Greg Brockman afferma che l'80% del codice di OpenAI è ora scritto dall'IA.

      I commenti di Greg Brockman alla conferenza AI Ascent 2026 di Sequoia si inseriscono in un modello in cui i leader dei laboratori di intelligenza artificiale citano numeri di produttività auto-rinforzanti, ma le prove sottostanti sulla produttività della codifica AI rimangono sostanzialmente più contestate di quanto suggerisca il dato principale.

      Il presidente di OpenAI, Greg Brockman, ha dichiarato che l'AI sta scrivendo ora circa l'80% del codice dell'azienda alla conferenza AI Ascent 2026 di Sequoia Capital giovedì, secondo quanto riportato da Business Insider.

      “È difficile sapere quale percentuale non è scritta dall'AI”, ha detto Brockman, ripetendo un commento che aveva fatto nel podcast Knowledge Project a fine aprile. Le osservazioni fanno parte di un argomento più ampio che Brockman ha sostenuto in diverse interviste questo mese: che le capacità di codifica dell'AI hanno superato una soglia di produttività, che l'AGI è “70-80% lì” secondo la sua definizione personale, e che la scarsità di calcolo è ora il vincolo principale su ciò che i laboratori di AI possono offrire.

      Il dato dell'80% è sorprendente ma ambiguo. Le due interpretazioni più forti sono molto diverse tra loro. La prima è che gli strumenti AI scrivono l'80% delle righe di codice impegnate nel codice di OpenAI, un'affermazione di produttività.

      La seconda è che l'AI è coinvolta in qualche modo (completamento automatico, suggerimento di rifattorizzazione, generazione seguita da revisione umana) nell'80% del lavoro di codifica, un'affermazione di utilizzo. La precisazione di Brockman, “è difficile sapere quale percentuale non è”, si allinea più strettamente con la seconda interpretazione, e il divario tra le due è abbastanza grande da alterare materialmente ciò che significa il dato.

      Il modello tra la leadership dei laboratori di AI

      Brockman non è solo nel citare alti numeri di codifica AI. L'amministratore delegato di Anthropic, Dario Amodei, ha dichiarato pubblicamente l'anno scorso che l'AI stava scrivendo il 90% del codice in Anthropic, con un obiettivo del 100% entro pochi mesi.

      Cursor ha raggiunto 2 miliardi di dollari di fatturato annualizzato in tre anni grazie alla forza dei flussi di lavoro di codifica assistita da AI; GitHub Copilot ha 4,7 milioni di abbonati paganti e un'adozione del 90% tra le Fortune 100; e il fatturato annuale di 30 miliardi di dollari di Anthropic è, secondo la descrizione della stessa azienda, prevalentemente concentrato nella codifica, nella ricerca aziendale e nella produttività generale.

      Il modello è coerente: i laboratori che producono i modelli sottostanti riportano che quei modelli sono trasformativi per l'ingegneria del software.

      Il contesto più profondo è quello che Brockman ha articolato più chiaramente nella sua intervista al podcast Big Technology all'inizio di aprile. Ha descritto un ‘punto di inflessione di dicembre 2025’ in cui i modelli sono passati dall'essere in grado di svolgere circa il 20% dei compiti ingegneristici tipici a circa l'80%, un cambiamento che ha caratterizzato come “devi assolutamente ripensare il tuo flusso di lavoro attorno a queste AI.”

      Ha citato un ingegnere di OpenAI che in precedenza non era riuscito a far gestire all'AI l'ingegneria dei sistemi a basso livello e ora consegna al modello un documento di design e osserva come implementa, strumenta e profila il sistema risultante fino alla qualità di produzione.

      Tuttavia, esiste un corpo significativo di lavori che mette in discussione se i numeri di produttività della codifica interna dell'AI debbano essere presi per buoni. Un documento del febbraio 2026 del National Bureau of Economic Research ha scoperto che l'80% delle aziende che utilizzano attivamente l'AI non ha riportato alcun impatto misurabile sulla produttività.

