Insights AI
Costruire per l'era della programmazione agentica: come l'infrastruttura si adatta agli sviluppatori autonomi
Podcast · Ascolta (19 min)
Supabase Says 70% of Its New Users Aren't Human | AI Explained
Indice
- Il collo di bottiglia: infrastruttura progettata per gli esseri umani in un mondo guidato dagli agenti
- Come funziona l’infrastruttura incentrata sugli agenti: un piano operativo passo dopo passo
- Passaggio 1: predisposizione programmatica
- Passaggio 2: interfacce ottimizzate per gli agenti
- Passaggio 3: gestione automatizzata del ciclo di vita
- Analogia intuitiva: costruzione su progetto rispetto alla stampa automatizzata di microappartamenti
- La vera novità: il passaggio dal «come sviluppare» al «cosa sviluppare»
- Impatto economico e strategico: prodotti, settore e utenti finali
- Per i gruppi di sviluppo prodotto
- Per il settore dell’AI e del cloud
- Per gli utenti comuni
- Limiti, rischi e questioni tecniche aperte
- Numeri chiave
- Cosa cambierebbe questo quadro
- Fonti citate
Man mano che gli agenti di intelligenza artificiale (AI) assumono sempre più il ruolo principale nell’esecuzione della creazione di software, l’infrastruttura di base per gli sviluppatori sta attraversando una trasformazione strutturale per accogliere sviluppatori autonomi, non umani. Supabase, piattaforma PostgreSQL (Postgres) a codice aperto, ha attivamente riprogettato la propria infrastruttura attorno agli agenti AI, che ora generano circa il 70% di tutta la nuova attività sulla piattaforma. Questa migrazione su vasta scala verso la creazione agentica di software rende il software personale su misura e iperspecifico comune e usa e getta quanto i documenti di testo o i fogli di calcolo personali, ridefinendo al contempo il principale fattore di valore dello sviluppo software: dall’esecuzione tecnica («sapere come sviluppare») alla competenza di dominio e alla visione del prodotto («sapere cosa sviluppare»).
Il collo di bottiglia: infrastruttura progettata per gli esseri umani in un mondo guidato dagli agenti#
L’infrastruttura tradizionale per gli sviluppatori software è stata progettata attorno alla velocità fisica e ai vincoli cognitivi umani. Le piattaforme di database preesistenti, i pannelli di gestione delle risorse in cloud e le catene di strumenti di sviluppo presupponevano un operatore umano davanti a uno schermo, intento a configurare manualmente gli ambienti, creare schemi di database, eseguire script dalla riga di comando e ispezionare le interfacce di programmazione delle applicazioni (API). Questi flussi di lavoro incentrati sull’essere umano procedevano intrinsecamente a ritmi controllati, caratterizzati dalla correzione manuale degli errori, dalla navigazione attraverso interfacce visive e da cicli di sviluppo di più settimane.
Adattare l’infrastruttura preesistente agli agenti AI autonomi pone importanti sfide tecniche. A differenza degli sviluppatori umani, che interagiscono con le piattaforme attraverso console grafiche o l’esecuzione intenzionale di script, gli agenti AI avviano, interrogano, modificano e smantellano programmaticamente i servizi lato server con volumi estremamente elevati e a velocità quasi istantanee. Le piattaforme di database tradizionali incontrano colli di bottiglia operativi quando sono sottoposte a questi carichi di lavoro non umani: i flussi di configurazione manuale si bloccano, i limiti di frequenza pensati per gli utenti umani si attivano prematuramente e i pannelli di gestione visivi diventano irrilevanti quando nessun essere umano naviga nell’interfaccia utente.
Durante un intervento del 30 ottobre 2026 al podcast sulle imprese emergenti di Y Combinator (ospitato sul canale Lightcone con Garry, Harj e Jared), Paul Copplestone, cofondatore e amministratore delegato di Supabase, ha illustrato come la sua piattaforma abbia riconosciuto questo profondo cambiamento operativo. Con gli agenti software autonomi che emergevano rapidamente come principale profilo di utente nel suo ecosistema, Supabase ha osservato che trattare le interazioni degli agenti come semplici script automatizzati non era più sostenibile. Da una prospettiva analitica, questi dati empirici evidenziano una realtà strutturale più ampia: l’insieme delle tecnologie lato server deve essere radicalmente riprogettato per ottimizzare l’esecuzione programmatica non umana, anziché l’inserimento manuale.
