L’era del "vibe coding" è finita. L’agentic engineering è il nuovo software stack

Il “Vibe coding” ha avuto senso per un breve periodo. Catturava la novità di costruire software descrivendo ciò che desideravi e lasciando a un modello il compito di completare il resto. Ma ora il termine sembra troppo informale rispetto a ciò che il mercato sta realmente facendo. Andrej Karpathy, che ha reso popolare “vibe coding”, ha successivamente sostenuto che l’etichetta più corretta è “agentic engineering”: un workflow in cui agenti basati su large language model (LLM) gestiscono sempre più l’implementazione, mentre gli esseri umani forniscono supervisione, revisione e giudizio.

Questo cambiamento non è solo semantico. Riflette una soglia tecnica e organizzativa. OpenAI Codex può lavorare su più task in parallelo all’interno di ambienti isolati, leggere e modificare file, eseguire comandi e proporre pull request. GitHub Copilot, in modalità agent mode, può analizzare una codebase, eseguire comandi da terminale, lanciare test e inviare draft di PR. Claude Code di Anthropic è stato lanciato con l’obiettivo esplicito di consentire agli sviluppatori di delegare compiti ingegneristici complessi dal terminale, ed è ora venduto con controlli enterprise, limiti di spesa, analytics e policy configurabili.

Il risultato è una nuova divisione del lavoro. I professionisti del software stanno passando dalla scrittura di prompt alla orchestrazione di agenti. Il ruolo dell’ingegnere è sempre più definire il task, stabilire i confini dell’ambiente, ispezionare l’evidenza prodotta e decidere quando il lavoro della macchina è sufficientemente affidabile per essere integrato. La stessa formulazione di Karpathy, la “March of Nines”, spiega il motivo: una demo che funziona “quasi sempre” è molto lontana dall’affidabilità necessaria in produzione. Nei contesti enterprise, la parte difficile non è generare codice, ma governare sistemi autonomi affinché si comportino come affidabili macchine di delivery software.

Punti Chiave

• Il passaggio concettuale proposto da Karpathy, da “vibe coding” a “agentic engineering”, segnala una professionalizzazione dello sviluppo software assistito dall’AI.
• La capacità chiave è l’autonomia: i moderni coding agent possono ispezionare repository, modificare file, eseguire comandi, lanciare test e preparare pull request con intervento umano limitato.
• I principali vendor convergono su questo modello: OpenAI, GitHub e Anthropic distribuiscono prodotti pensati per il lavoro ingegneristico delegato, non per un semplice completamento automatico.
• Affidabilità, audit e controlli di policy sono diventati centrali: l’adozione enterprise richiede molto di più della mera qualità di generazione del codice.
• La trazione commerciale conferma il cambiamento: Cursor ha dichiarato oltre 100 milioni di dollari di revenue ricorrente a gennaio 2025; successive analisi parlano di oltre 2 miliardi annualizzati a febbraio 2026.

Analisi approfondita

Dal prompting alla delega

“Vibe coding” descriveva una prima fase consumer della generazione software tramite AI: l’utente descriveva la feature, il modello produceva codice, la persona correggeva il risultato. Questo approccio ha ridotto le barriere all’ingresso ma ha nascosto la differenza tra un workflow da “novità” e un workflow da produzione. Ora il divario è evidente. I sistemi moderni non rispondono solo a domande di programmazione: prendono incarichi circoscritti e li eseguono attraverso un’intera catena di strumenti.

OpenAI Codex rappresenta chiaramente questo cambiamento: esegue task in sandbox cloud separate, può gestire molti compiti in parallelo e fornisce evidenza tramite log di terminale e test.
Il coding agent di GitHub parte da issue, crea un ambiente tramite GitHub Actions, invia commit in una bozza di PR e consente revisione umana prima dell’esecuzione dei workflow.
Claude Code di Anthropic è stato introdotto per delegare compiti ingegneristici complessi dal terminale, poi ampliato con controlli enterprise per policy, permessi e usage analytics.

Questo è il modello operativo di un compagno di squadra ingegneristico, non di uno strumento di completamento del codice.

Perché “engineering” è la parola giusta

Il nuovo termine di Karpathy è importante perché riporta l’attenzione dove serve nei team enterprise: progettazione del sistema, supervisione e gestione dei fallimenti. I workflow agentici non sono magia: sono problemi di orchestrazione. Richiedono decomposizione, controlli sull’ambiente, test harness, percorsi di rollback e affidabilità misurabile.

È qui che il linguaggio informale della vibe coding non regge più. Un hobbista può tollerare ambiguità e fallimenti. Una banca, una compagnia aerea, un’azienda di semiconduttori o un’assicurazione no. Quando gli agenti iniziano a interagire con build system, repository di produzione, pipeline CI e dati regolamentati, la disciplina ingegneristica torna centrale.

I vendor si sono già adeguati

Le roadmap dimostrano che questa transizione è reale. GitHub definisce l’agent mode “la prossima evoluzione dell’AI-assisted coding”, descrivendo un programmatore autonomo che analizza la codebase, modifica file, esegue comandi e test, monitora i fallimenti e cicla fino al completamento del task.
OpenAI Codex è posizionato come software engineering agent, non come chatbot per sviluppatori.
Anthropic ha spinto il modello ancora oltre: Claude Code per il lavoro ingegneristico delegato, poi pacchettizzato per Team ed Enterprise con spend cap, policy, analytics e una compliance API.

Il loro stesso studio mostra cosa significa oggi lavoro software multi-agente: un team di 16 agenti ha prodotto un compilatore Rust C da 100.000 linee in ~2.000 sessioni di Claude Code.

Questi non sono esperimenti marginali: sono i primi sistemi operativi per team ingegneristici AI-native.

Il segnale di mercato è commerciale, non teorico

L’adozione degli strumenti conferma la categoria. Cursor ha superato i 100M$ di ARR nel 2025; ulteriori report parlano di 2 miliardi annualizzati nel 2026. Anche ipotizzando rumore statistico, il trend è inequivocabile: le aziende pagano per trasformare il coding in workflow delegati ad agenti autonomi.

Il segnale culturale conta anch’esso: vedere Linus Torvalds sperimentare l’AI non significa che Linux diventerà machinewritten, ma che anche le figure più scettiche riconoscono l’utilità dell’AI in contesti circoscritti.

Implicazioni per il business

Per i leader enterprise, la novità non è che l’AI scriva codice. Quello è passato. La novità è che l’AI può ora prendere task ingegneristici a confine definito, lavorarli con abbastanza autonomia da cambiare la struttura dei team, la velocità di delivery e i requisiti di governance.

Lo sviluppo software diventa quindi un problema di gestione, non solo di organizzazione dello staff. Servono policy di repository, workflow di approvazione, sandbox, audit log, controlli di spesa e baseline di performance degli agenti — proprio come per i contributori umani.

La conseguenza è che il valore si sposta: meno sulla scrittura del codice riga per riga, più sull’architettura, il controllo, la sicurezza, la revisione e il systems thinking.

Perché è importante

Il termine “agentic engineering” è importante perché identifica la vera soglia superata dall’industria. “Vibe coding” riguardava l’accesso. L’agentic engineering riguarda il controllo. Una volta che la generazione di codice è diventata economica e ubiqua, la capacità scarsa è diventata supervisione: cosa delegare, come definire i guardrail, come leggere l’evidenza e come decidere se il risultato è affidabile.

Lo standard non è più descrivere software:è supervisionare sistemi autonomi che lo costruiscono al posto tuo.