-2026 è la consacrazione del Model Context Protocol (MCP) come standard vendor-neutral: Anthropic lo ha donato alla Agentic AI Foundation sotto Linux Foundation il 9 dicembre 2025, con Google, Microsoft, AWS, Cloudflare, Bloomberg come supporter. Cosa significa per un decision maker: investire in un MCP server custom che espone i gestionali aziendali (ERP, CRM, ticketing, data lake) non è un lock-in su Anthropic, è un asset che funziona con Claude, ChatGPT, Gemini, Copilot, Cursor, VS Code e con i modelli self-hosted di domani, tutti via lo stesso protocollo aperto. Il CapEx sull'MCP dura nel tempo.

Gli articoli di quest'area coprono i pattern che ho consolidato nella mia pipeline personale e che porto nei progetti: agenti custom con tool use per automatizzare analisi tecniche e decisionali, MCP server in PHP per esporre logica aziendale esistente agli agent LLM senza riscriverla, Claude Code in workflow reale con hook e rule di governance, prompt engineering sistematico con pattern riusabili e test automatici. Il taglio è quello di un ingegnere che scrive per altri ingegneri senior, con abbastanza contesto perché anche un CTO o un responsabile IT non-coder capisca cosa si sta costruendo e perché ha ROI.

Il principio sottostante vale per il decision maker quanto per il dev: l'AI come collaboratore capace, non come oracolo infallibile. Gli strumenti descritti qui abilitano l'ingegnere a delegare task specifici con controllo umano appropriato, non a sostituire il ragionamento architetturale. E permettono al CTO di valutare quale parte del ciclo di sviluppo ha senso investire in automazione AI, con quali metriche di qualità e quale governance minima.