L'anno in cui l'editor è tornato

Questo articolo è una traduzione assistita dall’AI dell’originale in inglese, revisionata dall’autore.

Un anno fa, l’editor era un posto con qualche ragnatela

Un anno fa (e da tanto tempo), il mio editor di codice stava sul secondo o forse sul terzo schermo o, più sinceramente, come icona nella barra delle applicazioni.

Lo aprivo per controllare uno script AMPscript complesso in una email Salesforce, per leggere uno snippet Liquid che avevo scritto per un cliente, o per fare debug di qualcosa legato all’implementazione GTM di uno degli SDK di piattaforma con cui lavoro.

Era più una sala di consultazione che un laboratorio.

La stanza in cui vivevo davvero era altrove: diagrammi di architettura, scorecard vendor, mappe di integrazione, deck per il board, risposte a RFP. Più di venticinque anni di movimento dalla tastiera verso la lavagna, e la traiettoria aveva iniziato a sembrare a senso unico.

Quell’anno è finito.

O meglio: gli ultimi dodici mesi hanno avuto due fasi. Non ero un late adopter. ChatGPT, Gemini e Perplexity erano già nel mio workflow fin dalla loro introduzione, quello che è cambiato nel 2025 non è stata l’adozione. È stato il metodo.

La prima fase (più o meno da aprile a dicembre 2025) è stata quella in cui quell’uso è diventato deliberato e configurato: AI come superficie di pensiero strutturata, non come strumento di ricerca occasionale. GEM in Gemini legati a contesti cliente specifici. ChatGPT Plus Projects organizzati per engagement. Perplexity Spaces costruiti intorno a thread di ricerca persistenti, che mantenevo davvero.

Penso sempre di più che questo sia il punto in cui l’AI conversazionale è più utile: non come sostituto del pensiero, ma come superficie su cui pensare, a condizione che direzione e giudizio restino in mano umana.

Ha cambiato il modo in cui facevo ricerca, definivo brief, costruivo punti di vista, leggevo un Forrester Wave o una release note di un vendor. Era già utile davvero, e stava già cambiando la texture del mio lavoro.

Quello che non aveva cambiato era ciò che costruivo, perché la parte di costruzione dipendeva ancora da me e dal tempo che non avevo.

La seconda fase (da gennaio 2026, quando ho portato Claude Cowork e poi Codex nel workflow e ho iniziato a usarli come partner nello sviluppo, non come assistenti chat) è la fase di cui parla davvero questo articolo.

È lì che l’editor è tornato sul davanti della scrivania.

Cinque mesi. Non dodici.

L’era della chat ha preparato il terreno; l’era agentica ha ridisegnato il lavoro. Non sono lo stesso cambiamento e farei un torto agli ultimi mesi se li raccontassi come se lo fossero.

Scrivo questo il 10 maggio 2026. In quei cinque mesi ho pubblicato un sito personale. Ho costruito demo sales funzionanti su Braze, Marketo e Bloomreach per tre prospect enterprise diversi. Ho rilasciato un agente privato di lettura settimanale che scansiona release note MarTech e mi restituisce segnali strutturati. Ho prototipato un agente di ricerca-e-documenti che classifica materiale vendor, report di settore e copertura di eventi, poi abbozza documenti client-ready dai template aziendali. Ho costruito una piccola app web di finanza personale che importa estratti conto e mi dà ricerca unificata, dashboard e previsione di cashflow su tutti i conti. E ho messo sei Field Notes sui CEP nel mio sito.

Niente di tutto questo, preso da solo, è insolito per qualcuno nel mio ruolo.

La cosa insolita è quanto sia stato breve il periodo che lo ha prodotto, e quanto sia cambiata la distribuzione delle mie ore.

Non lo scrivo perché gli artefatti contino di per sé. Lo scrivo perché la stessa compressione che ho sentito nel mio lavoro sta entrando nelle piattaforme MarTech su cui si basano i miei clienti.

Mi aspettavo che l’AI prendesse il fondo dello stack: il boilerplate, la digitazione, le parti che avevo già delegato mentalmente. L’era della chat, in fairness, aveva già fatto gran parte di questo: draft di brief, sintesi di documenti lunghi, pattern matching tra vendor.

