Agentic AI e sviluppo software: il ruolo di IBM Bob. Scrivere codice è soltanto una parte del lavoro necessario per portare un’applicazione in produzione. Prima bisogna comprendere i requisiti, orientarsi tra componenti e dipendenze, scegliere un’architettura. Dopo occorre verificare il comportamento del software, correggere gli errori, aggiornare la documentazione e gestire il rilascio.
È su questo terreno che l’Agentic AI nello sviluppo software apre una nuova fase: sistemi capaci di utilizzare strumenti e coordinare più attività, dalla pianificazione alla verifica delle modifiche. IBM Bob è uno degli esempi concreti di questa evoluzione, che sposta l’attenzione dal singolo suggerimento di codice al lavoro sul progetto.
La domanda per le aziende diventa quindi più impegnativa: come integrare gli agenti nei processi di sviluppo, ottenendo benefici misurabili e mantenendo qualità, sicurezza e controllo?
L’AI cresce, ma la trasformazione dei processi è ancora all’inizio
Il contesto italiano mostra un’accelerazione evidente. Secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano, nel 2025 il mercato nazionale dell’AI ha raggiunto 1,8 miliardi di euro, con una crescita del 50% rispetto al 2024. Il 71% delle grandi imprese ha avviato almeno un progetto di intelligenza artificiale.
La diffusione degli strumenti, però, precede la trasformazione delle organizzazioni. I sistemi di Process Orchestration e Agentic AI rappresentano complessivamente il 4% del mercato: una categoria ancora contenuta, dentro un settore in forte espansione. Queste cifre descrivono l’AI nel suo insieme e non misurano specificamente l’adozione degli agenti nello sviluppo software. Aiutano tuttavia a leggere il momento: molto interesse, sperimentazioni crescenti e processi ancora da ripensare.
Che cos’è l’Agentic AI nello sviluppo software
Un assistente di coding può proporre una funzione o spiegare un frammento di programma. Un sistema agentico può affrontare una sequenza di operazioni: esaminare i file pertinenti, proporre un piano, intervenire sul codice, eseguire controlli e utilizzare i risultati per correggere il lavoro.
Il suo funzionamento combina modelli AI, strumenti e contesto. L’agente riceve un obiettivo e opera entro le possibilità e i permessi disponibili. Può leggere il repository, modificare file o richiamare comandi; quando incontra un errore, può analizzarne l’esito e tentare una soluzione.
L’autonomia rimane delimitata. Un requisito ambiguo, una dipendenza non documentata o un test incompleto possono portare a risultati plausibili ma sbagliati. Per questo, definire obiettivi e criteri di accettazione è parte integrante del lavoro con gli agenti.
Come cambia il lavoro degli sviluppatori
Il cambiamento riguarda soprattutto la distribuzione del lavoro. Attività ripetitive, prime bozze di documentazione e modifiche circoscritte possono essere affidate agli agenti. Per gli sviluppatori aumenta il peso della progettazione, del coordinamento e della revisione.
Consideriamo l’aggiornamento di una libreria. L’attività può richiedere di individuare gli utilizzi esistenti, analizzare le incompatibilità, modificare più componenti e verificare eventuali regressioni. Un flusso agentico può assistere in questi passaggi. Il team deve stabilire quali comportamenti preservare e valutare se le verifiche eseguite siano sufficienti.
Diventa quindi essenziale saper formulare richieste verificabili: indicare vincoli, segnalare componenti sensibili, distinguere modifiche necessarie da interventi fuori perimetro. La conoscenza del dominio e dell’architettura conserva un ruolo decisivo, perché permette di riconoscere anche gli errori che il codice, da solo, non rende evidenti.
Dove interviene l’agentic AI nello sviluppo software: dalla codebase alle pipeline
Il contributo degli agenti può estendersi lungo il ciclo di sviluppo, con risultati che dipendono dalla qualità del contesto e dalle integrazioni disponibili.
Analisi della codebase. Ricostruire la struttura di un progetto, cercare dipendenze e spiegare il percorso di una funzionalità aiuta ad affrontare sistemi poco documentati.
Sviluppo e manutenzione. Gli agenti possono assistere nell’implementazione di funzionalità, nel refactoring e negli aggiornamenti che coinvolgono più file. La revisione serve a verificare coerenza architetturale e rispetto del perimetro.
Test e diagnosi. Generare test, eseguire quelli disponibili e analizzare i fallimenti può rendere più rapido il ciclo di correzione. Resta necessario valutare cosa i test dimostrino: un controllo superato non garantisce che il requisito sia stato interpretato correttamente.
