AI e sviluppo software: la velocità è davvero la misura del successo?
Come Atlassian sta ripensando il Software Development Lifecycle nell’era dell’AI
L’Intelligenza Artificiale sta cambiando rapidamente il modo in cui sviluppiamo software. Assistenti alla programmazione, automazioni e AI Agent permettono di velocizzare attività che fino a poco tempo fa richiedevano un intervento prevalentemente manuale, aprendo nuove possibilità per engineering e product team.
La prima conseguenza è evidente: possiamo fare di più e possiamo farlo più velocemente.
Ma è sufficiente per parlare di maggiore produttività?
È proprio da questa domanda che parte la riflessione proposta da Atlassian con State of AI SDLC: se allarghiamo lo sguardo all’intero Software Development Lifecycle, pianificare, sviluppare e gestire software significa coordinare persone, informazioni, decisioni e attività diverse. Accelerarne una soltanto non significa necessariamente migliorare l’intero processo.
La vera sfida diventa quindi comprendere dove l’AI genera valore lungo il ciclo di sviluppo e come misurarne concretamente l’impatto.
Uno degli effetti più immediati dell’AI nello sviluppo software riguarda la velocità con cui è possibile svolgere determinate attività.
Generare codice, ricercare informazioni, produrre documentazione, sintetizzare requisiti o supportare attività di testing può richiedere meno tempo: un vantaggio importante, ma racconta soltanto una parte della trasformazione in corso.
La produttività di un engineering team, infatti, non dipende esclusivamente dalla quantità di attività che ogni persona riesce a completare. Dipende anche dalla capacità complessiva del team di trasformare idee e requisiti in software funzionante, mantenendo qualità, continuità e sostenibilità nel tempo.
Questa è una delle prospettive al centro del dibattito che Atlassian sta portando avanti sull’AI applicata allo sviluppo software: andare oltre la velocità del singolo per osservare la capacità generata a livello di team e di intero ciclo di sviluppo. Un team può produrre codice più rapidamente, ma il valore emerge quando questa accelerazione contribuisce a migliorare anche il flusso complessivo: dalla pianificazione alle decisioni di prodotto, dallo sviluppo fino alla gestione del software una volta rilasciato.
La domanda non è quindi soltanto quanto più velocemente stiamo lavorando grazie all’AI, ma quanta nuova capacità stiamo creando all’interno del team?
L’AI entra nell’intero ciclo di sviluppo
Per molto tempo il rapporto tra AI e software development è stato associato soprattutto alla scrittura del codice. Oggi lo scenario sta diventando più ampio.
L’AI può supportare la comprensione dei requisiti, facilitare l’accesso alla conoscenza, aiutare i team nelle attività di sviluppo e testing e contribuire alla gestione delle informazioni necessarie durante le diverse fasi del lifecycle.
Il Software Development Lifecycle diventa quindi uno degli ambienti in cui osservare più chiaramente il passaggio dall’AI come strumento puntuale all’AI come componente integrata nel modo di lavorare dei team.
Questo cambio di prospettiva è importante.
Se l’AI interviene in più momenti del ciclo di sviluppo, anche la valutazione del suo impatto deve necessariamente allargarsi. Non basta osservare il beneficio prodotto da una singola attività: serve comprendere cosa accade all’intero flusso.
Misurare ciò che cambia davvero
Come capire, allora, se l’AI sta producendo risultati?
È una delle domande più interessanti per le organizzazioni che stanno investendo in queste tecnologie.
Limitarsi a misurare il volume di codice prodotto o il numero di attività completate rischia di restituire una fotografia incompleta. Allo stesso modo, cercare immediatamente un unico indicatore capace di rappresentare il ritorno dell’AI può essere riduttivo.
Può essere più utile osservare come evolve il lavoro nel suo complesso.
Quanto tempo viene recuperato dalle attività ripetitive? Quanto rapidamente un team riesce a passare da un’idea alla sua realizzazione? L’AI facilita l’accesso alle informazioni necessarie per prendere una decisione? Le persone riescono a concentrarsi maggiormente sulle attività in cui competenza ed esperienza producono più valore?
