Il 28 luglio 2026 OpenAI ha pubblicato un field report sull’uso dei coding agent nel calcolo scientifico, includendo la modernizzazione di software per genomica e altri ambiti ad alta intensità di dati. Il punto interessante non è creare una nuova app da zero, ma intervenire su codebase esistenti e altamente specializzate.
Il software scientifico legacy può contenere anni di dipendenze, formati dati proprietari e requisiti rigorosi di riproducibilità. Un agente AI può accelerare analisi del repository, migrazioni, refactoring e creazione di test, ma il risultato deve comunque essere verificato da esperti di dominio e ingegneri.
La stessa lezione vale nel software commerciale. La capacità più preziosa spesso non è “creare un’app da una frase”, bensì migliorare in sicurezza un sistema già operativo: comprenderne i vincoli, preservare le integrazioni, proteggere i dati e ridurre gradualmente il debito tecnico.
La responsabilità a lungo termine resta fondamentale. Generare modifiche più velocemente non sostituisce documentazione, ownership dei componenti, monitoring o strategia di aggiornamento. Più facile diventa produrre cambiamenti, più importante diventa revisionarli e mantenerli con disciplina.