Hai mai copincollato un blocco di codice generato da un LLM senza nemmeno aprirlo? Senza capire cosa fa, senza verificare se funziona davvero, senza chiederti chi lo ha addestrato e con quali dati? Benvenuto nell’era del vibe coding, quel termine coniato da Andrej Karpathy che descrive una nuova generazione di programmatori che non legge più ciò che firma. Non è più questione di competenza, è questione di potere: chi controlla l’output controlla chi lo usa. E mentre tu accetti passivamente ciò che l’AI ti restituisce, qualcun altro sta decidendo quali bias inserire, quali vulnerabilità lasciare aperte, quali dipendenze proprietarie imporre.
Il vibe coding non è produttività, è resa ideologica
Karpathy lo ha definito come “codere con sentimento”, lasciando che l’AI guidi la tastiera mentre tu ti limiti a dire “fallo più bello” o “fallo più veloce”. Ma dietro quel sentimento c’è una resa silenziosa: abbandoni il ruolo di autore per diventare un semplice operatore di prompt. Non stai programmando, stai esternalizzando il pensiero a un modello addestrato su milioni di righe di codice GitHub, molte delle quali coperte da licenze ambigue o direttamente violate. Il risultato? Un debito tecnico generato a macchina, invisibile finché non esplode in produzione. Uno studio recente di GitClear ha mostrato che il codice generato da AI tende a essere più ripetitivo, meno riusabile e più soggetto a errori logici rispetto a quello scritto da umani. Eppure le aziende lo celebrano come un salto di produttività, ignorando che stanno semplicemente spostando il costo dal lavoro umano al rischio sistemico.
Il punto è che non stiamo guadagnando efficienza, stiamo perdendo sovranità. Quando non leggi ciò che firmi, deleghi la tua responsabilità tecnica a un’entità opaca. E chi controlla quel modello? Chi decide cosa è “corretto” o “sicuro”? Le stesse aziende che hanno costruito il capitalismo della sorveglianza ora vogliono venderti l’illusione della democratizzazione attraverso l’AI, mentre concentrano ancora più potere sulle infrastrutture di addestramento. Non è un caso che i modelli più potenti siano chiusi, addestrati su dati non trasparenti e ottimizzati per benchmark che premiano la velocità, non la comprensione.
Junior bloccati dal code review: il sintomo di una crisi più profonda
Le testimonianze stanno emergendo: junior che non superano il code review perché non sanno spiegare il codice che hanno presentato. Non perché siano pigri, ma perché non l’hanno mai letto davvero. Hanno generato funzioni complesse con Copilot o Cursor, le hanno incollate nel PR, e quando gli chiedi “come gestisce questo caso edge?” o “perché hai usato questa libreria invece di un’alternativa più leggera?” restano in silenzio. Non è mancanza di volontà, è mancanza di pratica. Non hai imparato a leggere il codice se non l’hai mai scritto da zero, se non l’hai mai debuggato riga per riga, se non l’hai mai dovuto mantenere per mesi.
Questo non è un problema di formazione, è un problema di potere epistemico. Chi controlla la capacità di leggere e scrivere codice controlla chi può partecipare alla produzione tecnologica. E mentre le Big Tech promuovono l’AI come strumento di inclusione, in realtà stanno creando una nuova gerarchia: quelli che possono permettersi di verificare l’output (gli senior, gli esperti, quelli con tempo e risorse) e quelli che devono fidarsi ciecamente (i junior, i lavoratori precari, quelli sotto pressione di consegna). Il vibe coding diventa così uno strumento di esclusione mascherato da accessibilità.
Un rapporto di ACM Queue dello scorso mese ha analizzato centinaia di pull request generate da AI in progetti open source popolari. Il risultato? Oltre il 40% conteneva vulnerabilità di sicurezza non banali, dal path traversal alle injection più classiche. Eppure molti di questi cambi sono stati accettati perché i revisori, sopraffatti dal volume, hanno fatto affidamento sulla “sensazione” che il codice funzionasse. Non l’hanno letto. Gli hanno dato il vibe.
Il debito tecnico generato a macchina: un futuro di sistemi incomprensibili
Il vero costo del vibe coding non è nel presente, è nel futuro. Ogni riga di codice che accetti senza comprenderla è un prestito preso a interesse composto. Prima o poi dovrai restituirlo: quando quel servizio smette di funzionare alle 3 di notte, quando quel modulo crea un collasso a catena, quando quella dipendenza viene abbandonata dal suo mantenitore perché costruita su fondamenta di sabbia. E quando arriverà quel momento, chi sarà in grado di mettere mano al codice? Non chi l’ha generato, certamente. Forse nemmeno chi l’ha revisionato, se non l’ha mai davvero letto.
Stiamo costruendo infrastrutture critiche su fondamenta di fiducia cieca. E non è solo una questione tecnica: è politica. Quando non puoi leggere ciò che usi, non puoi modificarne il comportamento, non puoi verificarne la sicurezza, non puoi adattarlo alle tue esigenze. Diventi dipendente da chi controlla il modello, dal suo aggiornamento, dalle sue politiche di licenza. È il contrario della sovranità tecnologica: è la resa totale all’algoritmo come autorità incontestabile.
Il punto non è rifiutare l’AI nella programmazione. Il punto è rifiutare la resa. Usare l’AI come strumento di apprendimento, non come sostituzione del pensiero. Chiedersi sempre: “se dovessi spiegare questo codice a un collega tra sei mesi, ci riuscirei?” Se la risposta è no, allora non è produttività, è debito mascherato da efficienza. E nel mondo della tecnologia, come in quello della politica, chi non legge ciò che firma presto scopre di non essere più l’autore della propria storia.