Simon Willison, in un breve link post, prova a rispondere a una domanda che molti sviluppatori si pongono: si vede un effetto misurabile dei coding agent sul proprio output? La miglior illustrazione che ha trovato è il grafico di “code frequency” di GitHub del suo progetto open source Datasette, che mostra aggiunte e cancellazioni di codice settimana per settimana dal 2018 al 2026.
Il segnale interessante è il picco più recente: 37.022 righe aggiunte e 9.528 rimosse nel 2026, la punta più alta di tutta la serie. Prima di questo, i picchi maggiori erano 14.638 aggiunte con 6.584 rimozioni a fine 2025 e 15.998 aggiunte all’inizio del 2018, con una spinta di sole cancellazioni (-10.658) a metà 2020. Willison osserva che il grande picco finale coincide con l’arrivo di Opus 4.8, GPT-5.5, Fable 5 e GPT-5.6 Sol.
Perché conta (con cautela)
Per chi lavora con data stack e sviluppo assistito da AI, l’osservazione è utile ma va presa per quello che è: un aneddoto su un singolo progetto, non una misura di produttività. L’attività su Datasette arriva a ondate sporadiche già da anni, quindi isolare l’effetto dei modelli da altri fattori (rilasci, periodi di lavoro intenso) resta difficile. Il volume di righe aggiunte, poi, non equivale a valore prodotto: dice quanto codice si muove, non quanto sia utile o mantenibile.
Resta un modo semplice e trasparente di guardare al fenomeno: invece di affidarsi a claim di produttività, si osserva un artefatto pubblico e verificabile. È un promemoria che, quando si valuta l’impatto degli strumenti di coding assistito, conviene cercare segnali concreti nel proprio flusso di lavoro piuttosto che fidarsi di metriche aggregate di terzi.
- Il picco 2026 (37.022 aggiunte, 9.528 rimozioni) è il più alto della storia di Datasette e coincide con i modelli di ultima generazione.
- Il grafico è un indizio suggestivo, non una prova: singolo progetto, attività già a ondate e righe aggiunte ≠ valore.
- Osservare artefatti pubblici e verificabili è preferibile a fidarsi di claim generici di produttività.
Fonte: datasette code-frequency chart on GitHub — https://simonwillison.net/2026/Jul/13/datasette-code-frequency/
Hai qualcosa da aggiungere? Unisciti alla discussione.