Un'IA avrebbe scritto 1 milione di righe di codice e ora gira su milioni di macchine

“L’IA ha scritto 1 milione di righe di codice e poi le ha raffinate nel corso dei mesi successivi, fino a produrre un software affidabile che oggi gira su milioni di macchine di sviluppatori.” La frase è di Paul Dix, datata 26 agosto 2026 e riportata sul sito di Simon Willison con l’attribuzione “— Paul Dix, The end of programming”¹.

Dix anticipa l’obiezione e la contesta. C’è chi dice che “non è così impressionante” perché esisteva un “oracolo” per confrontare l’output, quindi il passaggio “da un linguaggio all’altro” era più semplice. Per lui questa lettura “svende” il risultato¹.

Il punto, sostiene, è il metodo. “Se costruisci un sistema di verifica e dai la giusta direzione, l’IA può produrre software altamente complesso, altamente sofisticato e può continuare a rifinirlo finché semplicemente funziona”¹. Generazione su larga scala. Verifica. Iterazioni di raffinamento. Distribuzione ampia. Questa, in sintesi, la sequenza che descrive.

Tre misure scandiscono il racconto: volume (“1M LOC”), tempo (“un paio di mesi” di raffinamento), adozione (“milioni di macchine di sviluppatori”). Sono gli unici numeri che offre in questo passaggio¹.

Il riferimento all’“oracolo” inquadra il contesto: una fonte di verità per validare l’output. Dix riconosce che ciò può facilitare conversioni tra linguaggi, ma respinge l’idea che basti a ridurre il risultato. Sottolinea invece l’efficacia di un sistema di verifica guidato che consente a un modello di iterare fino a far “funzionare” il codice¹.

Qui la fonte si ferma. Non indica il nome del progetto. Non specifica l’“oracolo” né i test impiegati. Nessun dettaglio su strumenti, repository, linguaggi o dominio applicativo. Nessun dato aggiuntivo oltre alle tre misure citate. La pagina di Willison offre la citazione, la data e l’attribuzione. Tutto il resto non è presente¹.

Questo limite informativo conta. Senza sapere che cosa faccia il software, con quali requisiti e quali metriche di qualità, l’affermazione resta un benchmark di processo: volume generato, tempo di iterazione, ampiezza della distribuzione. Il cuore è l’assunto metodologico: un ciclo che combina generazione automatica, oracolo di verifica e rifinitura iterativa. È un pattern ormai comune nei flussi di lavoro con modelli linguistici, ma qui la scala dichiarata — milioni di righe e ampia adozione — dà peso all’argomento, pur senza dettagli tecnici a supporto¹.

Il contesto editoriale è minimale ma chiaro. Willison pubblica la citazione con data e attribuzione, come fa abitualmente con riflessioni e segnalazioni sullo stato dell’arte dell’IA e dello sviluppo software. In mancanza di ulteriori elementi nel testo citato, il pezzo va letto per ciò che è: una rivendicazione sintetica di risultato e metodo, con numeri precisi ma senza il corredo di prove tecniche accessorie¹.