Quello che non mi aspettavo è che il cambiamento agentico, quando è arrivato, avrebbe cambiato il mio rapporto con la parte alta dello stack.

Cosa è cambiato davvero

I cambiamenti sono arrivati in due fasi, e qualitativamente erano diversi.

Nell’era della chat, è cambiato il front end del lavoro.

Fare ricerca su un vendor richiedeva un’ora invece di un giorno, perché Perplexity Spaces mi dava un workspace che ricordava cosa stavo cercando. Scrivere un punto di vista partiva da una bozza a metà, non da una pagina bianca, perché un ChatGPT Project manteneva il contesto del cliente e della strategia. Leggere un lungo report di settore non richiedeva più leggere ogni pagina, perché l’AI poteva sintetizzarlo.

Questa è produttività reale, e non la restituirei.

Ma lasciava quasi intatta la parte del fare. Scrivevo ancora io il deliverable. Costruivo ancora io il diagramma. L’artefatto era ancora mio, end to end.

Nell’era agentica, è cambiato il fare stesso.

Non “ora scrivo più codice”. Sarebbe troppo stretto.

L’era della chat ha ridotto il costo di descrivere la cosa. Non ha ridotto il costo di farla.

Ora prototipo.

Apro Cowork, descrivo cosa voglio e ottengo una bozza funzionante nel tempo in cui prima avrei scritto un one-pager per descriverla. Poi la provo, cambio idea due volte, butto via la maggior parte e consegno una raccomandazione che è stata messa sotto pressione contro qualcosa di reale, non contro qualcosa di immaginato.

È un lavoro diverso.

Da fuori sembra lo stesso. Non lo è.

I due articoli che ho scritto all’inizio della primavera, Cosa mi ha insegnato un weekend con Astro e Claude Cowork sul tornare a costruire e quello sulla demo sales Braze, parlavano in parte degli artefatti.

In realtà parlavano di questo.

Gli artefatti erano l’alibi.

Gli ultimi mesi, visti dagli artefatti

Se dispongo l’anno come un inventario invece che come una storia, emergono quattro tipi di lavoro.

POC sales per prospect, su tre piattaforme diverse (via Claude Cowork).
Ho scritto molto del progetto Braze. Quello che non ho scritto è che accanto c’erano altre due demo: una su Marketo, una su Bloomreach, per due prospect diversi. Il pattern, nelle tre, era simile: un ambiente funzionante con dati realistici, un kit di journey o programmi progettati intorno a un argomento competitivo specifico, un playbook tecnico e un business case calibrato per un pubblico executive non tecnico. Tre piattaforme, tre prospect, tre incumbent vendor diversi da spostare, tre storie leggermente diverse. Il lavoro assistito dall’AI ha compresso drasticamente il costo di implementazione e ha concentrato le mie ore sulle parti che richiedevano giudizio: la narrativa della demo, le decisioni sul data model specifiche per ogni piattaforma, il framing competitivo. Senza quella compressione, tre progetti del genere in pochissimo tempo non sarebbero successi. Con quella compressione, il collo di bottiglia non era più costruire: era decidere cosa costruire.

Un agente interno di ricerca-e-documenti (via Claude Cowork).
Importa materiale vendor e release note, le classifica e abbozza documenti client-ready dai nostri template. La parte interessante non era la classificazione. Era essere costretto a scrivere esplicitamente le convenzioni implicite di come comunichiamo con i clienti: registro, struttura, cosa non diciamo mai, cosa diciamo sempre.

Un’app di finanza personale (via OpenAI Codex).
Una piccola app web privata in Python che importa estratti conto, normalizza categorie, mi dà una dashboard unificata su tutti i conti, mi permette di cercare transazioni in linguaggio naturale e produce una previsione base di cashflow. Mi ha insegnato una cosa utile: la differenza tra sapere cosa vuoi ed essere capace di specificarlo con precisione è l’intera curva dell’esperienza utente.

