Cos'è l'agentic engineering?

L'agentic engineering enfatizza la programmazione agentica come uno strumento, anziché come la forza responsabile dello sviluppo dell'intera codebase end-to-end. Il termine si basa sul concetto di "vibe coding " coniato dal cofondatore di OpenAI Andrej Karpathy nel 2025. Il "vibe coding" descrive la pratica, libera e informale, di utilizzare dei prompt per chiedere agli strumenti di AI di generare codice anziché scriverlo manualmente.

Tuttavia, con l'inizio del 2026, il settore dello sviluppo software necessita di una terminologia che rappresenti meglio le pratiche di sviluppo professionale. Per questo motivo, Karpathy ha coniato un nuovo termine: "agentic engineering". In questo articolo esploreremo cosa significa agentic engineering e come si differenzia dal vibe coding.

Con la rapida crescita dell'intelligenza artificiale (AI) e degli agenti AI, l'uso dell'AI generativa per sviluppare software è diventato una parte predefinita del normale workflow dello sviluppo software. Secondo il Developer Survey 2025 di Stack Overflow, l'84% dei rispondenti utilizza o intende utilizzare la programmazione assistita dall'AI nel proprio processo di sviluppo software.

Tuttavia, il sondaggio mostra anche che un numero maggiore di sviluppatori diffida dell'accuratezza degli strumenti AI rispetto a quelli che si fidano: il 46% esprime scetticismo, contro il 33% che si dichiara sicuro dei risultati.

Solo una piccola percentuale (3%) dichiara di "fidarsi molto" degli output generati dall'AI. Gli sviluppatori più esperti sono particolarmente cauti, con il tasso più basso di "mi fido molto" (2,6%) e il tasso più alto di "diffido molto" (20%).¹ Questo dato evidenzia un'aspettativa diffusa: la supervisione umana rimane essenziale, soprattutto nei ruoli con responsabilità significative.

Nella pratica, gli sviluppatori utilizzano l'AI per attività che richiedono molto tempo ma presentano un rischio relativamente basso, a condizione che siano supervisionate da un revisore esperto. Tra queste attività rientrano il refactoring del codice, la generazione di codice boilerplate e di test, l'esecuzione di revisioni del codice di base, la stesura della documentazione, la creazione della struttura iniziale delle API e altre attività a basso rischio.

In sintesi, il vibe coding consente agli sviluppatori di automatizzare attività e creare rapidamente prototipi utilizzando pochi prompt in linguaggio naturale con modelli linguistici di grandi dimensioni (LLM) o sistemi agentici.

Il termine "vibe" nell'espressione "vibe coding" richiama un approccio informale e improntato all'improvvisazione. Sebbene questa impostazione fosse adatta alla fase iniziale ed esplorativa della programmazione assistita dall'AI, si scontra con la realtà di una diffusa diffidenza degli sviluppatori nei confronti degli agenti di AI Coding.

Senza le competenze necessarie per utilizzare gli LLM nello sviluppo software, il vibe coding può produrre quello che viene definito "AI slop", ovvero codice di scarsa qualità, inutilizzabile o che compromette il funzionamento del codice esistente. Questo tipo di codice difettoso spesso aumenta il debito tecnico dei team di sviluppo, che finiscono per dedicare gran parte del loro tempo a comprenderlo e a eseguire il debug e il refactoring.

In alternativa, Karpathy descrive il termine "agentic engineering" in modo diverso su X:

• "Agentic": un'orchestrazione di agenti scrive il codice, mentre lo sviluppatore supervisiona e convalida il risultato. Via via che l'agente o il sistema multi-agente procede nell'esecuzione delle attività secondarie, manteniamo un approccio human-in-the-loop.
• "Engineering": è richiesto un certo livello di competenza per utilizzare i workflow agentici nella produzione di codice in modo efficace, senza comprometterne la qualità. Si tratta di una competenza che può essere sviluppata e migliorata.

Vuoi vedere come l'agentic engineering cambia il ruolo dell'ingegnere del software? Guarda Agentic Engineering vs. Software Engineering: Beyond Vibe Coding per esplorare come l'ingegneria agentica differisce dallo sviluppo software tradizionale e come gli sviluppatori possano lavorare insieme agli agenti AI.

L'agentic engineering funziona combinando l'esperienza ingegneristica umana con agenti AI in grado di eseguire attività di sviluppo software specifiche. Invece di chiedere a un sistema di AI di generare un'intera applicazione a partire da un singolo prompt, gli sviluppatori definiscono obiettivi, suddividono lavori complessi in compiti gestibili, forniscono agli agenti il contesto e gli strumenti necessari, revisionano e convalidano il lavoro risultante.

