Coderful 2026, Edizione AI

Il 12 giugno siamo stati a Catania, al Four Points by Sheraton, per l'edizione AI di Coderful, la conferenza per sviluppatori nata dalla collaborazione tra Devmy e ADD Design. Tredici talk in single track, una giornata costruita attorno alla domanda: "cosa cambia l'intelligenza artificiale nel mestiere di chi scrive software?". Siamo tornati con le tasche piene di appunti e considerazioni. Le mettiamo in fila qui, nell'ordine in cui le abbiamo vissute.

Una premessa: questo è il nostro racconto, filtrato da quello che ci siamo segnati e da quello che ci ha colpito. Non tutti i talk vengono ripresi e dove un intervento ci ha fatto ragionare oltre il palco lo diciamo.

La distruzione è inevitabile! (Alberto Massidda, NVIDIA)

Aprire con un Senior SRE di NVIDIA che dichiara all'audience presente che la distruzione è inevitabile mette subito le cose in chiaro, nel senso che lato sviluppo siamo tutti sulla stessa barca. Anche nelle aziende più grandi e blasonate i sistemi vanno giù, e per qualche minuto nessuno sa più cosa fare. L'esempio che ci è rimasto è quello di una big tech dove, in caso di blackout interno, su ogni macchina dei dipendenti è già installata di default una CLI pensata per gli scenari di emergenza: la si lancia e, in base a chi sei e a cosa è successo, ti dice chi chiamare e come muoverti.

Ci è piaciuto il ribaltamento. La resilienza come strumento che vive dentro le macchine, e che funziona proprio quando tutto il resto ha smesso di funzionare.

Stanze cinesi industriali: lavorare con gli LLM oltre la scatola magica (Enzo Lombardi, Cleafy)

Il talk di Enzo Lombardi, Software Architect in Cleafy, ci è rimasto impresso per un motivo molto coerente con il tema: ci ha mostrato come risparmiare parole proprio dove conta, nei token. Oltre al gioco di parole, il talk ci ha lasciato qualcosa di concreto: non si finisce mai di imparare a usare bene gli LLM , e i token costano sempre qualcosa, e i modelli più grandi proporzionalmente. Per questo la disciplina con cui si scrive un prompt è lavoro vero, checché se ne dica. Proprio su questo Enzo ha presentato una sua libreria, Token Save.

Il punto che ha acceso più discussione: secondo lui i modelli danno più peso alle istruzioni in apertura e in chiusura di un prompt, e calano di attenzione nella parte centrale. Ci torna, perché coincide con una pratica già diffusa, cioè ripetere in fondo le cose cruciali e mettere all'inizio quelle importanti. Il perché funzioni così è rimasto aperto. Una nostra ipotesi: i modelli sono addestrati anche su conversazioni umane, e noi per primi concentriamo in apertura e in chiusura quello che conta, quindi forse è un'eredità del linguaggio. Resta una congettura.

Da 8B a 250B: le lezioni che nessun benchmark ti insegna (Eugenio Petullà, Regolo.ai)

Sugli small model siamo di parte, lo ammettiamo, e il lightning talk di Eugenio Petullà di Regolo.ai ci ha dato corda. Modelli piccoli, addestrati apposta, in molti casi davano risposte equiparabili a quelle dei modelli di frontiera. Il rovescio è che uno small model deve essere super specializzato, e attorno gli va costruito un sistema che lo tenga sul pezzo.

Qui ci siamo spinti oltre il palco. La direzione che ci interessa è ibridare modelli piccoli e specializzati, ognuno bravo nelle attività ripetitive e ad alta frequenza che nella quotidianità tornano in continuazione e non richiedono grandi ragionamenti. Si ha così qualcosa di molto mirato che viene usato tantissimo, abbattendo i costi, e che si aggancia all'inferenza locale. Per i task semplici, un modellino in locale che non divora risorse pesa molto meno, sul piano economico e ambientale, di una chiamata a un grande modello in cloud. E i modelli locali stanno diventando sempre più competitivi.

Into the land of automatic differentiation (Simone Scardapane, Sapienza)

Il talk di Simone Scardapane, che insegna alla Sapienza, è stato il più tecnico della mattina e il più impegnativo. È sceso in profondità nella matematica, fino a nominare derivate e a spiegare come funziona la differenziazione automatica sotto il cofano. Ci siamo persi qualche pezzo, lo diciamo senza vergogna, e ci siamo già prenotati un deep dive interno a DonQ. È la sala macchine dell'AI: la teoria su cui poggia tutto, quella che diamo per scontata mentre usiamo gli strumenti che ci stanno sopra.

