Amazon: 100 mila righe di codice con l'IA

Centomila righe di codice non sono automaticamente centomila righe di valore. Il caso Amazon, mentre l’azienda licenzia i dipendenti e una dirigente dichiara di aver scritto 100 mila righe di codice con l’IA, pone una domanda molto concreta anche alle PMI: l’intelligenza artificiale sta riducendo il lavoro inutile o sta soltanto rendendo più veloce la produzione di nuove complessità?

Secondo quanto dichiarato dall’azienda, Beth Galetti, vicepresidente senior della divisione People Experience and Technology, avrebbe generato oltre 100.000 righe di codice usando prima l’assistente interno Aza e poi l’ambiente di sviluppo Kiro. Il dato è stato presentato come prova della possibilità di avvicinare anche personale non tecnico alla creazione di strumenti software.

L’obiettivo è comprensibile. Uno script che trasforma un controllo manuale di quattro ore in una verifica istantanea può liberare tempo, ridurre errori ripetitivi e migliorare la continuità operativa. Ma il numero di righe prodotte non misura né la qualità del risultato né il costo complessivo per l’organizzazione.

Amazon e 100 mila righe di codice con l’IA: il dato che manca

Nel software, più codice significa spesso più superficie da controllare. Ogni funzione richiede test, documentazione, aggiornamenti, gestione delle autorizzazioni e verifiche di sicurezza. Se l’applicazione tratta dati di dipendenti, clienti, fornitori o pagamenti, entrano in gioco anche privacy, ruoli di accesso, conservazione dei dati e responsabilità in caso di errore.

L’IA generativa è molto efficace nel creare una prima versione di script, query, automazioni e interfacce. È meno affidabile quando deve comprendere eccezioni operative, vincoli normativi o procedure aziendali stratificate. Può proporre codice formalmente corretto ma inadatto al processo reale, duplicare funzionalità già esistenti o introdurre dipendenze che nessuno ha valutato.

Per questo, il punto non è chiedersi se una persona non sviluppatrice possa creare software con l’IA. Può farlo, e in molti casi con risultati utili. Il punto è stabilire chi verifica il risultato, chi lo approva per l’uso effettivo e chi se ne assume la responsabilità dopo sei mesi, quando cambiano una procedura interna, un gestionale o una regola fiscale.

Efficienza non significa sostituzione indiscriminata

La vicenda assume un peso diverso sullo sfondo delle riduzioni di personale riportate per Amazon, con circa 30.000 posti corporate tagliati in più fasi. L’investimento nell’IA e il ridimensionamento degli organici non dimostrano da soli un rapporto diretto di causa-effetto, ma rendono inevitabile il confronto.

Quando la tecnologia viene raccontata soltanto come leva per fare di più con meno persone, il rischio è spostare costi e responsabilità su chi resta. Un team più piccolo può produrre rapidamente molto output assistito dall’IA, ma può non avere abbastanza tempo per controllarlo, correggerlo e mantenerlo. Il risparmio iniziale rischia quindi di trasformarsi in debito operativo: processi fragili, dati incoerenti, applicazioni senza proprietario e interventi urgenti più costosi del lavoro evitato.

Per una PMI, la lezione non è rinunciare all’automazione. È usarla dove crea controllo. Automatizzare l’estrazione dei dati dalle fatture, il sollecito di documenti mancanti, la classificazione preliminare delle richieste interne o il monitoraggio di scadenze può avere un impatto immediato. Lasciare che un assistente generi autonomamente flussi che incidono su paghe, contratti, contabilità o dichiarazioni senza un presidio professionale è un’altra cosa.

Il criterio giusto per decidere cosa automatizzare

Un imprenditore non dovrebbe valutare un progetto IA in base al numero di task eseguiti o al volume di codice creato. Le domande utili sono più operative: quale attività elimina? Quanto tempo verificabile recupera? Quali dati utilizza? Che cosa accade se sbaglia? È possibile risalire alla decisione presa dal sistema? Chi interviene quando cambia una regola o un processo?

Le automazioni migliori non nascono dall’entusiasmo per lo strumento, ma dalla mappa dei colli di bottiglia. Prima si individua un processo ripetitivo, costoso o soggetto a errori. Poi si definiscono dati di ingresso, risultato atteso, eccezioni e responsabile del controllo. Solo dopo si sceglie se usare IA, software tradizionale o una combinazione dei due.

In materie amministrative, fiscali e giuslavoristiche la supervisione non è un freno all’innovazione. È la condizione che rende l’innovazione utilizzabile. Un’automazione può preparare dati, segnalare anomalie e accelerare i passaggi ripetitivi; un professionista deve poter valutare il caso, intercettare l’eccezione e validare l’adempimento.

La promessa utile dell’IA non è trasformare ogni dipendente in uno sviluppatore né misurare la produttività in righe di codice. È restituire tempo alle persone perché prendano decisioni migliori, con processi tracciabili e responsabilità chiare. Se il controllo resta in azienda, la tecnologia riduce davvero il lavoro. Se il controllo sparisce, sta solo producendo più velocemente un problema da gestire.

Per approfondire l’introduzione di strumenti di intelligenza artificiale nei processi aziendali, scopri i servizi BPlanning di consulenza AI e IT.