Lo script di aggiornamento di Strata si è fermato su un errore Git: non esisteva un antenato comune. Chi è andato a verificare ha trovato la causa. L'intera cronologia dei commit era stata riscritta per eliminare le righe "Co-Authored by Claude" dalle descrizioni. Non è un'operazione banale: quando si riscrive la storia di un repository, gli hash dei commit cambiano e i cloni esistenti si rompono. Lo script di aggiornamento ne è la prova immediata.

La domanda è perché farlo. La spiegazione più semplice è che qualcuno abbia voluto presentare il progetto come frutto esclusivo del lavoro umano, rimuovendo una traccia esplicita del contributo di un LLM. Non sembra esserci una motivazione tecnica neutra. Se un progetto vuole smettere di usare un trailer di co-autorship, può farlo da un certo punto in avanti, lasciando intatta la storia precedente. Riscrivere tutto il passato è una scelta diversa: cambia ciò che il repository dichiara di essere.

Chi ha segnalato la vicenda non usa giri di parole: è difficile immaginare una ragione diversa dall'intenzione di essere disonesti sull'origine del progetto. La co-autorship di Claude non altera il codice, ma altera la narrazione. Per chi valuta un progetto open source, la cronologia è una fonte di prove: mostra chi ha lavorato al codice, quando, con quali processi. Se quella cronologia può essere riscritta a posteriori, l'audit diventa più fragile. E quando gli LLM entrano nella pipeline di sviluppo, la distinzione tra codice scritto da una persona, assistito da un modello o generato in modo automatico non è solo accademica. Riguarda la responsabilità, la revisione del codice e la conformità.

Il problema si fa più concreto per chi gestisce deployment on-premise o self-hosted. In questi contesti, le organizzazioni spesso devono dimostrare la provenienza del software per motivi di sicurezza e audit. Se il repository ha cancellato i metadati sull'AI, parte di quella traccia non è più verificabile. Restano solo le dichiarazioni di chi ha riscritto la storia.

La vicenda di Strata segnala un'attitudine più ampia: adottare gli LLM nello sviluppo ma renderli invisibili. Non è una questione solo di reputazione. Se l'AI assiste la scrittura del codice ma la sua presenza viene rimossa dalla documentazione, chi eredita il progetto perde informazioni utili per capire dove concentrare i controlli. I modelli generativi possono introdurre pattern vulnerabili o dipendenze non ovvie; nascondere il loro coinvolgimento non elimina i rischi, li rende più difficili da tracciare. Un progetto che riscrive il proprio passato non chiede solo fiducia nel suo presente: chiede di accettare una storia corretta a posteriori. Per chi usa il software, non è una premessa rassicurante.