George Fraser, CEO di Fivetran, propone una categoria utile per ragionare sull’impatto dell’AI sul software: il disposable software. È software usato da una singola organizzazione o persona, costruito per uno scopo molto specifico, usato per un periodo limitato e poi buttato via. Gli esempi tipici sono i notebook Python, le app Streamlit e le dashboard di business intelligence, che vivono su uno spettro corrispondente alla loro durata tipica.
Che non sia teoria lo mostra un aneddoto interno: Fivetran ha costruito il prototipo di un nuovo pricing estimator come app Streamlit, iterando in fretta; il risultato è piaciuto al punto da spedirlo come tool ufficiale mentre il team frontend lo riscriveva in React. Buona parte del codice era stata scritta con Claude.
Cosa resta fisso e cosa cambia
Fraser usa un’analogia con Star Trek: The Next Generation, dove il computer sintetizza interfacce su richiesta per problemi unici. Ma sull’Enterprise molto software resta fisso — navigazione, controlli — perché per i problemi standard un workflow ben progettato batte quello inventato al volo, e nessuno vuole imparare una nuova interfaccia ogni giorno. Il software pacchettizzato tradizionale, insomma, non sparirà.
A cambiare è tutto il resto. Fraser sostiene che l’intera categoria BI sia in gran parte disposable software: la vita media di una dashboard è forse 6 mesi, e in un’azienda di medie dimensioni ci sono magari 10 dashboard canoniche che devono restare identiche, mentre tutto il resto è one-off o diventa obsoleto in fretta. Lui stesso usa un agent per report on-demand costruito con Codex: file markdown che descrivono il core dbt model più script Python che eseguono query SQL e generano report. Durante l’ultimo board meeting ha aggiornato due report e ne ha generato uno nuovo in base alla discussione.
L’implicazione per chi lavora sui dati è la parte interessante. La maggior parte dell’output BI si sposterà verso insight on-demand ma condivisibili, con il team di analytics a creare solo poche dashboard gold standard e, soprattutto, il contesto che rende accurati gli insight generati sul momento. Il ruolo dell’analytics si avvicina a quello di curatori di contesto e si allontana dalle “dashboard farm”: il data model, e dbt in particolare, diventa ancora più centrale.
In sintesi
- Il disposable software — notebook, app Streamlit, dashboard — nasce per uno scopo specifico e ha vita breve; l’AI lo renderà molto più comune.
- Il software pacchettizzato per problemi standard resta, ma gran parte della BI si sposterà su insight on-demand condivisibili.
- Il ruolo dell’analytics diventa curare il contesto e il data model: dbt cresce di importanza, non cala.
Fonte: Disposable software — https://www.fivetran.com/blog/disposable-software
Hai qualcosa da aggiungere? Unisciti alla discussione.