Real-time or bust. Edge AI e mixed reality (Alfio Lo Castro, Running Pixel / Synapse Dev)

Alfio Lo Castro, che lavora tra game development e consulenza AR/VR, ha portato il caso più concreto della giornata: perché un software per visori di realtà mista dia una visione fluida, la risposta deve stare sotto gli 11 millisecondi. A quella soglia le API remote escono di scena, e per molte cose servono modelli locali, per esempio per riconoscere gli oggetti e ottenere il bounding box di quello che il visore inquadra. Ha usato YOLOv9, che in due o tre millisecondi restituisce i riquadri di tutti gli oggetti nella scena.

Poi si è fatto bendare, ha indossato il visore e lo ha lasciato lavorare. Anche se non è filato tutto liscio, l'idea è arrivata, e soprattutto non è caduto dal palco. Immaginiamo che l'obiettivo finale sia legato ad applicazioni volte ad aumentare l’accessibilità per chi ha problemi di vista, ci piacerebbe avere conferma in merito.

Intelligenza artigianale: riprendersi il tempo di pensare (Bogdan Skutkiewicz, Magicmotorsport)

Il lightning talk che più ci è rimasto addosso è quello di Bogdan Skutkiewicz, fondatore di Magicmotorsport, per due concetti in particolare.

Il primo concetto proposto è che quando il risultato che otteniamo è sbagliato, non è sempre il modello che allucina. Se non gli diamo il contesto necessario, allucinerà invariabilmente, e il contesto è responsabilità di chi chiede, prima ancora che del modello.

Il secondo arriva dal suo mestiere: Magicmotorsport sviluppa hardware e software per la diagnosi e la riprogrammazione dei veicoli, un mondo che Skutkiewicz frequenta dalle corse in poi e in cui il rapporto tra potenza e controllo è pane quotidiano. Se progetti una macchina che va sempre più veloce, una delle prime cose che devi costruire in parallelo è un impianto frenante all'altezza di quella velocità, e uno sterzo capace di gestirla. Trasportato sull'AI: spingiamo naturalmente sull'acceleratore, sul profitto, sulle prestazioni, ma dalla velocità derivano effetti collaterali, sociali e psicologici, che vanno governati con lo stesso impegno con cui costruiamo l'accelerazione. Il freno e lo sterzo, costruiti insieme al motore, sono quello che separa una macchina che funziona da una che al primo muro si schianta. Il titolo del suo intervento, "riprendersi il tempo di pensare" mirava fin dall’inizio a questa conclusione.

La nuova frontiera dell'intelligenza multimodale (Onofrio Petragallo, Google)

L'intervento di Onofrio Petragallo di Google ci ha lasciati un po' freddi, lo diciamo con onestà. Le aspettative erano alte, ma le demo preparate a casa hanno avuto vita dura in live, e il discorso è rimasto in larga parte su Gemini per la generazione di video e sui servizi Google, cose in buona parte già note. Capita, e capita a tutti che una demo dal vivo decida di non collaborare.

The Digital Assembly Line: da bot monolitici a sistemi multi-agente (Zelda Ailine Luconi, Datwave)

Zelda Ailine Luconi, Senior Cloud Architect in Datwave, ha ricordato una cosa semplice e utile: non serve un modello per ogni operazione. Un sistema può chiamare i tool giusti e far comunicare gli agenti tra loro, e per fare una somma non ha senso chiedere al modello quanto fa due più due. Il suo tema era il refactoring da bot monolitici a sistemi multi-agente, ed è stato anche uno dei pochi momenti in cui è entrato, in modo leggero, il tema della sostenibilità. Sul piano architetturale è rimasto più sul "come si potrebbe fare" che sull'approfondimento, ma il principio è sano e lo sottoscriviamo.

Cosa si prova ad essere un'IA (Serena Sensini, Dedalus, e Paolo Caressa, GSE)

Serena Sensini, Innovation Lead in Dedalus, e Paolo Caressa, IT Expert in GSE, hanno fatto il talk interattivo che ha rotto il ritmo tecnico della giornata, e ci voleva. Hanno fatto correre una ragazza dall'esterno della sala fino al palco, tre volte. La prima senza dire niente. La seconda dando un contesto, è una persona che cerca un bagno e ha fretta, e la scena fa ridere. La terza con un contesto diverso, sta scappando da qualcuno, e l'umore con cui guardi la stessa identica corsa cambia del tutto.

