Andrej Karpathy: From Vibe Coding to Agentic Engineering

Punti chiave

1. Data stimata. aprile 2026, conferenza AI Startup School / "AIN" (riferimento a Sam Altman venuto "l'anno scorso"). Video YouTube: https://www.youtube.com/watch?v=96jN2OCOfLs
2. Frase shock d'apertura. "Non si è mai sentito così indietro come programmatore." — una dichiarazione diventata virale su X/Twitter, ripresa dall'intervistatore per aprire l'intervista.
3. Punto di svolta di December 2025. Karpathy era in pausa, aveva più tempo, e ha notato che "i chunk uscivano semplicemente bene e poi continuavo a chiederne altri ed uscivano bene". Non c'era più bisogno di correggere. Insiste: "molte persone hanno vissuto l'IA l'anno scorso come qualcosa di affine a ChatGPT. Ma bisognava davvero guardare di nuovo, e bisognava guardare a partire da dicembre perché le cose sono cambiate radicalmente."
4. Software 1.0 / 2.0 / 3.0.
5. 1.0. codice esplicito scritto da un essere umano
6. 2.0. programmazione tramite creazione di dataset + addestramento di reti neurali (pesi appresi)
7. 3.0. programmazione = prompting; il contesto è la leva sull'interprete LLM; l'LLM diventa un computer programmabile
8. Esempio openclaw (illustrazione del Software 3.0). invece di uno script shell che si gonfia per gestire ogni piattaforma, l'installazione è "un copia-incolla di testo che dai al tuo agente". L'agente osserva l'ambiente, esegue il debug in loop — più potente di uno script preciso.
9. MenuGen → Nanobanana (caso estremo). Karpathy ha realizzato in vibe coding MenuGen (foto del menu di un ristorante → OCR + generazione di immagini per visualizzare i piatti) su Vercel. Scopre poi che si può semplicemente consegnare la foto a Gemini e dire "usa Nanobanana per sovrapporre le cose sul menu" — Nanobanana restituisce l'immagine originale con i piatti sovrapposti in pixel. "Tutto il mio menu gen è spurio. Funziona nel vecchio paradigma. Quell'app non dovrebbe esistere." La rete neurale fa tutto, il prompt è l'immagine, l'output è l'immagine. Nessuna app tra i due. Conclusione di Karpathy: non pensare all'IA come un'accelerazione del paradigma esistente, ma come nuove cose rese possibili.
10. Nuove possibilità. LLM Knowledge Bases — "fai creare agli LLM dei wiki per la tua organizzazione o per te personalmente". Non è codice, è una ricompilazione/riordino di documenti per creare una nuova proiezione. "Non è qualcosa che poteva esistere prima."
11. Estrapolazione al 2026 (equivalente al web degli anni '90, al mobile degli anni 2010, al cloud SaaS). Karpathy immagina i computer neurali, in cui la rete neurale diventa il processo host e le CPU diventano i co-processori — la diffusione che rende un'interfaccia unica per il momento, a partire da input video/audio grezzi. "Negli anni '50 e '60 non era affatto ovvio se i computer sarebbero assomigliati a calcolatrici o a reti neurali. Naturalmente abbiamo imboccato la strada della calcolatrice." Questo ramo potrebbe invertirsi pezzo per pezzo.
12. Il framework della verificabilità. perché gli LLM sono jagged?
13. "I computer tradizionali possono automatizzare facilmente ciò che puoi specificare nel codice; gli LLM possono automatizzare facilmente ciò che puoi verificare."
14. I laboratori di frontiera addestrano tramite RL con ricompense di verifica → picco in matematica/codice e domini adiacenti, ruvidi ai margini altrove.
15. Combinazione: verificabile + i laboratori se ne curano (ciò che entra nel mix di dati in base al valore economico).
16. Aneddoto sugli scacchi GPT-3.5 → GPT-4: un enorme miglioramento dovuto a molti dati sugli scacchi aggiunti intenzionalmente al pre-training, non a un progresso generale.
