17 luglio 2026Aggiornato il Fathy Shalaby11 min di lettura
Produttività del coding con l'AI nel 2026: costruire è diventato economico, decidere no
Gli strumenti di AI hanno reso lo sviluppo software più economico e più diffuso. Le prove sulla velocità sono contrastanti, e il costo di costruire la cosa sbagliata non si è mosso. Ecco cosa dicono davvero i dati 2025-2026.
La produttività del coding con l'AI è cresciuta più in diffusione che in velocità dimostrata. Nel 2025 l'84% degli sviluppatori usava o prevedeva di usare strumenti di AI, eppure gli studi controllati di METR hanno trovato sviluppatori esperti più lenti del 19% all'inizio del 2025 e solo deboli indizi di accelerazione alla fine del 2025. Nel frattempo il 43% delle startup fallite cita ancora un product-market fit debole. Costruire è diventato più economico; sapere cosa costruire no.
Punti chiave
Il coding con l'AI è ormai la norma. L'84% degli sviluppatori usa o prevede di usare strumenti di AI, e il 50,6% degli sviluppatori professionisti li usa ogni giorno (Stack Overflow, 2025). Quasi l'80% dei nuovi sviluppatori su GitHub usa Copilot nella prima settimana (GitHub Octoverse, 2025).
I guadagni di velocità dipendono dal compito. In uno studio del 2023 gli sviluppatori hanno completato da zero un compito con un server HTTP il 55,8% più velocemente con Copilot, ma gli sviluppatori esperti su codebase grandi e mature sono stati più lenti del 19% con l'AI nello studio METR di inizio 2025.
Le persone sovrastimano il guadagno. Gli sviluppatori di METR si aspettavano un'accelerazione del 24% e, dopo essere stati rallentati, credevano ancora che l'AI li avesse resi più veloci del 20%.
La metà costosa non si è mossa. Nell'analisi 2026 di CB Insights su 431 chiusure di aziende finanziate da venture capital, il 43% citava un product-market fit debole (CB Insights, 2026).
La maggior parte delle funzionalità resta inutilizzata. Pendo ha trovato che l'80% delle funzionalità di un prodotto medio è usato raramente o mai (Pendo, 2019).
Quanti sviluppatori usano strumenti di coding con l'AI nel 2026?
Quasi tutti, in una forma o nell'altra. Le più recenti grandi indagini concordano sulla diffusione, anche dove divergono sull'impatto.
Cosa ha trovato lo Stack Overflow Developer Survey 2025
L'indagine 2025, pubblicata a luglio 2025, riporta che l'84% degli intervistati usa o prevede di usare strumenti di AI nello sviluppo, su 33.662 risposte. Tra gli sviluppatori professionisti, il 50,6% li usa ogni giorno.
Gli agenti sono più indietro sulla curva: il 14,1% degli intervistati usa agenti di AI al lavoro ogni giorno, il 9% ogni settimana, e il 37,9% non prevede di usarli affatto (Stack Overflow, 2025).
Cosa ha trovato GitHub Octoverse 2025
Il report Octoverse di GitHub, pubblicato il 28 ottobre 2025, conta oltre 180 milioni di sviluppatori sulla piattaforma, con più di 36 milioni arrivati nel 2025. L'attività è cresciuta con loro:
Quasi 1 miliardo di commit inviati nel 2025, il 25% in più su base annua.
518,7 milioni di pull request integrate, il 29% in più.
Più di 1,1 milioni di repository pubblici importano un SDK di LLM, il 178% in più.
Più codice viene rilasciato da più persone. Ecco cosa significa in pratica «costruire è diventato economico» (GitHub, 2025). Significa anche più prodotti in competizione per gli stessi acquirenti, sempre più spesso dentro le risposte dell'AI; vedi la spiegabilità del prodotto.
L'AI rende davvero più veloci gli sviluppatori?
