In questo post LinkedIn, Fred Plais (co-fondatore e CEO di Archie, ex CEO di Platform.sh) condivide ed estende un'osservazione sull'effetto reale dell'IA sulle organizzazioni tech: rendendo gli ingegneri estremamente veloci, l'IA ha eliminato il tempo di riflessione di cui il resto dell'azienda disponeva un tempo. Il collo di bottiglia non è scomparso, si è spostato a monte, in un'area che nessuno sta osservando.

Il ragionamento parte da una constatazione storica. Per anni, l'esecuzione è stata la parte lenta del lavoro: costruire qualcosa richiedeva abbastanza tempo da lasciare spazio alla riflessione. Le persone di prodotto potevano leggere i report degli analisti, parlare con i clienti, studiare la concorrenza e formarsi un vero punto di vista prima che venisse scritta gran parte del codice. Questo margine è quasi scomparso. La difficoltà si è quindi spostata: consiste ora nell'avere la visione giusta e fare le scelte giuste in una frazione del tempo di cui si disponeva un tempo.

Da questo spostamento emergono due nuovi profili rari. Il primo sa articolare una visione chiara, sufficientemente precisa perché un agente la esegua senza deragliare: un agente costruisce esattamente ciò che gli viene chiesto, e nulla di più — "sapere cosa chiedere è la parte difficile". Il secondo sa orchestrare correttamente gli agenti: conosce le modalità di fallimento degli agenti, sa come concatenarli e riesce a intercettare un errore prima che si propaghi. Questo secondo profilo è più recente e resta raro.

Plais mette in evidenza il disallineamento del mercato: molti team continuano ad assumere in base all'"output di codice", sebbene sia esattamente la risorsa che ha smesso di essere scarsa. La conclusione del post è una morale: pensare in modo chiaro è sempre stato il lavoro; la velocità non ha inventato nulla, ha semplicemente reso impossibile fingere di farlo.

Fred Plais aggiunge un proprio commento: gli chiedono continuamente cosa cambi l'IA per lo sviluppo, e la sua risposta è "niente" — ma non si può più fingere. Chiude con una metafora automobilistica: guidare a 200 km/h invece che a 100 richiede buoni freni per evitare un incidente e una mappa perfetta per sapere dove si sta andando. In altre parole, l'accelerazione dell'esecuzione portata dall'IA non alleggerisce le esigenze di giudizio: le inasprisce, spostando il valore verso la chiarezza della visione (la mappa) e il controllo dei guardrail (i freni).