17. Conseguenza: sei "un po' in balia di qualsiasi cosa stiano facendo i laboratori". Se sei dentro un circuito RL, voli. Altrimenti, è necessario un fine-tuning interno.
18. Esempio moderno di jaggedness. "Voglio andare a un autolavaggio per lavare la macchina ed è a 50 metri. Dovrei guidare o camminare? I modelli allo stato dell'arte oggi ti diranno di camminare perché è così vicino. Com'è possibile che Opus 4.7, allo stato dell'arte, rifattorizzi contemporaneamente una codebase di 100.000 righe o trovi vulnerabilità zero-day e allo stesso tempo mi dica di camminare fino a questo autolavaggio? È folle."
19. Consiglio ai founder. puntare su domini verificabili in cui è possibile creare i propri ambienti/esempi RL → il fine-tuning funziona come leva. "La verificabilità resta valida anche se i laboratori non se ne occupano direttamente." Karpathy rifiuta di rivelare un dominio specifico sul palco: "Non voglio fare vibe post sul palco."
20. Su ciò che NON è automatizzabile. "Alla fine quasi tutto può essere reso verificabile in una certa misura. Anche per la scrittura, si può immaginare di avere un consiglio di giudici LLM." Per Karpathy: tutto è in definitiva automatizzabile, è solo più o meno facile.
21. Vibe coding vs ingegneria agentica (distinzione chiave).
22. Vibe coding. = alzare il livello minimo. Chiunque può fare vibe coding di qualsiasi cosa. Democratizzazione.
23. Ingegneria agentica. = preservare la soglia di qualità del software professionale. "Non è permesso introdurre vulnerabilità a causa del vibe coding. Sei comunque responsabile del tuo software esattamente come prima, ma puoi andare più veloce?"
24. È una disciplina ingegneristica: coordinare agenti spiky/stocastici per andare veloci senza sacrificare la qualità.
25. L'ingegnere 10x viene amplificato. "10x non è l'accelerazione che ottieni. Le persone molto brave in questo raggiungono picchi ben oltre il 10x."
26. Sull'assunzione (punto altamente attuabile). "La maggior parte delle persone non ha ancora rivisto il proprio processo di assunzione per la capacità di ingegneria agentica. Se dai puzzle da risolvere, è ancora il vecchio paradigma. L'assunzione deve assomigliare a: dammi un progetto davvero grande e guarda qualcuno implementarlo." Esempio: "Scriviamo un clone di Twitter per agenti, rendiamolo davvero buono, rendiamolo davvero sicuro, poi facciamo simulare l'attività da alcuni agenti, e userò 10 codec 5.4x per X high per provare a violare il tuo sito. Non dovrebbero riuscire a violarlo." (Riformulazione da parte di Karpathy dell'intervista Sierra AI-native — corroborazione diretta di Bret Taylor / Iyengar / Asemanfar / Wang.)
27. Competenze umane che acquistano valore. gusto, estetica, giudizio, supervisione, progettazione delle specifiche. Gli agenti sono stagisti — hanno un'ottima memoria (dettagli delle API di PyTorch / NumPy / pandas che non devi più memorizzare: keep_dims vs keep_dim, dim vs axis, reshape vs permute vs transpose), ma mancano dei fondamentali. Aneddoto su MenuGen: l'agente ha provato a correlare in modo incrociato gli account Stripe e Google tramite l'indirizzo email invece di usare un ID utente persistente — "è una cosa così strana da fare."
28. La posizione dell'essere umano. "Sei responsabile del gusto, dell'ingegneria, del design, del fatto che tutto abbia senso, del fatto che tu stia chiedendo le cose giuste. Gli ingegneri riempiono gli spazi vuoti." Karpathy non è particolarmente entusiasta della plan mode in sé, ma crede nel lavoro su specifiche dettagliate co-progettate con l'agente.