In questo senso, misurare l’impatto dell’AI significa andare oltre la semplice velocità e comprendere come cambia la capacità complessiva dei team.
È un passaggio importante anche per decidere dove continuare a investire: non tutte le applicazioni dell’AI producono necessariamente lo stesso valore e i dati possono aiutare a individuare quelle più efficaci.
Il contesto fa la differenza
C’è poi un elemento che diventa sempre più importante man mano che l’AI entra nei processi di sviluppo: il contesto.
Per essere realmente utile, un sistema AI deve poter lavorare sulla base delle informazioni necessarie per comprendere ciò che il team sta facendo.
Un requisito non esiste isolatamente. Può essere collegato a una decisione di prodotto, a un’attività di sviluppo, a documentazione tecnica, a ticket precedenti o alla conoscenza distribuita tra persone e sistemi differenti. Più questo contesto è accessibile e connesso, maggiore può essere la capacità dell’AI di fornire un supporto pertinente.
Per questo il valore dell’AI nel software development non dipende soltanto dalla qualità dei modelli utilizzati. Dipende anche dalla qualità e dalla disponibilità del contesto con cui questi modelli possono lavorare.
È una prospettiva particolarmente rilevante per organizzazioni in cui informazioni, conoscenza e attività sono distribuite tra molti strumenti e team.
Dagli assistenti agli AI Agent
L’evoluzione successiva riguarda gli AI Agent.
Se gli assistenti AI supportano le persone nello svolgimento di singole attività, gli agenti possono inserirsi più profondamente nei workflow, utilizzare il contesto disponibile e contribuire all’esecuzione di attività articolate. Nel software development questo apre scenari interessanti.
Gli agenti possono affiancare engineering e product team nelle diverse fasi del lifecycle, contribuendo a ridurre attività ripetitive e a rendere più fluido il passaggio delle informazioni tra un momento e l’altro del processo.
Ma anche in questo caso il numero di agenti utilizzati non è necessariamente la misura più significativa. La domanda rimane la stessa: in che modo stanno migliorando la capacità del team di pianificare, costruire e gestire software? Con il passaggio dalla semplice adozione dell’AI alla ricerca di un impatto concreto sul modo di lavorare.
Un nuovo equilibrio tra AI e team
L’AI non sta semplicemente aggiungendo un nuovo strumento alla cassetta degli attrezzi degli sviluppatori.
Sta progressivamente modificando il modo in cui attività, informazioni e decisioni vengono distribuite lungo il ciclo di sviluppo.
Per engineering e product leader questo significa iniziare a guardare all’AI con una prospettiva più ampia: individuare dove può produrre valore, creare le condizioni perché abbia il contesto necessario e definire indicatori che permettano di comprenderne l’impatto.
La velocità continua a essere importante. Ma da sola non racconta tutto.
Il vero risultato è trasformare la velocità resa possibile dall’AI in maggiore capacità per i team e in un processo di sviluppo più efficace.
State of AI SDLC: il confronto continua
Come stanno cambiando le metriche con cui valutiamo l’impatto dell’AI sull’engineering? Quanto conta il contesto per rendere efficaci gli AI Agent? E cosa succede quando l’AI entra progressivamente nelle diverse fasi del Software Development Lifecycle?
Sono i temi al centro di State of AI SDLC, il digital summit gratuito organizzato da Atlassian per engineering e product leader che stanno affrontando concretamente l’evoluzione dello sviluppo software nell’era dell’AI.
Il 22 settembre 2026, a partire dalle 10:00, Atlassian riunirà professionisti e leader di aziende come Vercel, DX, Dropbox, Lovable, 1Password e Honeycomb per condividere esperienze e prospettive su produttività, misurazione dell’impatto, contesto e utilizzo degli AI Agent lungo il ciclo di sviluppo.
Un’occasione per andare oltre la domanda “quanto ci rende più veloci l’AI?” e iniziare a comprendere come utilizzarla per migliorare concretamente il modo in cui il software viene pianificato, sviluppato e gestito.
