Simon Willison ha raccolto una citazione di Kenton Varda che merita attenzione perché tocca un punto pratico dell’AI-assisted programming spesso trascurato: non tutto ciò che un LLM può scrivere è utile che lo scriva. Varda dichiara di aver imposto al suo team una moratoria contro le descrizioni di modifiche generate dall’AI — messaggi di PR e commit, ma anche issue e ticket.
La motivazione è concreta. Nelle sue parole, l’AI produceva descrizioni “peggio che inutili” durante la review delle PR: elencavano dettagli del codice facilmente osservabili guardando il codice stesso, ma omettevano il framing di alto livello necessario per capire in modo ampio cosa fa quella modifica. In altre parole, il modello riempiva lo spazio con una parafrasi del diff invece di comunicare l’intento.
Perché conta per chi usa LLM nel workflow
La descrizione di un commit o di una PR non serve a spiegare cosa cambia il codice — quello lo mostra il diff — ma perché. La motivazione, il contesto della decisione, i trade-off considerati, i vincoli: sono informazioni che vivono nella testa di chi ha scritto la modifica e che un LLM, guardando solo il diff, non può ricostruire. Un modello può riassumere le righe toccate, ma non conosce la discussione che ha portato a toccarle. Il risultato è testo verboso che aumenta il carico cognitivo del reviewer invece di ridurlo.
Questo non è un argomento contro l’uso degli LLM nello sviluppo, ma un promemoria su dove collocarli. La generazione di codice, il refactoring o la sintesi di documentazione tecnica sono compiti in cui il modello ha accesso a tutto il materiale che gli serve. La descrizione dell’intento di una modifica, invece, richiede informazioni che stanno fuori dal contesto fornito al modello. Delegarla in automatico significa produrre artefatti che sembrano completi ma sono vuoti nella parte che conta di più.
- Il diff mostra il cosa; la descrizione dovrebbe spiegare il perché, e questo l’LLM non lo ricava dal solo codice.
- Automatizzare i change descriptions può aumentare il carico di chi fa review invece di alleggerirlo.
- La lezione è di collocazione: usare l’AI dove ha il contesto completo, non dove serve conoscenza che vive solo nella testa dell’autore.
Fonte: A quote from Kenton Varda — https://simonwillison.net/2026/Jul/8/kenton-varda/
Hai qualcosa da aggiungere? Unisciti alla discussione.