La narrazione è seducente: il vecchio codice resiste, l’intelligenza artificiale lo circonda, il vibe coding abbassa ancora la soglia d’ingresso e la storia sembra dirigersi naturalmente verso la sostituzione del passato. Ma la realtà è più complicata.
Massimo Chiriatti, nel suo articolo “Il COBOL ha i secoli contati”, usa il codice come simbolo di una tensione più profonda: ogni volta che allarghiamo l’accesso alla tecnologia, guadagniamo scala e perdiamo un po’ di aderenza ai meccanismi che la sostengono. Non è in gioco il destino di un linguaggio. E’ il destino della comprensione in un’epoca in cui ottenere risultati è più facile che capire da cosa dipendano.
L’informatica si è democratizzata per strati. I linguaggi di alto livello hanno nascosto la macchina, i framework la logica di base, il cloud l’infrastruttura. Oggi l’intelligenza artificiale tende a superare anche l’atto della programmazione. È una svolta potente, ma non neutrale.
Il nodo vero è il rapporto tra scarsità e comprensione. Quando una risorsa è scarsa, il sistema costringe a conoscerla meglio. È stato così con memoria, banda, tempo macchina. Ma vale anche fuori dall’informatica. Quando invece il costo di accesso crolla, si passa più facilmente dall’uso consapevole al consumo disinvolto. Non perché le persone diventino meno capaci, ma perché non sono più impegnate a capire per ottenere un risultato. La scarsità educa. L’abbondanza, se non è governata, anestetizza.
Per questo la riflessione di Chiriatti va oltre il perimetro del software. Quando tutto è disponibile a basso costo, si indebolisce il legame con i processi che rendono quella disponibilità possibile, stabile e riproducibile. Si continua a usare il risultato, ma si smette di vedere la filiera invisibile che lo sostiene.
In questo senso il COBOL è soprattutto un simbolo. Non scompare perché è vecchio. Scompare solo quando un’organizzazione riesce davvero a estrarre, ricostruire e trasferire la logica di business custodita nei sistemi legacy. In quel codice non ci sono solo istruzioni: ci sono eccezioni, adattamenti, memoria operativa, scelte accumulate negli anni. Il problema non è riscrivere un linguaggio. È non perdere la conoscenza che quel linguaggio ha custodito.
Qui entra in gioco l’AI. Può aiutare a documentare, interrogare, manutenere e sviluppare i sistemi esistenti. Ma può anche produrre l’effetto opposto: aumentare la velocità senza aumentare la profondità della comprensione. Il discrimine, allora, non è tra vecchio e nuovo, né tra COBOL e GenAI. È tra chi usa la tecnologia per generare conoscenza e chi la usa per sostituirla con output plausibili. È una differenza che, per le imprese, vale più di qualsiasi hype.
La questione poi non è se il lavoro sparisca, ma quale tipo di lavoro resti e quali capacità richieda.
Con l’uscita dei senior dal mercato del lavoro può uscire la parte più preziosa della competenza: il sapere delle eccezioni, dei segnali deboli, delle soglie di rischio, delle scorciatoie legittime, della memoria degli errori. È il sapere che non vive nei manuali e che non si sostituisce né assumendo profili più giovani né aggiungendo un copilota AI.
Per questa ragione, la transizione che abbiamo davanti è prima di tutto organizzativa e culturale. Le imprese dovranno imparare a trattare la conoscenza come una infrastruttura critica. Non basterà digitalizzare processi o automatizzare attività. Servirà catturare il sapere tacito, costruire affiancamenti intergenerazionali reali, documentare le logiche implicite, usare l’AI come strumento di estrazione e trasmissione della competenza, non come scorciatoia per evitare l’apprendimento. Il rischio, altrimenti, è creare organizzazioni più rapide ma meno intelligenti, più produttive in superficie ma meno resilienti in profondità.
La transizione in corso non è soltanto tecnologica. È una transizione infrastrutturale in cui le imprese vedono l’emergere di una nuova architettura: quella cognitivo-agentica.
Questa riguarda ciò che l’organizzazione vede, come lo interpreta, cosa delega agli agenti, come distribuisce i diritti decisionali e come mantiene la propria memoria procedurale e decisionale. Riguarda anche le condizioni che rendono il passaggio dal possibile al legittimo e sostenibile: identità e valori, strutture e coordinamento, allineamento e iniziativa, leadership, incentivi, fiducia e capitale sociale. Non basta automatizzare il “come”. Bisogna presidiare anche il “perché”, il “quando” e il “fin dove”.
Se ci accontentiamo dell’output, saremo più veloci ma meno resilienti. Se invece usiamo questa fase per trasformare l’abbondanza in apprendimento, la tecnologia potrà diventare una leva di maturazione.
In fondo, non stiamo esaurendo il lavoro. Stiamo esaurendo le filiere che producevano competenza. Ed è una questione molto più seria.