Documentazione. Descrizioni dei componenti e istruzioni operative possono essere prodotte a partire dal codice, per poi essere validate da chi conosce il sistema.
Pipeline. Con strumenti e autorizzazioni adeguati, l’assistenza può raggiungere script, log e procedure di integrazione e rilascio. È un ambito in cui distinguere chiaramente analisi, proposta ed esecuzione diventa particolarmente importante.
IBM Bob: un esempio concreto di sviluppo agentico
IBM presenta Bob come un partner AI per il ciclo di vita del software, con supporto alla comprensione, pianificazione, sviluppo, test e modernizzazione di codebase complesse. Il prodotto offre modalità dedicate: Ask per interrogare il codice, Plan per preparare gli interventi e Agent per eseguirli.
Il contesto del progetto è centrale. Attraverso gli strumenti disponibili, Bob può leggere e modificare file, eseguire comandi e utilizzare integrazioni esterne tramite MCP, il protocollo che consente di collegare strumenti e servizi.
Un altro elemento è il ricorso ai sottoagenti, ai quali Bob può affidare attività circoscritte. Ciascuno lavora in un contesto separato e restituisce una sintesi dei risultati, utile per proseguire l’attività principale. La documentazione descrive, per esempio, sottoagenti dedicati all’esplorazione della codebase e altri dotati di strumenti per operazioni più ampie; l’avvio richiede l’approvazione dell’utente.
Il supporto si estende inoltre oltre l’IDE. Bob Shell porta le capacità agentiche nel terminale, con sessioni interattive e modalità non interattive utilizzabili per script e automazioni. Tra le attività documentate figurano analisi dei log, diagnosi dei problemi e supporto ai flussi operativi.
Per un team, il punto da verificare è quanto queste capacità aiutino ad affrontare il proprio software: dipendenze, convenzioni, vincoli operativi e requisiti specifici
Più velocità richiede verifiche solide
La sicurezza dà una misura concreta della responsabilità che accompagna questa evoluzione. Il Rapporto Clusit 2026 censisce 5.265 attacchi gravi a livello mondiale nel 2025, in aumento del 49% rispetto al 2024. In Italia gli incidenti rilevati sono 507, con una crescita del 42%.
Il perimetro comprende attacchi noti, riusciti e di particolare gravità: rappresenta una parte degli incidenti complessivi. I dati non misurano le vulnerabilità del codice generato dall’AI e non stabiliscono un rapporto causale con gli strumenti agentici. Descrivono però lo scenario nel quale il software viene sviluppato e utilizzato.
Per i team, l’implicazione è pratica: la capacità di produrre modifiche più rapidamente deve essere accompagnata dalla capacità di verificarle. Revisione del codice, controllo delle dipendenze, gestione delle credenziali e tracciabilità delle operazioni devono entrare nel flusso di lavoro agentico.
Anche la produttività va misurata sull’intero processo. Al tempo impiegato per una prima implementazione bisogna aggiungere quello necessario per revisione e correzioni. Contano i difetti che arrivano in produzione, la manutenzione successiva e il costo delle attività automatizzate.
Le competenze e i processi necessari per partire
Un’adozione efficace può iniziare da un’attività circoscritta: documentare un componente, preparare test per una funzione o aggiornare una dipendenza. Il team definisce il risultato atteso, stabilisce quali operazioni consentire e confronta l’esito con il metodo abituale.
Servono repository leggibili, istruzioni di progetto aggiornate, verifiche ripetibili e responsabilità chiare. Chi approva le modifiche? Quali dati può utilizzare l’agente? Quando deve fermarsi e chiedere un intervento umano?
A queste condizioni, l’Agentic AI può diventare uno strumento per ripensare il lavoro di sviluppo. La competenza decisiva sarà saper combinare delega e giudizio tecnico: assegnare agli agenti attività ben definite e valutare i risultati nel contesto del sistema.
Il 10 novembre uno straordinario evento streaming: IBM Bob e l’evoluzione dell’AI agentica
Queste domande saranno al centro di “IBM Bob e l’evoluzione dell’AI agentica nello sviluppo software”, l’evento streaming di Computer Gross e IBM, in programma il 10 novembre 2026, dalle 11:30 alle 12:30.
Un confronto pratico e interattivo sulle nuove modalità di collaborazione tra sviluppatori e agenti AI, sul ruolo di IBM Bob e sulle implicazioni per produttività, qualità, sicurezza e controllo.
Partecipa al webinar e porta le tue domande agli specialisti di Computer Gross e IBM: come iniziare, quali attività affidare agli agenti e quali errori evitare.