Stessa scena, contesti diversi, letture diverse. Hanno preso le logiche dei talk precedenti e le hanno applicate all'umano invece che alla macchina, e da lì sono passati a esperimenti proposti sotto forma di gioco, su un terreno più etico e morale. Il classico dilemma dell’auto a guida autonoma, per esempio: ti sacrifichi tu o investi la bambina sulle strisce, o ancora la vecchina accanto? Su questi casi il modello non riesce a dare una risposta oggettiva, perché una risposta oggettiva non esiste: dipende dal contesto, dai valori, da cosa ne capisce. Dove non c'è una risposta univoca, non possiamo pretenderla dalla macchina. Quello dell’etica applicata all’AI è un mondo enorme che ci affascina enormemente, torneremo a parlarne.

Dai pixel alle pinze: addestrare il robot SO-101 (Stefano Maestri, IBM)

Stefano Maestri, Engineering Manager in IBM, ha raccontato il suo esperimento con un tono di sofferenza che ce lo ha reso simpatico. Obiettivo all'apparenza banale: far prendere a un piccolo robot, il SO-101, un cubetto rosso e farglielo posare dentro una scatola, mettendo insieme reinforcement learning, sim-to-real e LoRA. La robotica è il posto dove la distanza tra "nella demo sembra facile" e la realtà è più larga che altrove, e in più troviamo di fondo una lezione di umiltà, e di pazienza.

Come l'AI ha cambiato l'open source, nel bene e nel male (Salvatore Sanfilippo, Redis)

In chiusura, la voce da pensatore libero di Salvatore Sanfilippo, in Redis, su come l'AI ha cambiato l'open source. Tre passaggi ci siamo segnati.

Il primo: il codice scritto interamente a mano, nella sua lettura, diventerà qualcosa di simile alla poesia. I modelli di frontiera ormai scrivono codice molto bene, quindi scriverlo tutto a mano avrà senso soprattutto quando si punta alla pura qualità e alla bellezza del codice in sé. La nostra posizione è che il buon compromesso sia un ibrido: l'AI che ti aiuta a velocizzare quando sai esattamente dove andare, e il pensiero e la mano dove serve davvero intervenire.

Il secondo cerca ordine: la logica dietro a tutto questo ha più o meno sessant'anni. Se dobbiamo qualcosa all'AI, lo dobbiamo a chi l'ha teorizzata decenni fa più che a chi l'ha messa in pratica oggi, senza togliere nulla a chi ha costruito gli strumenti tecnici che hanno reso quelle teorie finalmente applicabili.

Il terzo è il più controverso: dietro ai grandi attori c'è soprattutto una logica di profitto, più che di comunità. La sostenibilità economica è un tema che in questo momento viene tenuta meno sotto i riflettori, ma che inizia a vedersi, tra modelli mandati in pensione e prezzi in salita. Da qui la spinta a portare quanto più possibile inferenza e modelli in un contesto locale e privato, per un progressivo disaccoppiamento. È un filo che, lo avrete notato, torna in più punti della giornata.

Quello che abbiamo conservato di Coderful 2026?

Alcuni fili hanno attraversato Coderful più o meno ovunque, secondo noi, e forse li riconosciamo perché in qualche modo sono anche i nostri.

Il contesto. Dalla storia del nonno del CEO di Magicmotors al dilemma dell’auto alla ragazza che corre, lo stesso principio teneva insieme la macchina e l'umano, cioè che la qualità della risposta dipende dalla qualità del contesto che si fornisce. Quando manca, non è colpa della macchina, ma nostra per la superficialità del “dare per scontato” (cosa che accade anche tra esseri umani).

La riscoperta del piccolo e del locale. Small model specializzati, inferenza che si avvicina al dispositivo, modelli che girano dove serve invece che sempre e necessariamente in cloud. Può essere una risposta molto concreta a costi, latenza, sostenibilità e dipendenza dai grandi fornitori.

Il freno. È la cosa più facile da dimenticare mentre si parla di quanto andiamo veloci, eppure è quella che decide dove finiamo. E per ora, costruire freni e sterzo all'altezza di questa accelerazione resta lavoro umano.

Grazie a chi ha organizzato la giornata e a chi è salito sul palco. Ci siamo divertiti, e abbiamo da pensare per un po'.