GitHub sta modificando la propria infrastruttura tecnologica e i servizi destinati agli sviluppatori per affrontare l’aumento delle operazioni software generate da agenti di intelligenza artificiale. L’evoluzione riguarda sia la capacità della piattaforma di gestire un numero crescente di commit, push e pull request, sia l’introduzione di strumenti che permettono di coordinare agenti autonomi durante la programmazione, la revisione del codice e la distribuzione delle applicazioni. La piattaforma, controllata da Microsoft, dichiara una base di 225 milioni di sviluppatori e circa mezzo miliardo di repository pubblici. Per sostenere la crescita del carico operativo, GitHub ha aggiunto nel corso del 2026 oltre quattro milioni di core CPU e 160 petabyte di capacità di archiviazione interna. Gli investimenti si accompagnano a una riprogettazione delle primitive fondamentali di Git, con l’obiettivo di separare le risorse computazionali da quelle di storage e ridurre la necessità di coordinamento tra le operazioni. La nuova architettura è progettata per consentire una crescita indipendente delle due componenti e prevede un obiettivo iniziale di miglioramento della scalabilità pari a 180 volte rispetto alla configurazione di riferimento.
La dimensione del cambiamento emerge dai dati contenuti nel rapporto Octoverse, secondo il quale GitHub ha registrato nell’arco di un anno 34,3 miliardi di commit, 17,9 miliardi di push e oltre 1,3 miliardi di pull request integrate. L’aumento dell’attività non dipende soltanto dal numero degli sviluppatori, ma anche dalla capacità degli agenti AI di produrre modifiche, generare test, aprire richieste di integrazione ed eseguire operazioni ripetitive con una frequenza superiore a quella dei processi esclusivamente umani. L’architettura tradizionale di Git, sviluppata per operazioni decentralizzate e sequenze di modifiche coordinate da persone, incontra nuove criticità quando numerosi agenti lavorano contemporaneamente su repository differenti, eseguendo operazioni di rebase, compilazione e verifica. L’elevata concorrenza può determinare sequenze di tentativi ripetuti, conflitti e congestioni che interferiscono con le pipeline aziendali. GitHub sta quindi intervenendo sui meccanismi fondamentali del sistema per impedire che questi cicli di operazioni concorrenti blocchino le attività di sviluppo. È inoltre previsto il completamento della migrazione dell’infrastruttura verso un’architettura Azure multiregione nei primi mesi del 2027, con l’obiettivo di adattare più rapidamente la capacità alle variazioni della domanda.
Un esempio dell’impiego dell’intelligenza artificiale nello sviluppo software è rappresentato dal lavoro di tre ingegneri Anthropic che hanno trasferito in circa un mese la principale Messages API dalla precedente infrastruttura Python a Rust. Il progetto è stato realizzato con un importante contributo di Claude, nonostante nessuno dei tre sviluppatori avesse una conoscenza diretta approfondita del linguaggio Rust. Il caso illustra un modello operativo nel quale gli sviluppatori mantengono il controllo della progettazione e della verifica, mentre l’agente esegue una parte consistente dell’implementazione tecnica. La migrazione a Rust risponde a esigenze di prestazioni, sicurezza della memoria e gestione della concorrenza, ma richiede anche sistemi di controllo sufficientemente affidabili per verificare modifiche prodotte attraverso strumenti AI.
Sul versante dei prodotti, GitHub ha introdotto Copilot Projects, una piattaforma di coordinamento multiagente che permette agli sviluppatori di organizzare sottagenti e monitorare attività svolte in parallelo. Copilot Automations aggiunge un meccanismo di miglioramento progressivo dei flussi operativi, analizzando gli interventi umani e utilizzandoli per perfezionare automaticamente la sequenza dei prompt e le modalità di impiego degli strumenti. Copilot Dreaming interviene invece sulla manutenzione delle istruzioni utilizzate dagli agenti, aprendo automaticamente pull request per aggiornare i file di configurazione diventati obsoleti quando i repository cambiano linguaggi o framework. Queste funzionalità sono pensate per mantenere coerenti i processi agentici con l’evoluzione delle codebase, riducendo gli interventi ripetitivi necessari per riallineare istruzioni, strumenti e attività operative.
