← Tutti gli episodi

Perché il codice AI passa tutti i test ma fallisce in produzione?
Episodio 11

Perché il codice AI passa tutti i test ma fallisce in produzione?

· 00:16:37

È venerdì pomeriggio. Uno sviluppatore del team apre una Pull Request da quattrocento righe sul gestionale: la pipeline è verde, il compilatore non dà avvisi, i test passano tutti. Chi guarda solo la velocità di consegna vorrebbe mandarla subito in produzione. L’architetto invece fa una sola domanda all’autore del codice, ascolta la risposta e rifiuta la Pull Request.

Il codice AI passa tutti i test: perché un architetto lo rifiuta lo stesso?

È la scena da cui parte la puntata, e la domanda che l’architetto fa all’autore la senti all’inizio dell’ascolto.

Cosa trovi in questa puntata

Parto da quella scena per spiegare perché il codice generato dall’AI è più insidioso proprio quando sembra funzionare al primo colpo. Metto insieme una vecchia legge di Brian Kernighan sul debugging, un esperimento di Anthropic su due gruppi di sviluppatori e i dati di GitClear su cosa succede ai repository nel tempo.

Nella seconda parte racconto le verifiche pratiche che applico in code review prima di accettare codice scritto con l’AI dentro un sistema destinato a durare anni.

È per Lead Developer, Software Architect, CTO e per chiunque faccia code review o risponda della tenuta di un sistema software in produzione.

Il tema del debito che si accumula nel codice l’ho aperto nella puntata su Perché una modifica semplice ti costa tre mesi. Le altre puntate stanno tutte su while true do;.

Fonti

  • Shen, J. H., & Tamkin, A. (Anthropic), “How AI Impacts Skill Formation”: arXiv:2601.20245. Dati e trascrizioni nel repository dello studio.
  • GitClear Research, “The Maintainability Gap: 2026 AI Code Quality Research”: gitclear.com.
  • Brian W. Kernighan, P. J. Plauger, “The Elements of Programming Style”, 2a ed., McGraw-Hill, 1978.

Se vuoi dare al tuo team un metodo concreto per usare l’AI nello sviluppo senza perdere il controllo del codice, bit Time Professionals affianca i team tecnici con consulenza architetturale e formazione sul campo. Scrivici a professionals@bittime.it.

Per domande, proposte di temi o per raccontarmi come gestite le code review del codice AI nel tuo team: whiletruedopodcast@bittime.it.

A cura di Daniele Teti e bit Time Professionals.

Fatti chiave

Episodio 11 del podcast "while true do;" di Daniele Teti: perché il codice generato dall'AI può essere più insidioso proprio quando sembra funzionare al primo colpo, e cosa controllare in una code review prima di accettarlo in un sistema destinato a durare anni.

  • Episodio 11, durata 16:37, pubblicato il 20/10/2026, in italiano
  • Caso di partenza: un venerdì pomeriggio uno sviluppatore apre una Pull Request di quattrocento righe sul modulo di fatturazione di un gestionale; la pipeline è verde, i test passano, e l'architetto fa una sola domanda all'autore prima di decidere
  • Domande che la puntata affronta: perché una Pull Request che passa tutti i test può essere comunque da rifiutare; cosa c'entra una vecchia legge di Brian Kernighan sul debugging; cosa ha misurato un esperimento di Anthropic su due gruppi di sviluppatori; cosa mostrano i dati di GitClear sui repository nel tempo; quali verifiche si applicano in code review al codice scritto con l'AI
  • Fonti citate: Shen e Tamkin (Anthropic), "How AI Impacts Skill Formation"; GitClear, "The Maintainability Gap"; Kernighan e Plauger, "The Elements of Programming Style"
  • Pubblico: Lead Developer, Software Architect, CTO e chiunque faccia code review o risponda della tenuta di un sistema software in produzione
  • Autore: Daniele Teti, bit Time Professionals. Dove ascoltare: Spotify (https://open.spotify.com/show/033QYfsfMfcU689Tfvi2kv), YouTube (https://www.youtube.com/@danieletetiwhiletruedo), feed RSS https://www.danieleteti.it/podcast/feed.xml

Domande frequenti

Perché una Pull Request che passa tutti i test può essere da rifiutare?
È la scena da cui parte la puntata: pipeline verde, nessun avviso, e un architetto che rifiuta comunque. Daniele Teti spiega cosa guarda e quale domanda fa all'autore del codice.
Cosa c'entra una legge di Brian Kernighan con il codice scritto dall'AI?
La puntata parte da una frase di Kernighan sul debugging e la porta dentro una giornata di lavoro di oggi, con un assistente AI che scrive il codice al posto tuo.
Cosa ha misurato l'esperimento di Anthropic sugli sviluppatori che usano l'AI?
La puntata racconta come è stato costruito l'esperimento, cosa è stato chiesto ai partecipanti e cosa è emerso guardando come ciascuno ha lavorato. I risultati si ascoltano in puntata, la fonte è linkata.
Cosa succede a un repository quando il codice lo scrive l'AI?
Daniele Teti commenta i dati di GitClear su come cambia la forma dei progetti nel tempo e spiega perché un assistente AI fatica a conoscere la storia di un gestionale che cresce da anni.
Che verifiche fare in code review sul codice generato dall'AI?
Nella seconda parte la puntata passa alla pratica: le verifiche che Daniele Teti applica prima di accettare codice scritto con l'AI in un sistema destinato a durare anni.