Dare vita alle cose con la parola

Competenza in un mondo del lavoro pieno di vibrazioni

(Fonte) Ethan Mollick

L’influente ricercatore di intelligenza artificiale Andrej Karpathy ha scritto due anni fa che “il nuovo linguaggio di programmazione più in voga è l’inglese”, un argomento che ha approfondito il mese scorso con l’idea del ” vibecoding “, una pratica in cui si chiede semplicemente a un’intelligenza artificiale di creare qualcosa per noi, fornendole feedback man mano che procede. Credo che le implicazioni di questo approccio siano molto più ampie della semplice programmazione, ma volevo iniziare a fare un po’ di vibecoding io stesso.

La prima cosa che ho digitato in Claude Code è stata: ” Crea un gioco 3D in cui posso posizionare edifici di vario tipo e poi guidare attraverso la città che creo “. Questo è stato tutto, inclusi gli errori di grammatica e ortografia. Ho ottenuto un’applicazione funzionante (Claude l’ha aperta per me nel browser) circa quattro minuti dopo, senza ulteriori input da parte mia.

Alla fine, il gioco è costato circa 5 dollari in commissioni API di Claude… e altri 8 dollari per aggirare il bug, che si è rivelato un problema piuttosto semplice. I prezzi probabilmente scenderanno rapidamente, ma la lezione è utile: per quanto incredibile (ho creato un gioco funzionante chiedendolo!), il vibecoding è più utile quando si hanno effettivamente delle conoscenze e non si deve fare affidamento solo sull’IA.

Questo sottolinea come il vibecoding non consista nell’eliminare competenze, ma nel ridistribuirle: dalla scrittura di ogni riga di codice alla conoscenza dei sistemi sufficiente per guidare, risolvere i problemi e valutare. La sfida diventa identificare quale “conoscenza minima praticabile” sia necessaria per collaborare efficacemente con l’IA su vari progetti. La competenza è ancora fondamentale in un mondo in cui si creano cose con le parole. Dopotutto, bisogna sapere cosa si vuole creare; essere in grado di giudicare se i risultati sono buoni o cattivi; e fornire un feedback appropriato.

Prendiamo ad esempio la mia recente esperienza con Manus , un nuovo agente di intelligenza artificiale cinese. È l’agente multiuso più capace che abbia mai visto finora, ma come altri agenti generici , commette ancora errori e sbagli. Nonostante ciò, può realizzare cose davvero impressionanti. Ad esempio, ecco una piccola parte di ciò che ha fatto quando gli ho chiesto di ” creare un corso interattivo sull’elevator pitching utilizzando i migliori consigli accademici “.

Il lavoro sta cambiando e stiamo solo iniziando a capire come. Ciò che emerge chiaramente da questi esperimenti è che il rapporto tra competenza umana e capacità dell’intelligenza artificiale non è fisso. A volte mi sono ritrovato a ricoprire il ruolo di direttore creativo, altre volte di risolutore di problemi, e altre ancora di esperto di settore che convalidava i risultati. Era la mia complessa competenza (o la sua mancanza) a determinare la qualità del risultato.

Il momento attuale sembra transitorio. Questi strumenti non sono ancora abbastanza affidabili da funzionare in completa autonomia, ma sono sufficientemente potenti da amplificare notevolmente ciò che possiamo realizzare.

Invece di giungere a conclusioni definitive su come l’IA trasformerà il lavoro, mi ritrovo a raccogliere osservazioni su un obiettivo in movimento. Ciò che sembra coerente è che, per ora, il valore maggiore non deriva dal cedere completamente il controllo all’IA o dall’aggrapparsi a flussi di lavoro interamente umani, ma dal trovare i giusti punti di collaborazione per ogni compito specifico – un’abilità che stiamo ancora imparando.