Nel periodo compreso tra maggio e settembre 2026, Anthropic ha registrato un aumento vertiginoso delle fusioni di codice giornaliere, passando da 2.500 a più di 30.000. L’impiego di modelli come Claude per la programmazione ha eliminato la lentezza tipica della scrittura manuale, ma ha spostato il collo di bottiglia sull’infrastruttura di supporto. Strumenti tradizionali di controllo versioni e integrazione continua, concepiti per una cadenza umana, hanno iniziato a fallire di fronte a questo ritmo industriale.
Il sovraccarico di Git e i limiti dell’infrastruttura tradizionale
Il repository monolitico di Anthropic superava i 100 GB di storico, con download di lavoro superiori ai 25 GB. Ogni giorno venivano eseguite 25 milioni di revisioni di codice; se fossero state gestite con gli strumenti convenzionali, avrebbero saturo la rete interna. Mantenere Git risultava quindi inviable per gestire il flusso continuo di agenti intelligenti, spingendo l’azienda a progettare una propria alternativa in soli cinque mesi.
Il limite fisico delle tecnologie pensate per gli esseri umani è emerso chiaramente quando l’automazione, tramite agenti, ha saturato i tradizionali canali di integrazione. I modelli di linguaggio iterano, ottimizzano e generano componenti a velocità elevata, moltiplicando per dieci la capacità di qualsiasi team di programmatori. L’accelerazione della produzione ha trasformato la capacità di processare i cambiamenti nella principale barriera operativa.
Soluzioni temporanee e loro fallimento
Per sostenere il volume iniziale sotto Git, i team tecnici hanno dispiegato centinaia di server mirror interni e hanno ricorso a tecniche di clonazione parziale. Tuttavia, queste soluzioni provvisorie hanno perso efficacia con la crescita del monorepo: il costo di sincronizzare rami e aggiornare gli storici ha superato i limiti di memoria, e la consistenza tra server ha saturato lo spazio di archiviazione delle macchine dedicate.
Git e il paradigma della decentralizzazione
Git è nato due decenni fa con una chiara visione: distribuzione completa e lavoro offline. Ogni sviluppatore conserva una copia esatta del progetto sul proprio dispositivo, permettendo consultazioni, confronti e registrazioni di cambiamenti senza rete. Questo modello è ideale per persone in team individuali, ma entra in conflitto diretto con i sistemi automatizzati.
In Anthropic, i consumatori del codice sono agenti software e task di integrazione continua nel cloud, entità che operano costantemente connesse. Scaricare decine di gigabyte di storico per modificare poche righe è altamente inefficiente, comportando uno spreco critico di risorse e banda. L’autonomia locale, che aveva reso Git popolare, è diventata un ostacolo insormontabile per il lavoro degli agenti.
Scion: l’architettura centralizzata e asimmetrica
La risposta degli ingegneri è stata lo sviluppo di Scion, un sistema di controllo versioni con architettura centralizzata e asimmetrica. A differenza di Git, dove il client assume funzioni di server, Scion delega il carico computazionale al cloud. Il client locale gestisce solo una memoria intermedia leggera e richiede al server i file strettamente necessari per l’attività corrente, evitando il download dell’intero albero.
La unità base di Scion è il changeset, memorizzato in un database distribuito mediante operazioni rapide e senza blocchi. Non si generano pacchetti compressi di grandi dimensioni né è necessaria la coordinazione di puntatori globali per ogni modifica. I dati derivati, come lo storico delle linee o le differenze tra versioni, vengono calcolati su richiesta, con elaborazione incrementale eseguita direttamente sui server.
Benefici concreti e impatto operativo
Questa separazione consente a molte attività di valutazione automatica di non dover nemmeno scaricare il codice su disco. I servizi interrogano differenze e stati del repository tramite API dirette. Grazie a questo design, l’infrastruttura ha ridotto di duecento volte il consumo di CPU e memoria, e le verifiche sono passate da diversi minuti a pochi secondi.
Il caso di Anthropic anticipa le tensioni operative che l’intero settore dovrà affrontare. La generazione di codice sintetico tramite intelligenza artificiale rivoluzionerà i flussi di lavoro tradizionali; gli strumenti pensati per gli umani mostreranno i propri limiti strutturali quando la produzione passerà da decine a decine di migliaia di integrazioni al giorno.
Verso una nuova ingegneria di sistemi
Il design di Scion dimostra una premessa fondamentale: l’infrastruttura deve evolversi al passo dell’IA. La scalabilità richiede l’adattamento delle piattaforme di supporto alla velocità dei modelli, poiché le macchine stanno diventando le principali autrici del codice. Adattare il controllo versioni, i test e la collaborazione a questo nuovo contesto impone una revisione radicale delle basi dell’ingegneria di sistemi.
In sintesi, Anthropic ha trasformato una crisi operativa in un’opportunità di innovazione, creando un sistema su misura che risponde alle esigenze di un mondo in cui l’intelligenza artificiale genera la maggior parte del software. Scion rappresenta un modello di riferimento per le future architetture di gestione del codice, dimostrando che la flessibilità e la centralizzazione intelligente possono superare i vincoli dei tradizionali sistemi basati su Git.