Negli ultimi giorni il mondo degli sviluppatori software si è trovato a discutere con grande entusiasmo di un thread pubblicato su X da Boris Cherny, l’ingegnere che ha progettato e guida lo sviluppo di Claude Code, lo strumento di intelligenza artificiale per la generazione di codice sviluppato da Anthropic. Quella che per molti era iniziata come una semplice condivisione della sua configurazione personale da terminale si è trasformata rapidamente in una sorta di manifesto sull’evoluzione dello sviluppo software, con commentatori dell’industria che la definiscono un momento spartiacque per l’intero settore.
La ragione di tanto fervore non sta tanto nella complessità tecnica della soluzione di Cherny quanto nella visione profonda che essa implica. Tradizionalmente, la scrittura del codice è un processo lineare: si scrive una funzione, si testa, si corregge e si passa alla successiva. L’approccio di Cherny appartiene invece all’idea di orchestrare più agenti di intelligenza artificiale in parallelo, come se un singolo sviluppatore potesse agire alla guida di un intero team.
Nella sua configurazione personale, Cherny esegue più istanze di Claude Code contemporaneamente all’interno del suo terminale, etichettando le sessioni in modo da sapere quale agente ha bisogno di input e quale sta gestendo un compito specifico. Alcuni agenti si occupano di eseguire suite di test, altri di rifattorizzare moduli legacy, altri ancora di stendere documentazione o verificare funzionalità. Questo metodo ricorda più una partita di strategia in tempo reale che un classico ciclo di sviluppo software, perché il ruolo principale dello sviluppatore umano diventa quello di comandante di risorse autonome e non più quello di semplice autore di istruzioni.
Un altro elemento di rottura fondamentale del workflow di Cherny è l’uso del modello più grande e complesso messo a disposizione da Anthropic, Opus 4.5, nonostante sia più “lento” rispetto ad altri modelli più leggeri. La scelta di un modello più potente non è dettata da un’ossessione per la velocità di generazione token per token, bensì dalla comprensione che il vero collo di bottiglia nella produzione di software non è la semplice produzione di testo, ma il tempo umano speso a correggere gli errori dell’AI. Un modello più intelligente e meglio capace di utilizzare strumenti riduce drasticamente questa necessità di intervento umano, accelerando complessivamente il processo.
Cherny ha anche affrontato uno dei limiti più noti dei modelli di grande linguaggio, ossia la loro “amnesia”: la difficoltà di ricordare e applicare in modo coerente specifiche regole di stile o decisioni architetturali di un progetto da una sessione all’altra. La soluzione è tanto semplice quanto efficace: all’interno del repository del codice i membri del team mantengono un file chiamato CLAUDE.md, dove vengono documentate tutte le volte in cui il modello ha commesso errori. Ogni volta che un errore viene corretto, la correzione non viene semplicemente applicata al codice, ma anche inserita in quel file, in modo che il modello impari dalle proprie cadute e non ripeta gli stessi sbagli in futuro.
Un aspetto che ha colpito molto la comunità riguarda poi l’automazione delle attività ripetitive. Cherny utilizza comandi speciali — denominati slash commands — che permettono di eseguire operazioni complesse come committare, creare una pull request o eseguire test con una singola istruzione. Questi comandi vengono versionati insieme al codice e consentono di standardizzare e accelerare le parti “burocratiche” del ciclo di sviluppo. Inoltre, impiega sub-agenti, agenti AI specializzati in fasi precise del flusso di lavoro, per gestire operazioni come la semplificazione del codice o l’esecuzione di test end-to-end prima che il software venga effettivamente rilasciato.
Ciò che rende questa visione particolarmente rivoluzionaria non è soltanto l’efficienza tecnica, ma l’idea che lo sviluppo del software stia evolvendo verso un modo di lavorare in cui l’AI non è un mero assistente che completa frammenti di codice, ma un vero e proprio collaboratore attivo. In questo nuovo paradigma, lo sviluppatore umano si concentra sull’ideazione, la supervisione e la direzione strategica, mentre gli agenti AI si occupano di una grande parte dell’esecuzione e della verifica automatica del lavoro.
La reazione della comunità è stata intensa: commentatori e sviluppatori su piattaforme come X e LinkedIn hanno descritto la condivisione di Cherny non solo come utile, ma come un invito a ripensare l’intero modo in cui si progetta e si costruisce software. Alcuni affermano che chi non assimila queste nuove pratiche rischia di rimanere “indietro” rispetto ai colleghi, perché l’adozione di flussi di lavoro orchestrati da AI potrebbe diventare la norma nei prossimi anni.