A volte moltissimo; a volte per niente. La risposta dipende dal compito, dalla codebase e da come si misura.
Studio
Chi e cosa
Risultato
Peng et al., 2023 (studio controllato)
Sviluppatori reclutati che scrivevano un server HTTP in JavaScript
Il gruppo Copilot ha finito il 55,8% più velocemente
METR, inizio 2025 (studio randomizzato)
16 sviluppatori open source esperti, 246 compiti reali in repository con in media oltre 1 M di righe di codice
19% più lenti con l'AI consentita (IC al 95% da +2% a +39%)
METR, aggiornamento di fine 2025 (pubblicato a feb. 2026)
57 sviluppatori, oltre 800 compiti; 10 di ritorno, 47 nuovi
Sviluppatori di ritorno −18% di tempo (IC da −38% a +9%); nuovi sviluppatori −4% (IC da −15% a +9%)
Codice nuovo contro codice maturo. Scrivere da zero un piccolo server è il terreno in cui l'AI brilla. Modificare una codebase da un milione di righe che conosci bene lascia meno spazio all'aiuto e più al lavoro di revisione.
Percezione contro misurazione. Gli sviluppatori di METR di inizio 2025 prevedevano un'accelerazione del 24% e a posteriori credevano di essere stati più veloci del 20%, mentre il cronometro segnava il 19% più lenti. La produttività autodichiarata non è una prova.
Effetti di selezione. Nell'aggiornamento di fine 2025, METR riporta che dal 30% al 50% degli sviluppatori ha scelto di non inviare alcuni compiti, e che gli sviluppatori non disposti a lavorare senza AI hanno rifiutato di partecipare. METR dice che la vera accelerazione potrebbe essere molto più alta per i compiti scartati, e definisce i propri dati solo una prova molto debole di un aumento rispetto a inizio 2025.
E la fiducia e la qualità?
Nell'indagine di Stack Overflow, il 46% degli sviluppatori non si fida dell'accuratezza dell'output dell'AI e solo il 33% se ne fida. La principale frustrazione, citata dal 66%, sono le risposte «quasi giuste, ma non del tutto». Scrivere più in fretta non serve se revisione e rifacimenti si mangiano il guadagno.
Il riassunto onesto sulla produttività del coding con l'AI: l'AI rende la produzione di codice più economica e accessibile, e spesso più veloce per lavori nuovi o ben circoscritti. Non è stato dimostrato che renda i team maturi drasticamente più veloci nel rilasciare la cosa giusta.
Se costruire costa meno, perché i prodotti continuano a fallire?
Perché il collo di bottiglia non è mai stato soltanto la velocità di digitazione.
Le startup falliscono per la domanda, non per il codice
L'analisi di CB Insights di marzo 2026 ha esaminato 431 aziende finanziate da venture capital chiuse dal 2023 e ha identificato le ragioni per 385 di esse:
Il 70% ha esaurito il capitale, che CB Insights definisce quasi sempre la causa finale più che il problema di fondo.
Il 43% aveva un product-market fit debole.
Il 29% ha citato tempismo sbagliato o condizioni macroeconomiche.
Il 19% aveva una unit economics insostenibile.
Le aziende citano più ragioni, quindi il totale supera il 100% (CB Insights, 2026). Un codice più economico fa durare di più il runway per funzionalità. Non fa nulla per un prodotto di cui nessuno ha bisogno.
La maggior parte delle funzionalità rilasciate è usata a malapena
Il Feature Adoption Report 2019 di Pendo ha analizzato 615 abbonamenti Pendo nell'arco di tre mesi. Ha trovato che l'80% delle funzionalità di un prodotto medio è usato raramente o mai, e che il 12% delle funzionalità genera l'80% del volume di uso giornaliero. Pendo ha estrapolato che le società di software cloud quotate in borsa hanno investito fino a 29,5 miliardi di dollari per costruire quelle funzionalità (Pendo, 2019). Ricostruiamo quella statistica nel dettaglio in perché l'80% delle funzionalità è usato raramente o mai.
