I ricercatori di Microsoft, negli Stati Uniti, hanno pubblicato uno studio sull’utilizzo degli strumenti di coding basati sull’IA che funzionano da riga di comando e sul loro impatto sulla produttività, esaminando decine di migliaia di ingegneri del software dell’azienda. Gli strumenti considerati erano «Claude Code» di Anthropic e «Copilot CLI» di GitHub; lo studio si è svolto nell’arco di circa quattro mesi, dal 5 gennaio al 29 aprile 2026. Secondo lo studio, nella prima settimana dal lancio gli ingegneri che hanno usato gli strumenti hanno registrato in media il 24% in più di pull request integrate rispetto a chi non li ha usati.
Distribuire gli strumenti non basta a diffonderli: il primo passo arriva «dalla scrivania accanto»
Molti dirigenti e manager probabilmente immaginano che, se l’azienda mette a disposizione strumenti di IA per tutti, il giorno dopo tutti inizieranno a usarli. Eppure lo studio indica che a determinare chi li prova per primo sono più i rapporti tra colleghi sul posto di lavoro che le spiegazioni sulle funzionalità o gli annunci.
Se li usano i colleghi con cui ci si scambia codice abitualmente o il proprio responsabile diretto, aumenta la probabilità che anche la persona inizi a usarli. I dati sono precisi. Quando oltre un quarto dei colleghi che hanno lo stesso responsabile del proprio capo li aveva usati nelle due settimane precedenti, le odds di provare lo strumento aumentavano fino al 216%. L’aumento era dell’82% quando lo usava il responsabile diretto e del 54% quando li usava oltre un quarto delle persone con cui si fanno abitualmente code review.
L’aumento delle odds non equivale a un «aumento della probabilità»
È importante fare attenzione al termine «odds». Le odds esprimono la possibilità che si verifichi un evento in rapporto alla possibilità che non si verifichi. Sentendo parlare di un aumento del 216%, si potrebbe pensare che gli utenti siano diventati poco più del triplo, ma non significa che la quota di persone che usano lo strumento sia aumentata del 216%. Quando il tasso di utilizzo iniziale è basso, le differenze possono sembrare più ampie e la crescita effettiva del numero di utenti è inferiore a quanto suggerisca questo dato.
Resta comunque chiaro che il comportamento di capi e colleghi può dare la spinta decisiva. Più che leggendo le istruzioni, si comincia a usare un nuovo strumento pensando: «Se lo usa quella persona, posso provarlo anch’io». Personalmente, credo che molti possano riconoscersi in questa dinamica, ben oltre il mondo dello sviluppo. Un responsabile che prova lo strumento per primo e ne mostra l’uso durante una review: gesti poco appariscenti come questi potrebbero essere più efficaci dei materiali di formazione.
A determinare se si continuerà a usarli è il flusso di lavoro abituale
Che chi ha provato lo strumento continui a usarlo è un’altra questione. Lo studio ha rilevato una correlazione tra la continuità d’uso e il volume abituale di attività di coding della persona. Gli ingegneri più impegnati, che scrivono molto codice e inviano pull request con frequenza, sembravano percepire più facilmente i vantaggi dell’IA e tendevano maggiormente a integrare stabilmente lo strumento nel proprio lavoro.
Una pull request è una richiesta di integrare nel codice principale le modifiche apportate al codice. Chi ne invia spesso può anche essere considerato una persona con molte attività delegabili all’IA. Più lavoro si svolge, più è facile sperimentare l’effetto dello strumento.
L’ambiente a cui si è abituati può diventare un ostacolo ai nuovi strumenti
D’altra parte, lo studio ha rilevato che chi usava già strumenti di IA esistenti in un diverso ambiente di sviluppo provava anche il nuovo strumento, ma aveva meno probabilità di continuare a usarlo. È possibile che molte persone si trovino più a proprio agio nell’ambiente a cui sono abituate.
È un po’ come cambiare smartphone. Anche se le funzionalità sono migliori, quando ci si è abituati alla disposizione delle app e a un certo modo di usare il dispositivo, si può avere voglia di tornare a quello precedente. Chi introduce un nuovo strumento di IA dovrà probabilmente considerare non solo le prestazioni, ma anche come inserirlo nei flussi di lavoro che gli utenti hanno già consolidato.
Come interpretare l’aumento del 24% delle pull request
L’impatto sulla produttività è stato misurato contando le pull request integrate, vale a dire il numero di attività portate a termine. Gli ingegneri che hanno usato gli strumenti nella prima settimana dal lancio ne hanno registrate in media il 24% in più rispetto a chi non li ha usati. Lo studio riferisce che l’effetto è rimasto stabile nei quattro mesi di osservazione e non era una conseguenza temporanea dell’entusiasmo iniziale.
Va però ricordato che in questo caso la produttività è misurata con un unico indicatore: il numero di pull request. Il dato non dimostra che siano migliorati nella stessa misura anche la qualità del codice, il tempo necessario per ogni attività o il carico di lavoro del team. È bene distinguere il fatto che il numero sia aumentato dalla sensazione che il lavoro nel suo complesso sia diventato più facile.
Claude Code: +11,4%; Copilot CLI: +24,9%
Analizzando i singoli strumenti, il numero di pull request è aumentato dell’11,4% tra gli utenti di Claude Code e del 24,9% tra quelli di Copilot CLI, rispetto alle settimane in cui non li usavano. La differenza è di circa il doppio, ma sarebbe prematuro interpretare direttamente questi dati come una prova della superiorità di uno strumento sull’altro. Copilot CLI è fornito da GitHub, che fa capo a Microsoft, e le modalità d’uso interne e i gruppi di utenti potrebbero non essere gli stessi per i due strumenti.
Eppure sono pochi gli studi che hanno seguito per quattro mesi sia la diffusione dell’uso sia i risultati in contesti di sviluppo reali con decine di migliaia di persone. Mentre il dibattito sulla programmazione assistita dall’IA tende a concentrarsi su «quale modello è più intelligente», questi risultati mostrano la realtà dell’adozione: chi inizia a usare questi strumenti e chi continua a farlo. Forse siamo entrati in un’epoca in cui la capacità di pianificare come gli strumenti si diffondono sul posto di lavoro incide sui risultati tanto quanto la scelta degli strumenti stessi.
コメント