Il recente test pratico condotto da Android Authority su ChatGPT 6 Intelligent UI mette in luce i limiti attuali della creazione diretta di applicazioni tramite modelli linguistici. Sebbene la funzione sia gratuita e integrata nella chat, non è ancora in grado di sostituire software dedicati in modo completo.

Limiti funzionali delle mini‑app generate

Le interfacce prodotte dal nuovo “Intelligent UI” si sono rivelate più simili a risposte interattive che a vere e proprie UI intelligenti. I principali punti deboli individuati sono la mancanza di affidabilità e l’assenza di un memorizzatore persistente. Le mini‑app create non si aggiornano automaticamente e i dati inseriti, ad esempio in un diario generato, rimangono disponibili solo per la durata della sessione corrente.

Un altro inconveniente è l’assenza di un archivio centrale per gestire le mini‑app. Quando gli utenti hanno provato a utilizzare la funzione per compiti più complessi, il sistema ha spesso fallito: un timer, ad esempio, non è più stato operativo anche dopo un ricostruzione completa dell’app.

Esempi di mini‑app affidabili

    • Un pianificatore di viaggio con funzione domanda‑risposta;
    • Uno strumento di budget per due persone;
    • Un programma per suddividere le spese di un conto.

Queste applicazioni più semplici hanno funzionato in modo stabile, dimostrando che il nuovo UI è più adatto a compiti di livello base piuttosto che a processi aziendali complessi.

Sicurezza e vulnerabilità del codice generato dall’IA

Le carenze riscontrate nel test di Android Authority si rispecchiano nelle analisi settoriali sulla generazione di codice tramite IA. Lo studio “Understanding the (In)security of Vibe‑Coded Applications” ha analizzato oltre 9 000 app open‑source generate da IA, scoprendo che 9 progetti su 10 contengono almeno una vulnerabilità.

Un benchmark di dodici agenti di coding IA su 186 task ha mostrato che, nonostante il 57 % delle soluzioni proposte da Claude Sonnet 4 fosse funzionale, solo l’11,8 % risultava sicuro. Amit Choudhary di Thoughtworks ha evidenziato che il codice generato da IA contiene 2,7 volte più falle rispetto a quello scritto da programmatori umani.

Impatto sulla produttività e sui costi

Un’analisi di Apiiro su aziende Fortune‑50 ha rilevato che il cosiddetto “Vibe Coding” rende gli ingegneri quattro volte più produttivi, ma provoca un aumento di dieci volte dei problemi di sicurezza. Anche la verifica di sistemi complessi mostra difetti significativi: un audit di Vikash Kumar (Arm) su tre modelli di punta ha registrato tassi di riconoscimento degli errori inferiori al 80 % e falsi positivi che hanno dichiarato erroneamente la verifica completata.

Questi risultati suggeriscono che la semplice accelerazione del coding non si traduce automaticamente in un valore aggiunto se la qualità e la sicurezza del prodotto finale sono compromesse.

Rischi legali e normative emergenti

L’adozione di sistemi IA in ambito aziendale richiede ora una conoscenza approfondita delle normative vigenti. La nuova UE AI Act introduce requisiti stringenti per la gestione del rischio, la trasparenza e la protezione dei dati. Un e‑book gratuito offre una panoramica dei requisiti legali, mentre un altro manuale di implementazione permette di scaricare una guida pratica per adeguarsi alle norme.

Le aziende devono quindi bilanciare la spinta all’innovazione con la necessità di rispettare le leggi, evitando sanzioni e danni reputazionali derivanti da vulnerabilità non rilevate.

Dubbi sulla redditività delle soluzioni IA

Le promesse di risparmio di tempo non sempre si concretizzano. GovTech Singapore ha osservato che, sebbene il codice scritto con IA sia il 24 % più veloce, la produttività complessiva è aumentata solo del 12 %. Il sondaggio Stack Overflow Developer Survey 2025 ha rivelato che il 46 % degli sviluppatori non si fida dell’accuratezza dell’output IA, il 66 % considera la quasi‑correttezza la principale fonte di frustrazione, e il 45 % ritiene la correzione di errori IA più dispendiosa in termini di tempo.

Una ricerca di Agoda, con il 95 % degli sviluppatori dell’Asia sudorientale che utilizza IA settimanalmente, ha mostrato che il 77 % a Singapore segnala incoerenze nei risultati come ostacolo principale, mentre due terzi verificano manualmente ogni blocco di codice generato.

Secondo Gartner, i costi del coding IA supereranno entro il 2028 gli stipendi medi degli sviluppatori a causa dell’aumento del consumo di token. Già entro la fine del 2025, almeno il 50 % dei progetti con IA generativa è stato interrotto dopo la fase di fattibilità per scarsa qualità dei dati, controlli di rischio insufficienti, costi elevati o mancanza di valore commerciale.

Prospettive future e opinioni degli investitori

Un’indagine Teneo Vision 2026 su più di 350 CEO di società quotate e 400 investitori istituzionali ha evidenziato che il 53 % degli investitori prevede un ritorno positivo delle iniziative IA entro sei mesi. Tuttavia, solo il 16 % dei CEO di grandi imprese è disposto a scommettere su tali risultati, e meno della metà dei progetti IA attivi è attualmente redditizio.

Questi dati indicano una frattura tra le aspettative degli investitori, che sono ottimisti, e la realtà operativa dei dirigenti, che rimane cauta a causa di incertezze tecniche, normative e di mercato.