      Uno studio del MIT del 2025, ampiamente citato, ha concluso che il 95% dei programmi pilota aziendali di AI ha generato zero ritorno sugli investimenti. L'ingegnere di machine learning Han-Chung Lee ha sostenuto in un post su GitHub ampiamente diffuso che anche i numeri di produttività interna dell'AI, ottimistici, dovrebbero essere trattati con scetticismo, poiché sono tipicamente prodotti per raggiungere obiettivi di adozione che nessuno può verificare in modo indipendente.

      La critica accademica indipendente è stata più acuta da parte dello scienziato cognitivo Gary Marcus, che ha definito le affermazioni più ampie sull'AGI “un'illusione da trilioni di dollari.” “Noi come società stiamo scommettendo davvero enormi somme attorno all'idea che l'AGI sia vicina,” ha detto Marcus in un recente discorso principale alla Royal Society di Londra. “I grandi modelli linguistici sono imitatori profondamente difettosi che si nutrono dell'effetto Eliza.”

      Il punto specifico di Marcus sulla codifica è strutturalmente importante: un modello che produce codice che si compila e supera i test che gli sono stati dati non è lo stesso di un modello che produce software corretto, sicuro, manutenibile e ben architettato. Il primo è verificabile in secondi; il secondo richiede il tipo di giudizio che è stato il collo di bottiglia storico sulla produttività ingegneristica.

      Brockman riconosce il divario, anche se sostiene che si sta chiudendo. “La tecnologia che abbiamo in questo momento è molto frastagliata,” ha detto nell'intervista di Big Technology. “È assolutamente sovrumana in molti compiti. Quando si tratta di scrivere codice, quelle cose, l'AI può semplicemente farlo. Ma ci sono alcuni compiti molto basilari che un umano può fare e con cui la nostra AI ha ancora difficoltà.”

      Due cose rendono particolarmente degno di nota il dato dell'80% di Brockman in questo momento. La prima è la scala finanziaria del capitale attualmente impiegato da OpenAI. L'azienda ha raccolto 122 miliardi di dollari nel 2026 e sta puntando a un'IPO potenzialmente da 1 trilione di dollari. Brockman è stato esplicito nel dire che la questione centrale per OpenAI non è più la capacità del modello ma la scarsità di calcolo.

      Il calcolo è ora “un centro di ricavi, non un centro di costi,” ha detto, e OpenAI sta impegnando essenzialmente tutto il capitale disponibile in esso. Questo impiego di capitale è giustificato, in parte significativa, esattamente dal tipo di affermazioni di produttività che sta facendo riguardo alla codifica AI.

      La seconda è il contesto del mercato del lavoro. Le aziende tecnologiche hanno licenziato migliaia di ingegneri negli ultimi due anni, con la direzione che cita sempre più i guadagni di produttività guidati dall'AI come giustificazione. Se l'AI sta effettivamente facendo l'80% della codifica in aziende come OpenAI e Anthropic, le conseguenze per il mercato del lavoro sono sostanziali.

      Se il dato riflette una realtà meno robusta, con l'AI coinvolta in qualche fase del flusso di lavoro nella maggior parte dei compiti di codifica, ma non sostituendo effettivamente l'80% dello sforzo ingegneristico, allora i licenziamenti potrebbero essere in anticipo rispetto ai reali guadagni di produttività, e il costo umano a lungo termine del divario potrebbe essere considerevole.

      C'è un ulteriore livello nella cornice di Brockman che vale la pena notare: lui stesso, secondo la sua descrizione e nel profilo di TIME dei 100 Persone più Influenti nell'AI, trascorre circa l'80% del suo tempo lavorativo a codificare, tra le 60 e le 100 ore a settimana.

      L'uomo che fa l'affermazione che l'AI ora scrive l'80% del codice dell'azienda è anche, per reputazione, il coder umano più prolifico dell'azienda. Se questo lo rende il testimone più credibile del cambiamento di produttività o il più investito nel crederci dipende da quale interpretazione del dato si accetta.