Un tipico workflow di agentic engineering comprende i seguenti passaggi:

1. Definire l'obiettivo e i requisiti. Gli sviluppatori definiscono gli obiettivi che il software o le caratteristiche devono raggiungere, unitamente ai requisiti tecnici, ai vincoli e agli standard di qualità.

2. Suddividere il lavoro in attività. Il lavoro di sviluppo complesso è suddiviso in compiti più piccoli e ben definiti che un agente AI può eseguire, come scrivere codice, aggiornare documentazione, generare test o identificare bug.

3. Assegnare compiti agli agenti AI. Gli sviluppatori selezionano o configurano gli agenti per compiti specifici e danno loro accesso al codice pertinente, alla documentazione, agli strumenti di sviluppo e ad altri contesti necessari per lavorare in modo efficace.

4. Orchestrare e guidare gli agenti. Gli sviluppatori forniscono istruzioni, stabiliscono le dipendenze tra le attività e determinano quando gli agenti devono lavorare in modo indipendente o quando il loro output richiede l'intervento umano.

5. Rivedere e convalidare l'output. Gli ingegneri umani valutano il codice generato dagli agenti e altri output per verificarne la correttezza, la sicurezza, le prestazioni, la manutenibilità e l'allineamento ai requisiti. Test automatizzati e altri strumenti di valutazione possono supportare questo processo.

6. Iterare e perfezionare. Gli agenti possono rivedere il loro lavoro in base ai risultati dei test, al feedback degli sviluppatori o ai requisiti in evoluzione. Gli sviluppatori continuano a guidare il processo fino a quando l'output non soddisfa gli standard richiesti.

7. Integrare le modifiche approvate. Una volta che il lavoro è stato esaminato e validato, gli sviluppatori integrano il codice risultante nel più ampio workflow dello sviluppo software e nella base di codice di produzione.

La distinzione fondamentale è che gli agenti AI svolgono gran parte dell'esecuzione, mentre gli ingegneri umani rimangono responsabili della direzione del lavoro, delle decisioni tecniche di alto livello e della qualità del risultato finale. Questo permette alle organizzazioni di utilizzare l'AI per qualcosa di più della semplice generazione di codice, mantenendo allo stesso tempo il giudizio ingegneristico e la supervisione necessari per lo sviluppo software professionale.

Le organizzazioni possono adottare l'agentic engineering stabilendo la giusta governance, dotando gli sviluppatori delle competenze per lavorare con gli agenti AI e creando l'infrastruttura tecnica necessaria a supportare i workflow agentici. Questo approccio include la disponibilità per gli agenti di un contesto organizzativo pertinente, la suddivisione del lavoro di sviluppo in compiti gestibili e la determinazione di processi chiari per la supervisione e la validazione umana.

Le organizzazioni possono adottare diverse misure per sostenere l'adozione.

Insieme, queste pratiche possono aiutare le organizzazioni a passare dalla sperimentazione con strumenti di AI Coding a un approccio più strutturato all'agentic engineering, in cui gli agenti AI si occupano di compiti di sviluppo sempre più complessi sotto una supervisione umana appropriata. 

L'agentic engineering ci consente di superare la logica deterministica per entrare nel territorio più sfumato del giudizio probabilistico. Richiede quindi un cambiamento fondamentale nel modo in cui le organizzazioni pensano e nel modo in cui i team di sviluppo operano.

Con la continua evoluzione del panorama dello sviluppo software assistito dall'AI, è probabile che anche la terminologia continui a evolversi. Sebbene l'agentic engineering rappresenti oggi un modo più maturo e accurato di descrivere la collaborazione tra sviluppatori e sistemi autonomi, le pratiche su cui si basa continueranno a evolversi man mano che gli agenti di AI diventeranno sempre più capaci. Nei prossimi anni, è prevedibile che i sistemi agentici saranno in grado di gestire attività sempre più complesse.

Allo stesso tempo, il ruolo degli sviluppatori evolverà: non si limiteranno più a scrivere codice, ma si occuperanno di progettare, supervisionare e modellare il comportamento di questi sistemi di AI. Che tu sia un AI engineer, uno sviluppatore full-stack, un data scientist o abbia appena iniziato il tuo percorso nella codifica, i principi fondamentali della supervisione umana, della progettazione dei sistemi e della capacità di prendere decisioni basate sul giudizio rimarranno essenziali.

Se non sai da dove iniziare, inizia in piccolo. Esplora un workflow agentico, che sia open source o di livello aziendale, testalo con il tuo team e scopri cosa è possibile realizzare.