I team di prodotto sentono il rischio
Lo State of Product 2026 di Atlassian ha intervistato oltre 1.000 professionisti del prodotto negli Stati Uniti e in Europa e ha trovato che l'84% dei PM teme che i propri prodotti falliscano (Atlassian, 2026). La sintesi di Mind the Product dello stesso report nota che l'80% dei team continua a non coinvolgere gli ingegneri nell'ideazione, nella definizione del problema o nella creazione della roadmap (Mind the Product, 2026).
Produttività del coding con l'AI e fallimento dei prodotti: i numeri in un solo posto
Cosa
Numero
Fonte e anno
Sviluppatori che usano o prevedono di usare strumenti di AI
84%
Stack Overflow, 2025
Sviluppatori professionisti che usano l'AI ogni giorno
50,6%
Stack Overflow, 2025
Sviluppatori che non si fidano dell'accuratezza dell'output dell'AI
46%
Stack Overflow, 2025
Nuovi sviluppatori GitHub che usano Copilot nella prima settimana
Startup fallite finanziate da VC che citano un PMF debole
43%
CB Insights, 2026
Funzionalità usate raramente o mai
80%
Pendo, 2019
PM che temono il fallimento del proprio prodotto
84%
Atlassian, 2026
Cosa dovrebbero costruire i team quando il codice costa poco? Un metodo in 6 passi
Quando una funzionalità costa giorni invece di settimane, il rischio si sposta da «possiamo costruirla?» a «dovremmo?». Sei passi evitano che costruire a basso costo diventi spreco a basso costo:
Scrivi il problema prima della soluzione. Un paragrafo: chi ha il problema, con che frequenza e quanto gli costa. Usa il nostro template di problem statement di prodotto se ti serve un formato.
Conta le prove. Elenca le chiamate, i ticket e i dati d'uso dietro il problema. Meno di 3 fonti indipendenti significa che stai tirando a indovinare.
Fai prima il test più economico. Una fake door, un test concierge o cinque interviste spesso chiudono la questione più in fretta di una build.
Fai il prototipo come test, non come impegno. L'AI ti permette di costruire un prototipo funzionante in poche ore; usalo per osservare utenti reali, poi decidi. Il nostro piano di 7 giorni per validare un prototipo di AI copre questo passo.
Fissa un criterio di chiusura prima del lancio. Per esempio: «Se meno del 20% degli account attivi la usa entro 30 giorni, la rimuoviamo».
Verifica l'adozione dopo il lancio. La maggior parte dei team non guarda mai più, ed è così che si accumula l'80%.
Un esempio pratico: quanto costa oggi una scommessa sbagliata?
Scenario illustrativo: una startup di 6 persone rilascia 10 funzionalità a trimestre. Gli strumenti di AI riducono il tempo di sviluppo per funzionalità da 2 settimane di ingegnere a 4 giorni di ingegnere, quindi lo sforzo di sviluppo del trimestre scende da 20 settimane di ingegnere a 8.
Se vale lo schema di Pendo e 8 di quelle 10 funzionalità sono usate raramente, il team spende comunque 6,4 settimane di ingegnere per costruire funzionalità di cui nessuno ha bisogno. E continua a pagare per mantenere, documentare e supportare tutte e 8. Costruire a costo minore ha abbassato il prezzo di ogni scommessa sbagliata; non ha abbassato il numero di scommesse sbagliate.
Ora supponi che il team dedichi 1 giorno in più per funzionalità alle prove (passi 1–3 sopra) ed elimini 4 delle 8 idee deboli prima di costruire. Sono 10 giorni di discovery per risparmiare 16 giorni di ingegnere di sviluppo, più la manutenzione continua di 4 funzionalità. Il ritorno viene da scelte migliori, non da codice più veloce.
Cosa non mostrano questi dati?