Un agente di lettura e una pratica di scrittura (via Claude Cowork).
L’agente settimanale alla base della serie Martech Signals that Matter to Me e la serie Field Notes sono collegati. L’agente legge le release note. La serie scrive cosa significano quelle release. Senza l’agente, la serie non sarebbe sostenibile alla cadenza attuale. Senza la serie, l’agente sarebbe un hobby privato. Ognuno rende utile l’altro. È la cosa più onesta che posso dire sul perché li ho costruiti.

Quando lo slogan è diventato aritmetica

C’è una frase che viene ripetuta in ogni articolo su AI e sviluppo, e ho esitato a usarla perché è stata consumata fino in fondo.

Ma resta la descrizione più accurata di quello che è successo.

Per anni, “l’AI ti porta all’80%” era una frase che sentivi nei talk. Nell’era della chat era più o meno vera per le parti descrittive del mio lavoro: sintesi di ricerca, framework abbozzati, prime bozze di copy.

Nell’era agentica, è diventata vera anche per le parti costruttive.

Il progetto demo Braze di cui ho scritto, e le build Marketo e Bloomreach successive, avrebbero dovuto essere ciascuna uno sforzo da due settimane per una persona, forse tre se il prospect avesse continuato a cambiare idea.

Ciascuna è diventata due o tre giorni di lavoro concentrato.

Non perché Claude abbia scritto l’architettura.

Perché Claude ha reso funzionalmente gratuiti scaffolding, boilerplate, prime bozze di Canvas Braze o blueprint di programmi, CSV utente localizzati, outline del playbook tecnico e scheletri del business case: su paradigmi di piattaforma diversi e frame competitivi diversi.

Quello che è rimasto costoso era la parte che non avrei comunque voluto delegare: l’ordinamento narrativo di ogni demo, le decisioni sul data model, il framing competitivo, il registro esatto del copy in lingua locale.

È la parte a cui continuo a tornare.

L’AI comprime la distanza tra sapere cosa costruire e averlo costruito. Non chiude, e non dovrebbe chiudere, il gap che viene prima: sapere cosa costruire in primo luogo.

La ricerca sta iniziando a raggiungere ciò che molti di noi vedono nella pratica: i guadagni sono reali, ma non si distribuiscono in modo uniforme.

Leggo quei report come un architetto CDP legge un Forrester Wave: con affetto, con scetticismo e con il sospetto che le cose più interessanti stiano succedendo nelle celle che il grafico non può mostrare.

La mia esperienza personale è che il guadagno è reale, non uniforme, e più reale per le persone senior che fanno un lavoro in cui sanno già che forma ha il “buono”.

Le ricerche recenti sugli assistenti di codice AI puntano in una direzione simile: la velocità dei singoli task può migliorare molto, ma i guadagni a livello di team vengono spesso assorbiti da code review, QA, integrazione e overhead di coordinamento.

La stessa compressione, un piano sopra

Questa è la parte che conta professionalmente, non personalmente. La compressione che ho descritto non è solo una storia da sviluppatori. La riconosco perché l’ho vissuta dall’interno. E ora vedo la stessa dinamica entrare nelle piattaforme che valuto, consiglio e implemento per i clienti, un livello sopra, a scala enterprise. Adobe, Braze e altri non stanno più semplicemente esponendo workflow builder.

Stanno esponendo superfici agentiche: sistemi che possono generare, simulare, ottimizzare, eseguire o assistere il lavoro che i marketer assemblavano manualmente.

Adobe Journey Agent, BrazeAI Agents, il server MCP di Marketo Engage (e di tutte le altre piattaforme …), la diffusione di MCP nelle categorie di marketing automation: puntano tutti nella stessa direzione.

Le piattaforme stanno diventando sistemi che dirigi, più che sistemi che operi.

Journey Optimizer smette di essere solo un’applicazione per costruire workflow e inizia a diventare un target di orchestrazione. Il CDP diventa il substrato. Il CEP diventa il palco su cui agiscono gli agenti.

Scrivo di questa traiettoria da mesi: nella trilogia marketing automation, nella serie Field Notes e in diverse edizioni dei Weekly MarTech Signals.

Rileggendo i miei articoli in sequenza, il filo è difficile da ignorare.

