La programmazione assistita dall’intelligenza artificiale rischia di trasformarsi in una stampella da cui non si può più scendere. Quando l’LLM smette di funzionare – manutenzione, rete assente, contesti air-gapped – chi ha delegato ogni riga di codice a un agente AI si trova improvvisamente nudo. È il fenomeno che Rath, sviluppatore di Bangalore, chiama "atrofia da AI", e per misurarlo ha creato Atrophy, un’applicazione da riga di comando che tratta le abilità di coding come un punteggio Elo e costringe chi sviluppa a rinforzare l’apprendimento con drill regolari.

L’idea è semplice: se gli assistenti AI erodono silenziosamente la capacità di programmare senza aiuto, serve uno strumento che mostri il declino prima che arrivi un colloquio, un’interruzione della rete o una giornata senza Wi-Fi. Atrophy lo fa attraverso esercizi in cinque aree – richiamo di sintassi, debugging, lettura del codice, memoria delle API e scomposizione di problemi – su Python e JavaScript, con tre livelli di difficoltà e generazione automatica di varianti.

Dopo un esame iniziale di circa 25 minuti, l’utente ottiene un rating di partenza (1200 per ogni categoria) e poi esegue sessioni da 5-10 minuti due o tre volte a settimana. L’applicazione sceglie l’esercizio dalla skill trascurata più a lungo, con un limite di tempo morbido: superarlo riduce i punti guadagnati. L’inattività non abbassa il punteggio, ma indebolisce la confidenza della stima, segnalando che il rating potrebbe essersi ossidato.

Ciò che distingue Atrophy non è però il gamification, ma la misurazione del gap: una volta al mese, l’utente può svolgere lo stesso drill con l’assistenza di un AI, tracciando separatamente il punteggio per capire quanto la propria autonomia stia scivolando. "Non è uno strumento anti-AI", spiega Rath, "l’ho costruito per misurare la differenza tra ciò che posso fare con l’AI e ciò che posso ancora fare da solo, perché quella capacità può arrugginirsi senza preavviso".

Il rischio silenzioso per chi fa deployment on-premise

La riflessione di Rath tocca un nervo scoperto per chi progetta infrastrutture self-hosted o ambienti a sovranità dei dati. Se gli sviluppatori si abituano a dipendere da LLM cloud-based per scrivere, debuggare o progettare, le skill fondamentali si atrofizzano. In un contesto on-premise senza connettività verso servizi esterni – ad esempio un cluster bare metal per l’inference in una banca o in una struttura sanitaria – saper intervenire manualmente su un codice che non gira diventa un requisito di sopravvivenza, non un vezzo.

Non si tratta di un’ipotesi lontana: uno studio del MIT ha mostrato che studenti che scrivevano saggi con chatbot AI avevano un’attività cerebrale ridotta e una peggiore ritenzione dei fatti, una forma di "codifica superficiale" dell’apprendimento. Se applicato alla programmazione, il fenomeno descrive sviluppatori che non ricordano più quello che hanno scritto e non sanno operare senza il loro compagno agentivo.

Atrophy funziona tutto in locale sulla macchina dello sviluppatore – nessun caricamento di codice su cloud, nessuna telemetria obbligatoria – il che lo rende adatto a team che operano sotto policy GDPR stringenti o in regime di air gap. Non richiede GPU, non gestisce modelli: è pura ginnastica mentale, ma segnala un cambio di mentalità importante. Così come nel mondo dei LLM si parla di quantization per ridurre la dipendenza dall’hardware, qui il "pruning" è sulle competenze umane, da mantenere in forma per quando la macchina non può rispondere.

L’app non agisce da remoto e non costringe a un calendario, ma il suo valore sta nell’indicare trend: un rating che scende progressivamente in una o più categorie suggerisce che l’assistenza AI sta facendo breccia proprio dove la nostra autonomia è più fragile. In un’industria che corre verso l’automazione, recuperare la capacità di lavorare senza rete è un investimento sulla resilienza del team e, in ultima analisi, sul controllo reale dei propri sistemi.