Ho mollato Git per la velocità (e l’AI me lo ha permesso)

Di recente ho fatto una cosa che predico di non fare mai: ho mollato Git per la velocità. Su un progetto già sviluppato, che chiedeva solo correzioni rapide, ho saltato il mio sacro flusso git → CI → GitHub e ho deployato direttamente, perdendo ogni tracciamento. La cosa interessante non è che l'ho fatto — è che l'intelligenza artificiale ha reso la scorciatoia non solo possibile, ma razionale. E questo, da chi considera Git irrinunciabile (ne ho scritto qui), è una cosa che mi tiene sveglio.

TL;DR

• Sotto pressione ho usato un deploy istantaneo al posto di Git+CI: velocissimo, ma cieco.
• L'AI sposta il calcolo: spesso delegare tutto al modello costa meno che ispezionare a mano.
• I numeri raccontano un'epoca che cambia: Stack Overflow crolla, il codice AI-assistito esplode.
• Sicurezza: deployare senza tracciamento ti espone a qualsiasi attacco. È accettabile solo se sai cosa stai facendo.
• Ma è una doppia lama: l'AI alza la qualità o moltiplica il caos. Dipende da chi guida.

La confessione: deploy istantaneo al posto di Git

Lo sviluppo era già fatto. Servivano solo debug e ritocchi, in fretta, senza tempo nemmeno di respirare dopo mesi passati a combattere con codice, test e bug. Così, per la prima volta dopo anni, ho messo da parte il workflow che difendo a spada tratta e sono passato a uno strumento di deploy istantaneo: scrivi, salva, è online. Iper-veloce, zero attrito.

Il problema è che si perde qualsiasi tracciamento. Niente cronologia, niente "torna alla versione di ieri", niente storia di chi-ha-cambiato-cosa. Mi sono sentito perso, come tornato indietro di vent'anni. Ed è proprio quel "indietro" la parte che mi ha disturbato di più.

Gli incubi che non riesco a togliermi

Perché quel deploy istantaneo mi ha riportato a galla ricordi che credevo sepolti. I mega-server che ospitavano centinaia di siti in FTP, con tutto il team che aveva accesso e tutti che modificavano i file in diretta, in produzione. Le alberature dei progetti sul server che non corrispondevano mai a quelle in locale. La sincronizzazione fatta con rsync — efficiente sì, elegante no, ma sempre meglio del caos puro.

Git è arrivato a mettere ordine in tutto quello. Tornare a deployare "alla cieca", anche con strumenti moderni e velocissimi, ha il sapore di rimettere un piede in quegli anni. La differenza, oggi, è che ho un alleato che allora non c'era.

I numeri: un'epoca che cambia

Non è solo una mia sensazione. Due trend, opposti e collegati, raccontano lo spostamento in atto.

Segnale	Cosa dicono i dati	Periodo
Domande su Stack Overflow	In calo netto: ad aprile 2025 i post erano circa il 64% in meno rispetto all'anno prima, e oltre il 90% sotto il picco del 2020	post-ChatGPT (nov. 2022 →)
Adozione AI tra gli sviluppatori	L'80% dei nuovi sviluppatori su GitHub usa Copilot nella prima settimana	2024
Codice scritto dall'AI (big tech)	Google: dal 25% (ott. 2024) a oltre il 30%; Microsoft: 20–30% "scritto da software"	2024–2025
Qualità del codice	I blocchi di codice duplicati ("clonati") sono passati dall'8,3% al 12,3% tra 2021 e 2024	2021–2024

Il messaggio è doppio e scomodo. Da un lato, il posto dove per quindici anni andavamo a cercare risposte si sta svuotando: l'AI risponde prima, e in privato. Dall'altro, lo stesso codice generato in quantità industriale mostra i primi segnali di erosione della qualità — più copia-incolla, meno refactoring. Per la prima volta, nel 2024, il codice copiato ha superato quello rifattorizzato.

L'anti-pattern che mi sta salvando

Qui arriva il punto che mi fa sentire eretico. Con i "superpoteri" dell'AI, paradossalmente, è spesso più veloce ed economico delegare tutto al modello — dagli il problema, lascialo correggere, iterare, riprovare — che gestirlo a mano: leggere i log, ispezionare le variabili, ragionare riga per riga. Sbagliare costa pochissimo, sia in tempo sia in denaro; molto meno di un'ora di una persona. Quindi iteri, e iteri, finché funziona.