29. Infarto leggendo il codice generato. "Non è necessariamente sempre codice incredibile, è molto gonfio, c'è un sacco di copia-incolla e ci sono astrazioni goffe e fragili e, tipo, funziona ma è davvero disgustoso." A proposito di micro GPT: ha provato a far semplificare il codice a un LLM, "i modelli odiano questo. Non ci riescono. Ti senti fuori dai circuiti RL. È come tirare i denti." — prova che l'estetica della semplicità non è nell'RL dei laboratori.
30. Animali contro fantasmi. "Non stiamo costruendo animali, stiamo evocando fantasmi." Gli LLM non sono intelligenze animali (urlargli contro non cambia nulla). Sono circuiti di simulazione statistica: substrato = pre-training (statistico), con l'RL innestato sopra per far crescere le appendici. Karpathy ammette: "Non so di avere, tipo, i cinque risultati ovvi su come migliorare il tuo sistema. È più che altro diffidarne e capire nel tempo."
31. Infrastruttura agent-native. "Tutto è ancora fondamentalmente scritto per gli esseri umani e deve essere spostato manualmente. Uso ancora, la maggior parte delle volte, quando utilizzo framework o librerie diverse... hanno ancora documentazione fondamentalmente scritta per gli esseri umani. Questo è il mio fastidio preferito. Perché la gente continua a dirmi cosa fare? Non voglio fare niente. Qual è la cosa che dovrei copiare e incollare al mio agente?" Visione: scomporre i carichi di lavoro in sensori sul mondo / attuatori sul mondo. Prova definitiva: "Spererei di poter dare un prompt a un LLM 'costruisci menu gen' e poi non dover toccare nulla, ed è distribuito." La configurazione del deployment su Vercel/DNS/Stripe era la vera seccatura, non il codice.
32. Nel lungo termine. "Farò parlare il mio agente con il tuo agente per definire i dettagli degli incontri." Rappresentanza tramite agenti per persone e organizzazioni.
33. Formula conclusiva (su educazione e conoscenza). "Puoi esternalizzare il tuo pensiero ma non puoi esternalizzare la tua comprensione." Karpathy: "Devo comunque, in qualche modo, far arrivare l'informazione nel mio cervello, e ho la sensazione di diventare un collo di bottiglia anche solo nel sapere cosa stiamo cercando di costruire, perché vale la pena farlo, come dirigo i miei agenti." Promuove LLM Knowledge Bases come strumento per una comprensione potenziata, tramite generazione di dati sintetici su un corpus fisso (i suoi articoli → un wiki personale).
34. Collegamento con la scheda di veille.
35. Conferma e diffonde, con la sua voce, il paradigma Software 3.0 (cfr. Greyling 2026-03-09 "l'ambiente di sviluppo sta collassando", Rauch 2026-01-02 "la CLI come astrazione fondamentale dell'agente di coding").
36. La distinzione vibe coding / ingegneria agentica cristallizza il dibattito portato avanti da Kent Beck (2024-10), Mogère (2025-07), Yegge & Kim (2025-11), Beck Starving Genies (2026-04-03) — Karpathy fornisce il vocabolario stabile per questa contrapposizione.
37. La revisione dell'assunzione tramite grandi progetti adversarial = corroborazione esplicita di Sierra (Taylor 2026-04-20, Iyengar/Asemanfar/Wang 2026-04-22) e di Soto (Developer Taste 2026-04).
38. La verificabilità come griglia esplicativa per la jagged frontier estende Mollick (2025-11-12 Giving your AI a Job Interview) e fornisce un framework operativo (creare i propri ambienti RL).
39. Animali contro fantasmi. si inserisce nella linea filosofica delle schede sul nucleo ontologico (Seale 2025-05-30) e sulla malleabilità del mondo (Andreessen 2026-02 / confuta Ralmuto 2026-03-17).
40. L'infrastruttura agent-native estende Cloudflare Markdown for Agents (2026-02-12), Levie Building for Trillions of Agents (2026-03-07), Sierra (2026-04).