Il dato di Pendo è del 2019 e proviene da clienti di Pendo. È la misurazione più nota, non una legge di natura.
CB Insights copre solo chiusure di aziende finanziate da VC. Le aziende bootstrapped e quelle ancora in vita non sono nel campione.
Gli studi di METR sono piccoli (16 e 57 sviluppatori) e si concentrano sul lavoro open source. La stessa METR avverte di non leggere la sua stima centrale come l'effetto generale dell'AI.
I campioni delle indagini si autoselezionano. Gli intervistati di Stack Overflow e gli utenti di GitHub non sono tutti gli sviluppatori.
Nessuno di questi studi collega il coding con l'AI all'adozione delle funzionalità. L'affermazione che costruire a costo minore aumenti lo spreco è un'inferenza dai numeri, non un risultato misurato.
Dove si inserisce Specky
Specky lavora sulla metà costosa. Legge chiamate con i clienti, feedback, Slack, Jira e analytics in un Product Graph, redige spec con le prove dei clienti citate inline e verifica dopo il lancio se la scommessa ha funzionato. Se stai scegliendo strumenti per questo lavoro, il nostro confronto degli strumenti di AI per il product management copre Specky e sette alternative, compreso dove altre si adattano meglio. Man mano che l'AI rende economico l'output, anche i prezzi stanno cambiando; vedi il pricing per seat sta morendo.
Domande frequenti
L'AI rende gli sviluppatori più produttivi?
Dipende dal compito. Uno studio controllato del 2023 ha trovato che gli sviluppatori che usavano Copilot hanno finito un nuovo server HTTP il 55,8% più velocemente. Lo studio METR del 2025 ha trovato che gli sviluppatori esperti che lavoravano sulle proprie grandi codebase sono stati più lenti del 19% con l'AI. Il seguito di METR di fine 2025 indicava un'accelerazione, ma i suoi intervalli di confidenza includevano lo zero, quindi la prova di un grande guadagno generale resta debole.
Che percentuale di sviluppatori usa strumenti di coding con l'AI?
Nello Stack Overflow Developer Survey 2025, l'84% degli intervistati usava o prevedeva di usare strumenti di AI nel proprio processo di sviluppo, e il 50,6% degli sviluppatori professionisti li usava ogni giorno. L'Octoverse 2025 di GitHub riporta che quasi l'80% dei nuovi sviluppatori su GitHub usa Copilot entro la prima settimana.
Cosa ha trovato lo studio METR su AI e produttività degli sviluppatori?
Lo studio randomizzato di METR di inizio 2025 ha dato 246 compiti reali a 16 sviluppatori open source esperti. Con l'AI consentita, i compiti hanno richiesto il 19% di tempo in più, anche se gli sviluppatori si aspettavano un'accelerazione del 24% e a posteriori credevano di essere stati più veloci del 20%. Un aggiornamento di febbraio 2026 con 57 sviluppatori ha trovato stime puntuali di un'accelerazione dal 4% al 18%, con ampi intervalli di confidenza.
Perché falliscono le startup nel 2026?
L'analisi di CB Insights di marzo 2026 su 431 chiusure di aziende finanziate da venture capital ha trovato che il 70% ha esaurito il capitale, di solito la causa finale e non quella di fondo. Tra le ragioni di fondo, il 43% ha citato un product-market fit debole, il 29% tempismo sbagliato o condizioni macroeconomiche e il 19% una unit economics insostenibile. Molte aziende hanno citato più di una ragione.
È vero che l'80% delle funzionalità software è usato raramente?
Quella cifra viene dal Feature Adoption Report 2019 di Pendo, che ha analizzato 615 abbonamenti Pendo nell'arco di tre mesi e ha trovato che l'80% delle funzionalità di un prodotto medio è usato raramente o mai. È una misurazione reale ma datata e limitata ai clienti di Pendo, quindi consideralo un segnale forte più che una costante universale.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing