La fine dell'App Engineer: Perché i prossimi 10 anni appartengono a chi costruisce Agenti

La storia ha un modo curioso di fare rima, di solito proprio quando iniziamo a sentirci comodi.

Immaginate la fine degli anni '90. Se sapevate come domare l'HTML e un po' di Perl o PHP per creare un sito web funzionante, eravate dei maghi. Eravate Web Engineer e il mondo era ai vostri piedi. Costruivate le vetrine di internet.

Facciamo un salto al 2009. L'iPhone aveva appena spaccato il mondo in due. Improvvisamente, a nessuno importava più così tanto del vostro sito statico. L'energia si era spostata su Objective-C e Java. Se eravate Mobile App Engineer, stavate scrivendo il futuro. Stavate costruendo gli strumenti che le persone portavano nelle loro tasche.

Ora, guardate al 2024. L'aria sembra di nuovo rarefatta e statica. Gli app store sono saturi; il web è affollato. Ma sotto la superficie, sta avvenendo un movimento tettonico. Stiamo lasciando l'era dell'Interfaccia ed entrando nell'era dell'Agente.

Nel prossimo decennio, il titolo più prezioso non sarà "Full Stack Developer" o "iOS Engineer". Sarà AI Agent Engineer.

Il Nuovo Spostamento Tettonico

Questa non è solo un'altra guerra tra framework o un nuovo linguaggio di programmazione da imparare. Questo è un cambiamento fondamentale su chi svolge il lavoro.

Negli ultimi vent'anni, l'ingegneria del software ha riguardato la costruzione di percorsi chiari e deterministici su cui gli umani potessero cliccare. Costruivi un pulsante; l'umano lo cliccava; il codice eseguiva una funzione. L'umano era il cervello; il software era il muscolo.

Quella dinamica si sta ribaltando.

Nell'Era Agentica, il software fornisce il cervello. Il vostro lavoro non è più costruire il pulsante che l'umano deve cliccare. Il vostro lavoro è costruire il dipendente digitale che decide quando cliccare il pulsante o, meglio ancora, capisce che il pulsante non è nemmeno necessario.

Costruisco prodotti da oltre dieci anni e riesco a sentire il terreno muoversi. Se riuscite a scrivere un agente oggi—uno che serva voi, automatizzi il vostro flusso di lavoro o serva i vostri clienti—avete la stessa leva ("leverage") di quel ragazzino nel 1999 che aveva appena imparato come mettere un'azienda online.

Ma ecco la dura verità: se vi rifiutate di imparare questo, se rimanete attaccati alla programmazione puramente deterministica, rischiate di diventare l'equivalente digitale di un tipografo nell'era del desktop publishing.

Demistificare la Magia: Strumenti e Contesto

Quando la gente sente "AI Agent", immagina Skynet o qualche architettura di rete neurale impossibilmente complessa. Facciamo un po' di chiarezza.

Costruire un agente non è magia. È ingegneria. E si riduce a due cose: Strumenti (Tools) e Contesto (Context).

Ho notato che la maggior parte degli sviluppatori complica eccessivamente la questione. Pensano di dover addestrare i modelli. Non è così. I modelli—Claude, GPT-4, Llama—sono abbastanza intelligenti. Il vostro lavoro è dare loro delle mani e una memoria.

1. Strumenti (Dare le Mani al Modello)

Un Large Language Model (LLM) è solo un cervello in un barattolo. Può pensare, ma non può toccare il mondo. Un "Agente" è semplicemente un LLM a cui è stato dato accesso a endpoint API o comandi CLI.

Dite al modello: "Ecco uno strumento chiamato list_files. Ecco uno strumento chiamato read_file. Ecco uno strumento chiamato send_email."

2. Contesto (Dare una Direzione al Modello)

Poi definite il ruolo. "Sei un senior QA engineer. Il tuo obiettivo è correggere gli errori di tipo in questa repository."

Tutto qui. Questo è il loop centrale.

Se avete usato Cursor o Claude Code, avete visto questo meccanismo in azione. Non fate micro-management delle modifiche. Dite: "Correggi gli errori di tipo in utils.ts."

L'agente pensa: Ok, devo vedere il file prima. Decide di usare lo strumento ls. Poi decide di usare grep o read. Individua l'errore. Decide di scrivere la correzione. Esegue il compilatore per controllare il suo lavoro.

