Negli ultimi anni molte squadre di ingegneria hanno guardato al codice come a un bene prezioso da custodire, ma la comparsa degli agenti AI ha messo in discussione questa visione. Motorway, il marketplace online per auto usate, ha adottato una pipeline di sviluppo AI-first basata su Kiro di AWS, passando da un approccio di conservazione a uno dove il codice è spesso ri-generabile e quindi trattato come disponibile alla riscrittura.
Questa transizione non riguarda solo strumenti più veloci: implica una ridefinizione dei ruoli umani nel processo, una governance più strutturata e nuove pratiche per mantenere coerenza e qualità. Il risultato pratico è un aumento significativo della produttività e una diversa distribuzione degli sforzi tra pianificazione, esecuzione e revisione.
Dal culto della perfezione alla cultura della iterazione
Storicamente il team di sviluppo puntava a linee di codice curate, considerate investimenti da proteggere nel tempo. Con Kiro, però, è cambiata la priorità: la velocità di produzione e la capacità di iterare hanno preso il sopravvento. Motorway ha scoperto che conviene generare molte soluzioni diverse e valutarle, piuttosto che pretendere la versione perfetta al primo tentativo. In questo contesto l’AI generativa funge da moltiplicatore di ipotesi tecniche, consentendo sperimentazioni che prima erano proibitive per costi e tempo.
Spec e prove prima del codice
Un elemento chiave della metodologia adottata è la pratica spec-driven: prima di scrivere codice, Kiro elabora storie utente, criteri di accettazione, documenti di design tecnico e diagrammi architetturali. Questo approccio obbliga l’AI a pensare la soluzione e a produrre anche test automatici che dimostrino la correttezza delle implementazioni, creando una sorta di proof of work che facilita la verifica umana successiva.
Affrontare la crisi del volume: più codice, più rigore
L’incremento di output — Motorway parla di un aumento di produttività fino a 4x e di oltre un milione di linee di codice generate al mese — ha portato a un nuovo problema: il collo di bottiglia nelle revisioni. Per evitare che la qualità collassi, l’azienda ha rimosso la parte manuale intermedia del ciclo di sviluppo e ha riallocato l’energia umana verso la definizione degli obiettivi e la revisione finale. Così, dove prima si spendeva tempo a scrivere, ora si investe nel progettare e validare.
Standardizzazione tramite steering files
Per far sì che il codice generato rispetti lo stile aziendale, Motorway ha creato file di guida, chiamati steering files, che integrano le regole di naming, pattern architetturali e convenzioni API.
Questi documenti sono incorporati nelle istruzioni all’AI in modo che il risultato sembri scritto da un ingegnere esperto dell’azienda, mantenendo la coerenza su servizi distribuiti e una rete di migliaia di dealer.
Il ruolo di Kiro, agenti e indipendenza dai modelli
Kiro non è un semplice strumento di completamento: funziona come un agente che conosce pipeline CI, infrastruttura come codice e le applicazioni interne, accompagnando lo sviluppo dall’idea alla consegna. Motorway sfrutta la possibilità di usare diversi modelli linguistici — ad esempio Claude Opus 4.7 e alcune varianti open weight come i modelli Llama di Meta — per scegliere la combinazione più adatta al compito, riducendo il rischio di hallucination e migliorando l’affidabilità.
Monitoraggio e ciclo di vita completo
L’AI viene impiegata non solo durante la scrittura, ma per l’intero ciclo di vita del software: agenti monitorano log e metriche, aiutano a diagnosticare bug e a scansionare vulnerabilità, e supportano l’analisi operativa di una grande flotta di servizi. Questo sposta parte del lavoro di osservabilità su processi automatizzati, lasciando agli umani il giudizio finale e le decisioni più delicate.
Transizione infrastrutturale e lezioni apprese
Motorway è passata da una prima fase su Heroku a una piattaforma basata su AWS per guadagnare flessibilità e scalabilità. L’adozione di un’architettura e di strumenti compatibili con pipeline AI ha semplificato migrazioni complesse e, se potessero tornare indietro, il team afferma che adotterebbe prima la mentalità AI-driven per ridurre sforzi manuali nella migrazione.
Per il consiglio di amministrazione e i leader tecnologici la morale è chiara: non basta aumentare la velocità di scrittura del codice; bisogna anche automatizzare le pratiche di controllo e definire regole che permettano di gestire la disponibilità del codice come risorsa effimera. I vincitori dell’era AI saranno quelli che sapranno costruire framework rigorosi per la governance del ciclo di vita, trasformando l’aumento di output in valore reale per gli utenti.
