Riferimenti
Riferimenti
Progetti concreti collegati a questo lab. Ogni voce spiega cos’è il progetto, perché esiste e cosa mi ha insegnato.
Non sono vetrine. Sono punti di riferimento — cose che ho costruito e che hanno influenzato il mio modo di pensare lo sviluppo assistito dall’AI, il design di sistemi e il confine tra automazione e giudizio umano.
Agenzio
Cos’è: Uno starter e generatore per piattaforme production-grade. Genera un progetto base con infrastruttura, backend, frontend e pipeline di deploy, seguendo convenzioni esplicite e confini tra moduli.
Perché esiste: Avevo bisogno di un modo ripetibile per andare da zero a un sistema funzionante e deployabile senza accumulare debito strutturale nelle prime ore. Ogni progetto che iniziavo da zero ripeteva le stesse decisioni — setup dell’autenticazione, cablaggio CI/CD, struttura delle cartelle, naming. Agenzio codifica quelle decisioni in modo che debbano essere prese una sola volta.
Cosa mi ha insegnato: Il valore di un generatore non è il codice che produce ma le decisioni che incarna. Quando quelle decisioni sono coerenti, tutto quello che viene dopo — inclusa l’estensione assistita dall’AI — resta allineato. Quando sono vaghe, il codice generato diverge nel giro di giorni.
Medical Agenda
Cos’è: Una piattaforma di gestione appuntamenti sanitari usata in un ambiente clinico reale. Gestisce appuntamenti, dati dei pazienti e workflow operativi per uno studio medico.
Perché esiste: Uno studio specifico aveva bisogno di un sistema di scheduling che si adattasse al loro workflow, non un prodotto SaaS generico che richiedesse a loro di adattarsi. L’ho costruito per risolvere un problema concreto per un utente concreto, e poi l’ho usato come terreno di prova per funzionalità assistite dall’AI in un dominio regolamentato.
Cosa mi ha insegnato: I domini regolamentati espongono chiaramente i limiti dello sviluppo assistito dall’AI. L’AI può generare operazioni CRUD e componenti UI in modo efficiente, ma qualsiasi cosa che coinvolga privacy dei dati, logica clinica o compliance richiede supervisione umana attenta. La lezione più importante: l’accelerazione dell’AI è reale, ma non riduce il bisogno di conoscenza del dominio. Amplifica le conseguenze del non averla.
ALLVI
Cos’è: Un progetto sperimentale sviluppato in collaborazione con partner esterni. Esplora come piattaforme strutturate e agenti AI possano supportare workflow specifici di dominio su scala.
Perché esiste: Volevo testare se i pattern che avevo sviluppato in progetti più piccoli — agenti AI vincolati, confini espliciti tra moduli, punti di decisione human-in-the-loop — potessero funzionare in un contesto più grande e con più stakeholder.
Cosa mi ha insegnato: Il costo di coordinamento cresce più velocemente della complessità tecnica. I pattern hanno retto, ma lo sforzo necessario per allineare più persone su convenzioni condivise è stato significativamente superiore allo sforzo per implementarle. Nei progetti collaborativi, l’architettura della comunicazione conta quanto l’architettura del codice.