Gli analisti descrivono già le “piattaforme di marketing agentico” in questi termini: agenti incorporati nei workflow di campaign, creative e journey, con marketer che passano più tempo a guidare sistemi e meno tempo a cliccare nelle UI.

Se questo è vero, e credo che lo sia, allora cambia anche la forma del lavoro di architettura MarTech.

Non in modo così drastico come suggerisce il discorso LinkedIn.

Non così poco come preferirebbero i vendor con qualcosa da proteggere.

L’architettura, come continuo a dire anche quando le persone si stancano di sentirmelo dire, vince sempre.

La questione del ruolo

Una sfida ragionevole: sto descrivendo il mio lavoro che cambia, o il mio lavoro che resta uguale mentre il pavimento si muove?

Onestamente, entrambe le cose.

Il ruolo che svolgo per i clienti ha ancora la stessa descrizione sulla carta: selezionare piattaforme, progettare data model, sequenziare implementazioni, allineare organizzazioni.

La differenza è in ciò che ognuna di quelle parole richiede adesso.

Selezionare piattaforme significava leggere documentazione, sedersi nei pitch e compilare una feature matrix.

Ora significa anche chiedere, per ogni candidato in shortlist: com’è fatta la superficie agentica? Cosa espone il livello MCP? Qual è la postura di governance? Dove restano gli esseri umani nel loop?

Progettare data model riguardava identity resolution, architettura del profilo e tassonomia degli eventi.

È ancora tutto questo.

È anche: cosa può leggere un agente, cosa può scrivere, cosa deve escalare, e cosa inventerà quando gli viene fatta una domanda a cui non può rispondere con i dati disponibili.

Il data model è la realtà dell’agente.

Sbagliarlo introduce modalità di fallimento nuove, per cui le vecchie modalità non ti preparano abbastanza.

Sequenziare implementazioni era una questione di dipendenze e rischio.

Lo è ancora.

È anche una questione di quali capacità il team deve costruire nei propri muscoli prima di lasciare che un agente le prenda in mano, perché un team che non ha mai gestito un journey a mano non può governare un journey gestito per lui da un agente.

Questa non è un’obiezione romantica all’automazione.

È operativa.

Non puoi revisionare ciò che non capisci.

L’allineamento delle organizzazioni è la parte a cui penso di più.

Il lavoro del CMO, nell’era agentica, non è scrivere meno brief. È scrivere brief che un agente possa scomporre in obiettivi, e assumersi la responsabilità dei risultati di decomposizioni che il CMO non ha ispezionato personalmente.

È un rapporto diverso con la delega.

Produrrà organigrammi diversi.

Il lavoro dell’architetto è renderli implementabili.

Cosa è diventato più difficile

Non voglio scrivere solo la versione ottimistica di questa storia.

Alcune cose sono diventate davvero più difficili.

La prima è il giudizio sotto velocità.

Quando l’artefatto appare in un minuto, la tentazione di consegnarlo in due è forte. Il costo di una cattiva decisione è lo stesso di sempre, ma il tempo per prenderla è stato compresso oltre ciò che sembra sicuro.

I pezzi di leadership sull’AI continuano a girare intorno allo stesso avvertimento: nel momento in cui il modello diventa il “thought leader”, smetti silenziosamente di esercitare giudizio, anche mentre il tuo output accelera.

Ho imparato, lentamente, ad aggiungere latenza deliberata al processo: stare con una bozza prima di approvarla, leggere ad alta voce la seconda migliore variante, far guardare la cosa a qualcun altro prima di inviarla.

La frizione che lo strumento ha rimosso aveva una funzione.

Parte di quella funzione va ripristinata manualmente.

La seconda è la tentazione di adattarsi troppo allo strumento.

Ogni progetto che ho toccato nell’ultimo anno ha avuto momenti in cui mi sono accorto di modellare il lavoro per giocare sui punti di forza di Claude invece che sulle esigenze reali.

È una deriva piccola, ma si accumula.

La correzione è banale e vecchio stile: tornare continuamente alla definizione originale del problema.

Lo strumento non è il brief.

La terza è l’energia.

Questo lavoro è più impegnativo cognitivamente, non meno.

