Agosto non ha messo alla prova il kernel Linux sul piano delle prestazioni, ma su quello del rumore. Con Linux 7.2 stable fuori e la merge window di Linux 7.3 aperta, i manutentori hanno continuato a ricevere una valanga di patch e segnalazioni bug generate da LLM. Il problema non è la singola proposta: è il costo di revisione moltiplicato per centinaia di contributi sintetici. Un diff può apparire formalmente corretto e nascondere assenze di contesto che un umano riconoscerebbe dopo mesi di lavoro nel sottosistema.

Il segnale più importante è arrivato dal progetto Debian, che ha approvato una risoluzione generale sull'uso dell'AI. Non è un divieto: è una presa di posizione sulla responsabilità. La domanda non è più se un LLM può scrivere codice, ma chi risponde quando quel codice entra nei repository e poi nei sistemi. In una comunità basata sulla fiducia distribuita, la provenienza diventa parte della governance tecnica.

Per chi gestisce infrastrutture self-hosted, il riflesso è immediato. Un ambiente on-premise riduce l'esposizione dei dati verso i servizi cloud, ma non garantisce nulla sulla provenienza dei contributi generati. Se un modello locale viene usato per suggerire patch, documentare bug o produrre configurazioni, l'organizzazione deve applicare filtri simili a quelli che i manutentori del kernel stanno cercando di formalizzare. Altrimenti il contenuto sintetico entra nella pipeline software con un livello di fiducia che non ha guadagnato.

Il punto di svolta riguarda il collo di bottiglia. Finora i modelli sono stati ottimizzati per generare codice in volume. La vicenda Linux mostra che il valore si sposta verso il filtraggio: distinguere una patch utile da un'allucinazione con l'aspetto di un diff. I progetti open source, con risorse limitate, stanno diventando il banco di prova per questa necessità. A guadagnarci sono gli strumenti che tracciano la provenienza e riducono il carico di revisione. A perderci sono i manutentori meno finanziati, per i quali ogni contributo LLM aggiunge tempo e non risparmio.

Il paradosso è netto: l'automazione prometteva di abbassare la barriera alla contribuzione, ma se il filtro resta umano la barriera si sposta più avanti, sul collo dei volontari. Linux 7.2 è uscito nonostante il rumore. Il rischio per le prossime release non è la complessità tecnica, ma il tempo necessario a separare il segnale dal rumore sintetico. In questo scenario il TCO non si limita all'hardware: include il costo umano della revisione di contributi automatici, una voce che le imprese raramente mettono in bilancio quando confrontano l'adozione di LLM locali con servizi cloud. Per chi valuta deployment on-premise, AI-RADAR offre framework analitici su /llm-onpremise per esaminare questi trade-off.