Cosa i Team di Database Possono Insegnarci sugli Agenti AI

Ok, facciamo un passo indietro. Ogni settimana c'è un nuovo articolo su agenti AI che scrivono codice più veloci di qualsiasi developer. Cursor ha ricostruito SQLite in pochi giorni. Fabbriche software sfornano PR su PR. Abbastanza per chiedersi se il nostro lavoro sia in pericolo.

Ma quello che questi titoloni non dicono è questo: la velocità è la parte semplice. Far scrivere codice agli agenti in fretta? Problema già risolto. Farli scrivere codice che ti sentiresti sicuro di mettere in produzione? Quello è il problema vero, quello che nessuno vuole affrontare.

Cockroach Labs ha condiviso di recente il loro approccio a questa sfida, e vale la pena analizzarlo — soprattutto se sei una startup o un developer che sta pensando di integrare agenti AI nel proprio workflow.

La Questione da $160.000

Nel 2024, Cockroach Labs ha aggiunto il supporto Oracle al loro tool di migrazione, MOLT. Il progetto ha richiesto nove mesi e circa $160.000 di tempo ingegneristico. Lavoro solido, professionale, fatto da gente esperta.

Poi è arrivato aprile. Il team doveva aggiungere il supporto per IBM Db2 — un database con un dialetto SQL ricco, un sistema di tipi complesso e un protocollo wire nativo. Scope tecnico equivalente.

L'hanno fatto in meno di due giorni. Costo totale: $4.172.

Qual è il trucco? Nessun umano ha scritto una singola riga di codice.

Prima di iniziare a scrivere la tua lettera di dimissioni, considera cosa ha reso possibile tutto questo: non erano solo agenti più smart. Era un sistema costruito attorno a un'idea radicale — che il collo di bottiglia non è scrivere codice, è scrivere codice affidabile.

MOLT Sinai: l'Ospedale del Codice

Cockroach Labs non si è limitata a lanciare agenti sul problema. Ha costruito quello che chiamano MOLT Sinai: una pipeline modellata sugli ospedali universitari dove i problemi diventano "pazienti", il codice merged diventa "dimissione", e i revisori umani diventano "Primari".

Il vocabolario è simpatico, ma la filosofia sottostante è seria:

• I problemi sono pazienti: ogni task entra nel sistema con documentazione, viene triagato, e segue un percorso di cura definito
• La decomposizione è la diagnosi: i problemi grandi vengono spezzati in sotto-problemi con grafi di dipendenza espliciti. Fondamenta prima dei sistemi di tipi. Sistemi di tipi prima degli iteratori di riga. Non puoi affrettare la guarigione.
• La revisione è il giro di visite: ogni pezzo di lavoro viene esaminato, rispedito indietro per revisioni (a volte 55 volte per issue genitore), ed escalato quando serve
• Gli umani sono i primari: l'autorità finale resta agli ingegneri esperti che possono escalare a sé stessi quando qualcosa sembra sbagliato

Non si tratta di sostituire i medici — si tratta di costruire un sistema dove specializzandi, assistenti e primari hanno tutti ruoli definiti chiaramente.

Perché il Throughput è la Metrica Sbagliata

Ecco dove la maggior parte degli esperimenti con AI coding sbaglia: ottimizzano per "PR all'ora" o "linee di codice al giorno". Queste metriche sembrano eccitanti nei demo. Fanno bei titoloni. Sono quasi inutili per spedire software vero.

Cockroach Labs lo dice chiaramente: preferirebbero che gli agenti impieghino 10 volte di più piuttosto che far atterrare dati sbagliati in una migrazione di un cliente. Per un'azienda la cui intera value proposition è la correttezza dei dati, non è filosofia — è sopravvivenza.

La loro domanda non era "quante PR possiamo mergiare?". Era "quante di queste PR ci vergogneremmo di mergiare?".

È una domanda che più team dovrebbero farsi, che usino agenti AI o no.

Cosa È Successo Davvero

Quando il supporto Db2 è arrivato in MOLT:

• 32 sotto-issue aperte sotto l'issue principale
• 27 pull request merged attraverso la pipeline
• 55 volte, i revisori hanno rispedito il lavoro indietro per revisioni
• 9 issue escalati, di cui 2 hanno richiesto intervento umano
• La copertura dei test ha eguagliato il dialetto più testato (PostgreSQL)

Gli agenti non erano perfetti. Hanno aperto issue contro il proprio lavoro: gap nei fixture, bug nel type-mapping, fix per isolation-level. Avevano bisogno di supervisione. Ma la supervisione era strutturata, mirata, e scalata alla complessità del lavoro.

Confronta questo con una software factory che fa girare agenti in parallelo con un layer di gestione merge. Quell'architettura ha senso quando il collo di bottiglia è la velocità di scrittura. Per lavoro correctness-critical? Ti serve qualcosa più simile a un ospedale, non a una catena di montaggio.

Cosa Significa Per Il Tuo Team

Ok, la maggior parte di voi non sta costruendo tool di migrazione database. State costruendo web app, API, tool interni, MVP per la prossima cosa grande. Le poste in gioco sono diverse.

Ma la lezione si applica: gli agenti AI eccellono nel volume, gli umani eccellono nel giudizio. I team che stanno ottenendo valore reale dagli agenti AI non stanno semplicemente facendo prompting su ChatGPT e spedendo l'output. Stanno costruendo sistemi che sfruttano entrambi per quello che sanno fare meglio.

Questo potrebbe significare:

• Usare agenti per boilerplate, test e scaffolding
• Costruire pipeline di review che catturino quello che gli agenti perdono
• Trattare l'output degli agenti come "prima bozza" piuttosto che "pronta per shipping"
• Tenere gli umani nel loop per tutto quello che tocca dati dei clienti o logica di business core

I developer che prospereranno accanto agli agenti AI non sono quelli che imparano a digitare più veloci. Sono quelli che imparano ad architettare sistemi che rendono l'AI un moltiplicatore di forza piuttosto che una liability.

Il Punto Della Questione

MOLT Sinai ha processato l'equivalente di nove mesi di lavoro ingegneristico in due giorni, al 2.5% del costo, con qualità che ha eguagliato il codice scritto da umani.

Ma quel titolone oscura quello che è successo davvero: un team di umani ha costruito un sistema rigoroso, definito ruoli chiari, stabilito checkpoint significativi, e poi si è fidato dei propri agenti di operare all'interno di quel framework.

Gli agenti non hanno sostituito gli ingegneri. Li hanno amplificati.

Non è una storia su AI che sostituisce i developer. È una storia su developer che costruiscono sistemi abbastanza sofisticati da usare bene l'AI.

E onestamente? È la versione di questa storia che vale la pena seguire.

Hai bisogno di un hosting che non ti rallenti? Vibe Hosting combina deployment AI-powered con l'affidabilità che ti serve per spedire veloce senza paura. Registrazione domain, certificati SSL e cloud hosting — tutto in un posto solo.