DORA 2025: l’AI nello sviluppo software oltre l’hype, la realtà di un cambiamento sistemico

Dietro i numeri apparentemente trionfali emersi dal nuovo report di Google DORA 2025 “State of AI-assisted Software Development 2025“, si nasconde una verità più complessa e sfumata. Il 2025 segna un punto di svolta nell’adozione dell’intelligenza artificiale nello sviluppo software. Non più una curiosità per early adopter, ma una realtà consolidata che coinvolge il 90% dei professionisti del settore.

Il paradosso dell’AI: accelerazione individuale, complessità sistemica

L’adozione massiva dell’AI ha prodotto benefici tangibili a livello individuale. Oltre l’80% degli sviluppatori riporta un aumento della produttività personale, mentre il 59% osserva miglioramenti nella qualità del codice. Numeri che confermano l’intuizione comune: l’AI aiuta davvero a scrivere codice più velocemente e, spesso, meglio.

Tuttavia, quando si allarga lo sguardo al sistema organizzativo, emerge un quadro più articolato. Rispetto al DORA Report 2024, l’AI ha iniziato a mostrare benefici positivi sul throughput di delivery del software, invertendo il trend negativo dell’anno precedente. Tuttavia, il problema dell’instabilità nelle consegne persiste, suggerendo che mentre i team si stanno adattando per la velocità, i sistemi sottostanti non si sono ancora evoluti per gestire in sicurezza lo sviluppo accelerato dall’AI.

Questa dinamica rivela una verità fondamentale che il report DORA identifica chiaramente: l’AI funziona come un amplificatore che “magnifica i punti di forza delle organizzazioni ad alte prestazioni e le disfunzioni di quelle in difficoltà.”

Il DORA AI Capabilities Model: i 7 pilastri per sbloccare il potenziale dell’AI

La ricerca DORA 2025 introduce per la prima volta un modello di capacità specifico per l’AI, identificando sette elementi fondamentali che amplificano i benefici dell’adozione AI:

1. Una posizione chiara e comunicata sull’AI.

Le interviste qualitative DORA hanno rivelato che gli sviluppatori esprimono costantemente mancanza di chiarezza sulla posizione aziendale riguardo l’uso dell’AI. Questo crea due situazioni subottimali: sviluppatori che agiscono troppo conservativamente per paura di oltrepassare i parametri accettabili, e altri che agiscono troppo permissivamente, superando effettivamente tali parametri.

2. Ecosistemi di dati sani.

Il report conferma l’adagio che “i modelli AI sono validi solo quanto i dati su cui si basano“. Le organizzazioni con ecosistemi di dati interni di alta qualità, facilmente accessibili e unificati, vedono amplificata l’influenza positiva dell’AI sulla performance organizzativa.

3. Dati interni accessibili all’AI.

I benefici dell’AI per produttività e qualità del codice sono amplificati quando i modelli AI hanno accesso a dati interni. Connettere gli strumenti AI ai repository, alla documentazione e ai sistemi aziendali trasforma l’assistenza generica in supporto contestualizzato specifico per l’azienda.

4. Pratiche solide di controllo versione.

La ricerca mostra che l’adozione AI beneficia dalla frequenza dei commit e dall’uso delle funzionalità di rollback. Con l’AI che può aumentare il volume e la velocità delle modifiche, il sistema di controllo versione diventa una “rete di sicurezza psicologica” ancora più critica.

5. Lavorare in piccoli batch.

I risultati sono misti ma illuminanti: mentre lavorare in piccoli batch riduce leggermente l’efficacia individuale percepita dall’AI, amplifica significativamente l’influenza positiva dell’AI sulla performance del prodotto e riduce l’attrito. Il report sottolinea che “l’efficacia individuale non dovrebbe essere perseguita come obiettivo fine a se stesso” ma come mezzo per realizzare performance superiori.

6. Focus user-centrico.

Qui emerge uno dei risultati più critic: senza un focus centrato sull’utente, l’adozione AI può avere un impatto negativo sulla performance del team. Con un focus user-centrico forte, invece, l’influenza positiva dell’AI sulla performance del team è amplificata. Il report avverte esplicitamente che “in assenza di un focus user-centrico, l’adozione AI è improbabile che aiuti i team. Potrebbe persino danneggiarli.”

7. Piattaforme interne di qualità.

Con il 90% delle organizzazioni che ha adottato platform engineering, la qualità della piattaforma interna amplifica gli effetti dell’AI sulla performance organizzativa. Una piattaforma di alta qualità serve come base per trasformare i guadagni di produttività individuale in vantaggi organizzativi.

