Salesforce ha sperimentato una rivoluzione nel processo interno di sviluppo software, passando completamente all’utilizzo di agenti AI alimentati da Anthropic’s Claude Code, operativi senza limiti di token, segnando un cambiamento sostanziale nel modo in cui la compagnia costruisce il proprio software.

Risultati eclatanti dell’adozione degli agenti AI

I risultati dell’implementazione sono stati straordinari: gli sviluppatori producono oggi il 79% in più di pull requests, riducendo contestualmente le percentuali di errori, con una migrazione API completata in soli 13 giorni, rispetto alle stime iniziali di 231 giorni.

Questo processo vede gli sviluppatori adottare un nuovo ruolo, non più come programmatori maniacali, bensì come orchestratori di team di agenti AI specializzati, coordinandoli insieme per gestire attività complesse in maniera collaborativa e coordinata.

Il cosiddetto "agentic shift" nell’ambito del coding ha generato molto dibattito in questi ultimi tempi, e ora Salesforce mette in campo dei dati concreti per sostenere questa tendenza. In un post della leadership ingegneristica aziendale, Srinivas Tallapragada annuncia che l'intera struttura di sviluppo sta adottando flussi di lavoro a base di agenti AI.

Efficienza e sicurezza in crescita

Per l’aprile 2026, i dati riportano un aumento della produttività: un 50,8% in più di elementi completati per sviluppatore, e un aumento del 79% nei pull requests uniti. Un misuratore specifico denominato "Effective Output Score" mostra un incremento del 151,3 per cento, pur non essendo verificabile esternamente.

I problemi di qualità non sembrano compromettersi, nonostante l’aumento del ritmo. Il numero degli incidenti segnala un calo del 5%. Secondo Tallapragada, la sicurezza e i controlli di qualità sono integrati direttamente nei flussi di lavoro a base di agenti AI.

Come funziona la gestione agenziale?

I nuovi agenti AI offrono funzionalità che vanno oltre gli strumenti standard: i cosiddetti "Claude Code skills" rappresentano capacità riusabili che codificano informazioni di contesto, convenzioni di denominazione, e modelli di lavoro di squadra. Salesforce ha anche costruito una libreria personalizzata, chiamata "AI Expert Suite" e "Salesforce Foundation Plugins", che fornisce un fondamento comune a tutti gli sviluppatori.

    • Agenti di sottotask e team specializzati: questi agenti gestiscono processi paralleli all'interno di attività complesse, riducendo notevolmente l’interazione manuale.
    • Utilizzo di contesti persistenti: i file “CLAUDE.md”, essenziali per il funzionamento degli agenti AI, sono soggetti a variazioni a seconda del team, influenzando in modo significativo la qualità degli output.
    • Coordinazione automatica: le iterazioni di costruzione, correzione e validazione sono gestite autonomamente da cicli autonomi di AI.

Esempio pratico: migrazione API a ritmo sostenuto

Tallapragada presenta un esempio concreto: la migrazione di 33 endpoint API verso una nuova architettura cloudnative, che sarebbe richiesta 231 giorni con metodi tradizionali ma che è stata ultimata in soli 13 giorni con l’uso degli agenti AI, riducendo il lavoro richiesto a un 18° della stima iniziale.

Ogni ciclo di feedback su merge request è reinserito direttamente nel framework base, per raffinare l'accuratezza del sistema automatico. L’utilizzo parallelo su ambienti isolati ha consentito la consegna di cinque richieste merge, di cui una singola ha incluso 21 endpoint con copertura completa di test.

Problemi irrisolti e dibattiti nel settore

Tallapragada sottolinea però chiaramente che non tutti i problemi sono affrontati, come ad esempio:

    • La gestione del contesto durante le sessioni di lavoro agenziale. I file CLAUDE.md variano in qualità tra i team, influenzando negativamente i risultati.
    • Rivalutazione della sicurezza: se gli agenti AI eseguono operazioni direttamente, il rischio di errori aumenta, rendendo necessaria una ridefinizione dei controlli.
    • Scarsità di talento medio: quando i task vengono eseguiti dagli agenti, i nuovi sviluppatori hanno minori opportunità per acquisire esperienza.
    • Ristrutturazione del modello di squadra: Salesforce sperimenta modelli diversi come squadre da una o tre persone, invece del classico modello Scrum.

Un punto di vista alternativo

George Hotz, uno sviluppatore conosciuto a livello mondiale, solleva dubbi sull’uso di agenti AI nel settore software. Sostiene che tale utilizzo sarà una delle decisioni più costose del settore. I modelli linguistici generativi, per quanto sofisticati, non replicano veramente il pensiero umano e, in grandi organizzazioni, i risultati potrebbero essere compromessi da mancanza di esperienza nella rilevazione degli errori.

Anche Andrej Karpathy, pur essendo in favore di questo nuovo approccio, segnale problemi di qualità nell’output prodotto automaticamente: i codici generati spesso appaiono ingombranti, ripetitivi e poco coesi, anche se tecnica funzionante.

Quest'ultimo, non ha comunque abbandonato l’approccio agenziale e ha recentemente incluso Anthropic tra le sue collaborazioni.

Spese e benefici nell’utilizzo di modelli AI

Un confronto più ampio sui costi e benefici dell'integrazione AI genera dibattito in settore, insieme alla valutazione reale del vantaggio che questi modelli portano ogni giorno. Se da un lato si registrano miglioramenti nella produttività, dall’altro sorgono nuovi rischi tecnologici e operativi.

Il dibattito attuale, dunque, non si incentra solo sull’efficacia dei singoli strumenti, ma anche su come le aziende debbano adattare la cultura, la gestione e i processi lavorativi per accogliere questa svolta tecnologica.

In sintesi

La sperimentazione di Salesforce mostra concreti benefici nell’efficienza, ma evidenzia anche problemi irrisolti che richiedono attenzione. Gli strumenti a base di agenti AI sembrano accelerare la produttività e ridurre il carico di errore, ma il contesto, la sicurezza e la crescita professionale dei neoingegneri richiedono ulteriori analisi e attenzione. Il futuro dello sviluppo software sembra sempre più legato all’intelligenza artificiale agente, ma restano molte domande aperte per il settore tecnologico.