Questa è la svolta. Non è più solo "chattare". È un loop decisionale. Il modello sta scegliendo quali strumenti prendere in mano per risolvere il problema che gli avete dato.

Dai Chatbot ai Motori Decisionali

Negli ultimi due anni, siamo rimasti bloccati nella fase "Chat". Trattiamo l'AI come un bibliotecario intelligente: facciamo una domanda, ci dà una risposta.

Quella fase sta finendo.

La fase Agentica riguarda l'esecuzione. Si tratta di guardare a una CLI non come un posto dove voi digitate, ma come un parco giochi per il modello.

Pensate alle implicazioni per le startup. In passato, se volevo costruire un servizio per gestire i rimborsi dei clienti, dovevo costruire una UI, un backend, un database e assumere un team di supporto per cliccare i pulsanti.

Oggi, posso scrivere un agente. Gli do accesso all'API di Stripe (Strumento) e alla nostra cronologia email (Contesto). Gli do una policy: "Rimborsa se l'utente è insoddisfatto entro 7 giorni". L'agente legge l'email in arrivo, decide se soddisfa i criteri, attiva lo strumento di rimborso di Stripe e scrive una risposta.

Nessuna UI necessaria. Nessuna coda di ticket di supporto. Solo un obiettivo e un set di strumenti.

La "Fase Caotica" della Costruzione di Agenti

Non voglio dipingere un'utopia qui. Ho passato gli ultimi sei mesi in trincea a costruire agenti, e lasciatemelo dire: è un casino.

La programmazione tradizionale è logica. Se X allora Y. Funziona o si rompe.

L'ingegneria degli agenti è probabilistica. Costruite l'agente, gli date gli strumenti, e a volte decide di usare un martello per aprire una finestra. A volte ha delle allucinazioni su un parametro che non esiste.

È qui che risiede il nuovo set di competenze.

Essere un AI Agent Engineer non significa solo scrivere script Python. Significa occuparsi di:

• Prompt Engineering come Architettura: Progettare i system prompt per vincolare il comportamento del modello.
• Eval Driven Development: Non potete scrivere unit test per la creatività, quindi costruite pipeline di valutazione per misurare quanto spesso l'agente ha successo in un compito.
• Tool Design: Creare interfacce API che siano abbastanza "pulite" da essere comprese da un modello senza confondersi.

Ho visto agenti bloccarsi in loop infiniti cercando di correggere un bug che avevano creato loro stessi. Li ho visti cancellare con sicurezza il file sbagliato. Questa è la realtà. Ma risolvere questi punti di attrito è esattamente dove si crea il valore.

Consigli Pratici: Come Iniziare Oggi

Se dovessi ricominciare da zero oggi, o se volessi fare un pivot nella mia carriera, ecco esattamente cosa farei:

1. Smettete di Costruire GUI: Almeno per i vostri side project. Provate a risolvere un problema senza un frontend. Riuscite a risolverlo con una CLI e un LLM?
2. Imparate il Protocollo di Interfaccia: Capite come funziona il "function calling" di OpenAI o il "tool use" di Anthropic. Questo è il TCP/IP dell'era degli agenti.
3. Costruite un "Esecutore" non un "Chiacchierone": Non costruite un bot che risponde a domande sul vostro calendario. Costruite un bot che gestisce il vostro calendario. Dategli la capacità di cancellare eventi. Sentite la paura di dare a un'AI l'accesso in scrittura. È lì che iniziate davvero a imparare.
4. Padroneggiate la Gestione del Contesto: Imparate come inserire le informazioni giuste nella finestra di contesto (context window) senza farla traboccare. La RAG (Retrieval-Augmented Generation) è solo l'inizio.

L'Opportunità Davanti a Noi

Stiamo guardando a un futuro in cui un singolo sviluppatore, armato di una flotta di agenti specializzati, può fare il lavoro di una startup di 20 persone.

Le barriere all'ingresso per la creazione stanno scendendo a zero. Ma le barriere all'ingresso per l'orchestrazione—per capire come collegare insieme questi cervelli—stanno diventando il nuovo fossato difensivo (moat).

Dieci anni fa, venivate assunti per scrivere il codice. Oggi, venite assunti per architettare il sistema che scrive il codice.

Il treno sta lasciando la stazione. Potete restare sulla banchina stringendo i vostri vecchi framework, o potete saltare su e aiutare a costruire i binari.

Costruiamo.