Revisionare una bozza che non hai scritto, controllarla per errori di fatto ed errori di gusto, decidere cosa tenere e cosa buttare, tutto mentre il processo si muove più velocemente di prima: è più stancante che digitare la cosa da soli.

Le ore sono diventate più corte. L’intensità è aumentata. Non ho ancora trovato la forma giusta per questo. Quello che so è che la risposta non è lavorare meno, ma lavorare con pause più deliberate integrate. Lo strumento rimuove frizione. Parte di quella frizione aveva una funzione. Anche questa ce l’aveva.

Cosa sto osservando ora

Alcune cose, da dove mi trovo, sembrano i prossimi punti di inflessione.

La governance come funzionalità.
I vendor che vinceranno i prossimi diciotto mesi non saranno quelli con più agenti. Saranno quelli con l’audit trail più pulito, la superficie decisionale più leggibile e la risposta più credibile a una domanda enterprise molto semplice: come dimostro che questo agente non ha sbagliato?

Il livello MCP come architettura.
La domanda architetturale interessante non è più “hai un server MCP?”, ma “qual è il contratto di governance che hai pubblicato per quel server?”

È la domanda che sto facendo adesso alle piattaforme che valuto.

Il ruolo dei consulenti.
Se un piccolo team senior con assistenza AI può fare lavoro che prima richiedeva un team di implementazione più grande, il modello di consulenza intorno al MarTech deve cambiare.

Non perché ci sia meno lavoro.

Ce n’è di più.

Ma perché l’unità di capacità si sta spostando da un grande team junior con ore disponibili a un team senior più piccolo con giudizio, strumenti e accountability.

Gli organigrammi delle consulenze si adatteranno.

Sta già iniziando.

Cosa rimane umano.
La lista non è quella romantica: empatia, creatività, intuizione.

È quella operativa: decidere cosa costruire, conoscere abbastanza bene il pubblico da scegliere tra due opzioni adeguate, assumersi la responsabilità dei risultati, rispondere davanti a un regolatore.

La lista è più breve di quanto ci piaccia ammettere, ed è anche più preziosa di prima.

È uno scambio che accetto.

Chiusura

Finisco l’anno più utile ai miei clienti di come l’ho iniziato, in modi che non compaiono in una pagina di certificazioni.

Scrivo di più, e penso che la scrittura sia più netta perché le cose di cui scrivo sono cose che ho effettivamente costruito.

Nel complesso, sono contento che l’editor sia tornato sul davanti della scrivania.

Più di venticinque anni fa ero uno sviluppatore diventato stratega perché la strategia era dove stava la leva.

La leva si è spostata.

Non di molto: è ancora soprattutto nella strategia. Ma abbastanza, in cinque mesi, perché l’editor sia di nuovo un posto utile dove stare per la prima volta dopo molto tempo.

L’era della chat mi ha detto che l’AI sarebbe stata utile.

L’era agentica mi ha detto quale tipologia di utilità. E la risposta si è rivelata diversa da quella per cui mi stavo preparando.

Non so esattamente come sarà il prossimo anno.

Sospetto che assomiglierà a questo, con proporzioni che cambiano di nuovo, e molte delle certezze che scrivo oggi sembreranno antiquate tra dodici mesi.

Va bene.

L’architettura, inclusa l’architettura del mio modo di lavorare, dovrebbe evolvere.

La riga che ripeto da anni tiene ancora.

L’architettura vince sempre.

Quest’anno sono semplicemente meno sicuro di dove finisca l’architettura e dove inizi l’architetto, e trovo questa incertezza più produttiva di quanto mi aspettassi.

Fonti

• When AI Becomes the Thought Leader, You Lose - AI Leadership Newsletter, sull’AI come partner di pensiero e il rischio di esternalizzare il giudizio.

• The Productivity Paradox of AI Coding Assistants - Cerbos, sulle accelerazioni locali rispetto ai colli di bottiglia end-to-end e all’overhead di review/QA.

• Reinventing marketing workflows with agentic AI - McKinsey & Company, sull’AI agentica incorporata nei workflow di marketing e il passaggio dall’operare strumenti al guidare sistemi.