Negli ultimi mesi del 2025 una delle più significative trasformazioni nei processi di sviluppo software di una grande azienda tecnologica è avvenuta all’interno di Spotify, la piattaforma di streaming musicale globale. Tradizionalmente nota per essere un ambiente con team di sviluppo software molto numerosi e tecnicamente sofisticati, Spotify ha dichiarato pubblicamente durante la presentazione dei risultati del quarto trimestre 2025 che i suoi ingegneri più esperti non scrivono più codice manualmente dal mese di dicembre di quell’anno. Questa affermazione ha suscitato grande interesse e dibattito nel settore tecnologico, perché segna un punto di svolta nell’adozione dell’intelligenza artificiale generativa applicata alla programmazione software.
Il cuore della trasformazione risiede in un sistema interno sviluppato da Spotify chiamato Honk AI, una piattaforma automatizzata che combina grandi modelli di linguaggio generativo — specificamente Claude Code di Anthropic — con strumenti di integrazione e automazione delle pipeline di sviluppo. Questo sistema consente alla piattaforma di generare, correggere e perfino distribuire codice senza che i programmatori debbano digitare istruzioni mano a mano. Gli ingegneri, invece di scrivere codice, formulano richieste o “prompt” in linguaggio naturale all’interno dell’ambiente collaborativo Slack, dove Honk interpreta le intenzioni, produce il codice richiesto e lo integra nella base di codice dell’applicazione.
Un esempio concreto descritto dai dirigenti di Spotify illustra un ingegnere che, durante il tragitto verso il lavoro, utilizza Slack sul proprio smartphone per chiedere all’AI di risolvere un bug o aggiungere una nuova funzionalità all’app iOS. L’AI genera il codice corrispondente, verifica gli eventuali errori e restituisce un build pronto per la revisione. L’ingegnere può quindi esaminare il risultato, effettuare modifiche di giudizio e approvare l’integrazione in produzione prima di arrivare in ufficio. Questo tipo di workflow indica una profonda integrazione della generazione automatica all’interno delle fasi operative di sviluppo, fino alla fase di deployment.
Questa transizione non significa che Spotify abbia eliminato i suoi ingegneri o che l’abilità tecnica non sia più necessaria; piuttosto, ha ridefinito quale tipo di competenze siano richieste. L’azienda posiziona ancora umani in ruoli fondamentali di supervisione dell’output dell’AI, di decisione architetturale, di definizione di requisiti, di controllo di qualità e di risoluzione di problemi complessi che vanno oltre l’esecuzione meccanica di istruzioni di programmazione. Gli ingegneri non vengono sostituiti, ma impiegati in compiti di più alto livello cognitivo, con l’AI che si occupa della stesura dettagliata del codice.
Il passaggio a un modello di sviluppo così automatizzato ha avuto impatti tangibili sulla produttività e sulla capacità di innovazione di Spotify. Secondo quanto riferito, nel corso del 2025 l’azienda ha lanciato oltre cinquanta nuove funzionalità e aggiornamenti alla propria applicazione di streaming, inclusi strumenti basati su intelligenza artificiale come playlist generate su richiesta degli utenti, funzioni di abbinamento di contenuti per audiolibri e metadati avanzati che forniscono informazioni su una traccia musicale. La velocità di rilascio di queste feature è stata attribuita direttamente all’adozione di sistemi di generazione automatica del codice, che hanno permesso di comprimere i tempi di sviluppo e deployment rispetto ai metodi tradizionali.
Nel contesto più ampio dell’industria tecnologica, la scelta di Spotify riflette una tendenza emergente in cui strumenti di intelligenza artificiale generativa vengono integrati sempre più a fondo nei processi di sviluppo software. Questo fenomeno solleva interrogativi importanti sulla natura futura delle competenze di ingegneria del software, sulla gestione della qualità e sui modelli di lavoro collaborativo tra umani e sistemi autonomi. Se da un lato si guadagnano efficienza e velocità, dall’altro sorgono sfide relative alla gestione tecnica di modelli generativi, alla governance del codice prodotto automaticamente e all’assicurazione che le soluzioni generate soddisfino criteri di sicurezza, performance e manutenibilità nel lungo termine.