Il Problema delle Specifiche Non È Nuovo: L'AI Lo Ha Solo Reso Evidente

C'è una verità scomoda nello sviluppo agentico che tutti fingono di ignorare: il vero collo di bottiglia non è mai stato scrivere il codice. È stato decidere cosa scrivere.

Fred Brooks lo aveva capito già nel 1986, nel suo No Silver Bullet. Spiegava che le grandi innovazioni in programmazione – dal design object-oriented al time-sharing – portavano solo miglioramenti modesti. Perché? Attaccavano la accidental complexity, il caos della scrittura, non l'essential complexity, la fatica del pensiero. In ingegneria del software, il grosso del lavoro è sempre stato la fase di specifica: mettere d'accordo gli stakeholder, bilanciare i compromessi, definire requisiti per un sistema che non esiste ancora.

Oggi diamo la generazione del codice all'AI e tutti pensano che il problema svanisca. Niente da fare. Non è sparito.

Specifiche "Dettagliate" e Specifiche in Linguaggio Naturale Non Sono la Stessa Cosa

Qui casca l'asino. Molti tool moderni – dai generatori di PRD basati su AI ai validatori rigidi – partono da un'idea sbagliata: se l'AI fa le domande giuste, le lacune nelle specifiche si chiudono da sole.

Peccato che il linguaggio naturale sia ambiguo per natura. Le notazioni formali sono nate proprio per questo. Puoi redigere una spec che suona perfetta, convince tutti, racconta una storia fluida. Ma manca la precisione che serve a un agente AI per sputare codice affidabile. "Il dashboard deve caricarsi in meno di 2 secondi" contro "P95 latency del dashboard analytics <2000ms, con cap al 99° percentile di 5000ms": sembra solo stile. È una specifica vera.

Dai una spec vaga all'AI e non ottieni magia. Succede una di due:

1. L'ambiguità diventa codice strano. Funziona tecnicamente, ma l'architettura è un disastro. Poi passi tre sprint a rifarlo.

2. L'agente colma i buchi in silenzio. Usa pattern dal suo training data – migliaia di progetti simili – e tira fuori assunzioni che non hai mai fatto.

Nessuna vittoria.

Dove lo Sviluppo Agentico Funziona Davvero (e Dove No)

Diciamolo chiaro: gli agenti AI eccellono in ambiti ristretti. Landing page, app CRUD, integrazioni boilerplate, flussi e-commerce standard. Sono problemi convergenti, con tonnellate di esempi nei dati di training. L'AI non risolve enigmi nuovi: fa pattern matching su scala.

E ha valore enorme. Un founder solo moltiplica per 10 la sua capacità. Un team piccolo chiude tool amministrativi in ore, non settimane. Produttività pura.

Ma attenzione: il successo nasce da specs cristalline, non nonostante loro. Lo spazio problema è così battuto che la spec è quasi implicita.

Per il resto – logica business custom, integrazioni innovative, scelte architetturali per il futuro – devi pensare come un umano. L'AI accelera la scrittura. Non il pensiero. Non può dire "fermo, c'è un modo migliore". Esegue solo quello che gli dici.

Come dice un developer: "L'AI scrive codice, ma non si rifiuta di scriverlo a meno che non le spieghi prima perché X sarebbe meglio." È pensiero prodotto, non solo codice. E resta insostituibile.

Il Vero Collo di Bottiglia: L'Attrito tra Umani

Se la specifica è dura e l'AI non la risolve, cosa fare?

Semplice: ridurre l'attrito nella comunicazione umana.

Quando un product manager passa un brief all'ingegnere e servono settimane di meeting per chiarire edge case e trade-off, hai un problema di specifica. Quando i mockup del designer cozzano con vincoli backend non detti, idem. Quando l'AI genera codice su assunzioni sbagliate, stesso dramma.

Non serve un agente più furbo o framework di validazione. Serve precisione tra umani prima che l'agente parta.

Cioè:

• Specifica come artifact principale. Non un optional, ma il contratto per la generazione codice.
• Documenta i trade-off espliciti. Perché eventual consistency e non strong? Perché questo data model? Scrivilo.
• Notazione formale dove conta. Schema SQL, API contract, budget performance: tool che impongono chiarezza.
• Loop di feedback precoci con AI. Genera un pezzo di codice sulla spec, raffina la spec sui buchi che emergono.

Cosa Cambia nel Tuo Workflow di Sviluppo

Se usi AI per sistemi in produzione, non smettere. Investi di più nelle specifiche, non di meno.

Sembra controintuitivo in era "move fast". Ma veloce con spec sbagliate significa sbagliare bersagli più in fretta. I team che vincono con agenti AI non chiedono all'AI di inventare. Pensano duro prima e usano l'AI per eseguire alla grande.

Per startup e team piccoli: il tuo vantaggio non è generare codice. È chiarezza nelle specs. Se articoli la logica business così bene che l'AI la implementa senza errori, hai vinto la partita dura. Il codice è il contorno facile.

Il Conto alla Fine

Brooks aveva ragione nel 1986, e lo è nel 2025. La complessità essenziale del software è nel concepire, non nel costruire. L'AI non ha cambiato questo. Ha solo reso evidente il divario tra pensieri vaghi e codice preciso.

La prossima ondata di produttività non verrà da agenti migliori. Da team che curano specs con disciplina feroce, trattano requirements engineering come disciplina core, e usano AI per amplificare chiarezza, non nasconderne la mancanza.

È questa l'opportunità vera tra AI e sviluppo software. Richiede l'unica cosa che nessun agente sa fare: pensare a fondo su cosa stai davvero costruendo.