Lo so che suona come un anti-pattern. In un ambiente collaborativo non lo farei mai: niente tracciamento, niente review, decisioni opache. Ma su un progetto già sviluppato, che chiede solo velocità di debug, in questo momento mi sta salvando. Il trucco è sapere esattamente in quale dei due mondi ti trovi.

Quando la scorciatoia ha senso	Quando NON deve toccarla nessuno
Progetto già sviluppato, fase di soli fix	Sistema da costruire o da far crescere
Lavori da solo, contesto tutto in testa	Lavoro in team, più mani sullo stesso codice
Errori reversibili e a basso costo	Produzione critica, dati o pagamenti
Serve solo velocità, oggi	Serve manutenibilità, per anni

Il prezzo nascosto: la sicurezza

Diciamolo chiaro: deployare in diretta, senza tracciamento, è una schifezza per la sicurezza. Ti espone praticamente a qualsiasi tipo di attacco. Nessuna review che intercetti un segreto finito nel posto sbagliato, nessuna cronologia per capire quando e come è entrata una falla, nessun punto di ripristino pulito. È l'opposto esatto del "prevenire invece che curare".

Eppure, in una fase iniziale e circoscritta, può davvero essere una mano dal cielo — ma a una condizione sola: che chi lo fa sappia esattamente a cosa va incontro, sappia cosa fare e perché lo sta facendo. Non è uno strumento per chi programma un po' a caso — e qui quel famoso regista, in compagnia del suo pesce, avrebbe usato un'espressione decisamente più colorita. La velocità senza competenza, qui, non è una scorciatoia: è un incidente che deve ancora succedere.

La doppia lama

La verità è che l'AI taglia da entrambi i lati. Può alzare la qualità — dipende da chi la usa, dall'esperienza, dalle regole che le dai, da quanto conosci gli strumenti e il "vibe coding". Ma può anche generare molto più caos, davvero molto di più, proprio perché abbassa il costo di produrre codice senza abbassare il costo di mantenerlo. È lo stesso strumento: cambia chi tiene il manico.

Dove atterro

Non ho una tesi pulita da venderti, e diffida di chi ce l'ha. La mia posizione, onesta, è questa: Git resta sacro per il lavoro collaborativo e per qualsiasi sistema destinato a durare. La scorciatoia che ho preso è un'eccezione consapevole, su un progetto e in un contesto precisi, non la nuova regola. L'AI non ha reso Git inutile: ha reso più facile fingere che lo sia. La disciplina serve ancora — solo che ora va scelta, perché lo strumento ti offre, in un clic, la via più comoda per buttarla via.

FAQ

L'AI rende Git obsoleto?

No. L'AI rende più rapido scrivere e correggere codice, ma non sostituisce la tracciabilità, la collaborazione e il rollback. Anzi: più codice produci in fretta, più ti serve un sistema per sapere cosa è cambiato e tornare indietro quando qualcosa si rompe.

Perché Stack Overflow sta calando?

Perché molti sviluppatori chiedono prima a ChatGPT, Perplexity o ad assistenti integrati nell'editor, ottenendo risposte immediate e contestuali. I dati di Stack Overflow mostrano un crollo del volume di domande accelerato dopo il lancio di ChatGPT a fine 2022.

Delegare tutto all'AI è una buona idea?

Dipende dal contesto. Su un progetto già costruito che richiede solo fix veloci e reversibili, può essere razionale. Su un sistema da costruire, da mantenere o condiviso in team, no: lì ti servono comprensione, tracciamento e disciplina, altrimenti accumuli debito tecnico a velocità record.

---

Se l'AI ti sta facendo correre ma temi di star accumulando caos, è esattamente il problema che aiuto a tenere sotto controllo: parliamone o vedi cosa faccio come Fractional CTO. E se non l'hai letto, qui c'è il rovescio della medaglia: perché uso Git come discriminante quando valuto un team.

Fonti: Eric Holscher — Stack Overflow's decline, The Pragmatic Engineer, GitHub Octoverse 2024, Fortune — Google AI-generated code, GitClear — AI Copilot Code Quality.