Oltre le metriche: 7 profili di team performance secondo DORA

La ricerca identifica sette distinti archetipi di team attraverso un’analisi di cluster che considera fattori umani e sistemici:

• Harmonious high-achievers (20%): Eccellenza sostenibile con basso burnout;
• Pragmatic performers (20%): Delivery costante con engagement medio;
• Constrained by process (17%): Bloccati da processi inefficienti nonostante sistemi stabili;
• Stable and methodical (15%): Qualità alta ma throughput deliberato;
• Legacy bottleneck (11%): Sistemi instabili che dettano il lavoro reattivo;
• Foundational challenges (10%): Difficoltà significative in tutti gli indicatori;
• High impact, low cadence (7%): Lavoro ad alto impatto ma con alta instabilità.

Questa tassonomia dimostra empiricamente che il trade-off “velocità vs stabilità” è un mito: i migliori performer (cluster 6 e 7, che rappresentano il 40% del campione) eccellono contemporaneamente in entrambe le dimensioni.

Il Value Stream Management come moltiplicatore di forza

Il report identifica il Value Stream Management come pratica che crea miglioramento focalizzato. I team che adottano principi VSM dedicano significativamente più tempo a lavoro prezioso e mostrano performance superiori di team e prodotto.

Crucialmente, la ricerca conferma che il VSM modera la relazione tra adozione AI e performance organizzativa: mentre l’adozione AI da sola mostra un impatto modesto, l’effetto è drammaticamente amplificato nelle organizzazioni con forti pratiche VSM.

L’AI come specchio organizzativo

L’analisi DORA presenta l’AI non solo come strumento, ma come “specchio e moltiplicatore” che riflette le vere capacità organizzative. Come osserva il report: “In organizzazioni ben allineate, l’AI amplifica il flusso. In quelle frammentate, espone i punti dolenti.”

Questa dinamica trasforma l’adozione AI da questione tecnologica a sfida di trasformazione sistemica. Il report sottolinea che “le organizzazioni sono sistemi, non somme di individui” e che migliorare una parte non garantisce risultati migliori complessivi se il resto del sistema non si adatta.

La realtà della fiducia nell’AI

Il report presenta dati sfumati sulla fiducia: il 70% dei rispondenti esprime qualche grado di fiducia nell’output AI, ma solo il 24% ha “molta” o “moltissima” fiducia. Significativamente, il 30% ha “poca” (23%) o “nessuna” (7%) fiducia.

La ricerca interpreta questo come “paesaggio sfumato della fiducia degli utenti” e suggerisce che “alti livelli di adozione AI e benefici percepiti possono coesistere con un approccio misurato e sfumato alla fiducia.” Durante le interviste, gli sviluppatori hanno paragonato questo al sano scetticismo applicato ad altre risorse come Stack Overflow.

Implicazioni per la trasformazione organizzativa

Il report DORA identifica due percorsi complementari per la trasformazione AI:

Augmentation: Preparare i sistemi esistenti per sostenere i guadagni AI attraverso pipeline CI/CD evolute, protocolli di sicurezza aggiornati, e infrastruttura dati migliorata.

Evolution: Progettare nuovi workflow nativi per l’AI, inclusi pipeline di delivery AI-native, sistemi di dati AI-native, e modelli di collaborazione emergenti come workflow agentici.

Verso una maturità sistemica dell’AI

Il DORA Report 2025 documenta un’industria che sta superando la fase di hype iniziale per entrare in quella della maturità operativa. La lezione principale è chiara: “I maggiori ritorni sull’investimento AI non provengono dagli strumenti stessi, ma da un focus strategico sul sistema organizzativo sottostante.”

Il report conclude che nel 2025, la domanda centrale per i leader tecnologici non è più se adottare l’AI, ma come realizzarne il valore attraverso la qualità della piattaforma interna, la chiarezza dei workflow, e l’allineamento dei team. Senza questa fondazione sistemica, l’AI crea sacche localizzate di produttività che spesso si perdono nel caos a valle.

La ricerca DORA dimostra che l’AI è potente, ma sono le capacità organizzative fondamentali a determinare se quella potenza si trasforma in vantaggio competitivo sostenibile o in accelerazione caotica senza direzione.

Fonti:

Regolamento DORA, LOTL e Threat Shifting – Implicazioni per la Cyber Security