Un’ulteriore novità è Copilot Fusion, un motore di orchestrazione che valuta la complessità dei compiti e instrada le richieste verso il modello considerato più adatto all’esecuzione. Il sistema può utilizzare modelli differenti, comprese soluzioni open-weight come Kimi K3 di Moonshot AI e Qwen 2.5 di Alibaba, affiancando la scelta del modello alla gestione delle prestazioni e dei costi. GitHub dichiara che Fusion Max ha ottenuto, nell’Artificial Analysis Coding Agent Index, un punteggio inferiore di non più di due punti rispetto a Claude Opus 5.5 Max, con un’esecuzione più veloce del 40% e un costo API approssimativamente dimezzato. Si tratta di risultati comunicati dall’azienda e riferiti alla specifica metodologia di confronto. Per favorire l’adozione del servizio, GitHub ha inoltre annunciato uno sconto del 30% sull’utilizzo di Copilot Fusion fino alla fine di novembre 2026.
La revisione automatizzata del codice viene ampliata attraverso Copilot Code Review Max, una modalità dedicata al controllo autonomo delle modifiche che GitHub presenta come particolarmente efficace nell’identificazione delle vulnerabilità critiche, sulla base del punteggio F1 ottenuto nel benchmark ReviewBench. Il sistema AI Scans esegue analisi di sicurezza sulle codebase e controlli associati alle pull request, mentre la reachability analysis contribuisce a stabilire quali vulnerabilità segnalate possano effettivamente essere raggiunte durante l’esecuzione, permettendo di assegnare maggiore priorità ai problemi concretamente sfruttabili. L’integrazione di questi strumenti collega la produzione automatizzata delle modifiche alla necessità di verificarne qualità e sicurezza prima dell’inclusione nei repository principali.
L’aumento dei contributi generati dall’intelligenza artificiale sta creando difficoltà anche ai manutentori dei progetti open source. Daniel Stenberg, creatore di cURL, ha sospeso i programmi pubblici di ricompensa per la segnalazione delle vulnerabilità dopo aver ricevuto un elevato numero di segnalazioni errate generate con sistemi AI. Diversi manutentori hanno inoltre introdotto limitazioni sulle patch assistite da modelli linguistici quando non accompagnate da verifiche sufficienti. La produzione automatica di codice può infatti trasferire sugli sviluppatori responsabili dei progetti un carico aggiuntivo di revisione, anche quando la modifica proposta non risolve un problema reale. GitHub collabora con circa 250.000 manutentori attraverso il Secure Open Source Fund, in collaborazione con organizzazioni come Open Source Security Foundation e GitHub Security Lab, cercando di rafforzare gli strumenti di sicurezza e supporto alle comunità di sviluppo.
La trasformazione dei processi software ha aperto anche una discussione sul momento nel quale un progetto dovrebbe essere sottoposto a valutazione architetturale. La possibilità di generare rapidamente grandi quantità di codice rende particolarmente importante verificare in anticipo la necessità di una funzionalità e la correttezza dell’approccio progettuale, evitando di scoprire soltanto durante la pull request che l’intervento deve essere riscritto o abbandonato. GitHub ritiene che la piattaforma debba evolvere verso una gestione integrata di sviluppatori e agenti, anziché essere sostituita da un nuovo sistema di repository. La concorrenza comprende ambienti di sviluppo AI-native come Cursor Origin e iniziative come Entire, fondata dall’ex amministratore delegato di GitHub Thomas Dohmke. La strategia dell’azienda consiste nel mantenere le funzioni fondamentali di gestione del codice e collaborazione, modificando infrastruttura, orchestrazione dei modelli e sistemi di controllo per sostenere i carichi di lavoro prodotti dalla programmazione agentica.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)