Come funziona l’infrastruttura incentrata sugli agenti: un piano operativo passo dopo passo#
Per servire gli agenti AI come utenti di primo livello, le piattaforme per sviluppatori stanno riprogettando le proprie architetture attorno a un piano operativo a tre livelli concepito per l’esecuzione autonoma.
Passaggio 1: predisposizione programmatica#
In un paradigma incentrato sugli agenti, la configurazione dei database è completamente separata dalle interfacce utente umane. Gli agenti inizializzano programmaticamente istanze di database interamente configurate attraverso punti di accesso leggibili dalle macchine. Anziché far navigare uno sviluppatore umano tra moduli web per selezionare le regioni del cloud, allocare spazio di archiviazione e impostare variabili d’ambiente, un agente AI impartisce direttive API automatizzate che predispongono istanze Postgres complete in millisecondi.
Passaggio 2: interfacce ottimizzate per gli agenti#
Una volta predisposti i servizi lato server, il livello del database deve esporre interfacce ottimizzate specificamente per i modelli linguistici di grandi dimensioni (LLM) e gli agenti autonomi. Le piattaforme implementano server del protocollo di contesto del modello (MCP), schemi OpenAPI/Swagger autodescrittivi e sistemi strutturati di registrazione JSON insieme alle API tradizionali. Queste astrazioni native per le macchine consentono agli agenti di ispezionare direttamente le architetture degli schemi, scrivere logiche di interrogazione valide, eseguire migrazioni degli schemi e interpretare i registri degli errori di esecuzione senza richiedere strumenti visivi o guida umana.
Passaggio 3: gestione automatizzata del ciclo di vita#
I flussi di programmazione autonomi generano modelli di utilizzo dell’infrastruttura altamente volatili, caratterizzati da carichi di lavoro di breve durata e specifici per ciascuna attività. L’infrastruttura incentrata sugli agenti deve gestire eventi del ciclo di vita ad alta frequenza, tra cui il ridimensionamento automatizzato, la clonazione istantanea di database temporanei per test isolati delle funzionalità e il rapido smantellamento una volta che un agente completa un’attività. Le piattaforme infrastrutturali devono mantenere la stabilità del sistema e l’efficienza di calcolo gestendo al contempo cicli continui di creazione ed eliminazione guidati da sistemi automatizzati.
Analogia intuitiva: costruzione su progetto rispetto alla stampa automatizzata di microappartamenti#
Per comprendere questa evoluzione strutturale, si consideri la differenza tra l’edilizia residenziale convenzionale e la produzione modulare automatizzata: * La gestione tradizionale dei database è come costruire una casa residenziale su misura. Gli architetti redigono progetti fisici per occupanti umani e le imprese edili assemblano manualmente strutture, impianti idraulici e linee elettriche nel corso di mesi. Ogni passaggio dipende dalla velocità fisica umana e dall’ispezione manuale. * La predisposizione agentica funziona come una fabbrica automatizzata che stampa istantaneamente microappartamenti modulari su richiesta ogni volta che un algoritmo richiede spazio. Le unità vengono generate continuamente, personalizzate istantaneamente senza lavoro manuale umano e smantellate senza interruzioni non appena lo spazio non è più necessario.
La vera novità: il passaggio dal «come sviluppare» al «cosa sviluppare»
La transizione alla programmazione agentica rappresenta una discontinuità qualitativa rispetto ai precedenti movimenti di democratizzazione del software, come le piattaforme a codice ridotto o senza codice. I primi strumenti a codice ridotto si concentravano sull’astrazione della sintassi complessa, fornendo agli utenti umani interfacce visive con trascinamento della selezione o controlli grafici semplificati. Tuttavia, il collo di bottiglia operativo rimaneva: gli esseri umani dovevano ancora delineare manualmente i flussi logici, collegare i componenti visivi e assemblare le applicazioni passo dopo passo.
La svolta fondamentale dell’era agentica risiede nella delega completa dell’esecuzione. La creazione di software è passata da esseri umani che digitano codice o manipolano strumenti di sviluppo visivi ad agenti autonomi che eseguono lo sviluppo tecnico dall’inizio alla fine sulla base di intenti espressi in linguaggio naturale.
+-----------------------------------------------------------------------+
| EVOLUTION OF BUILDING |
+-----------------------------------------------------------------------+
| TRADITIONAL CODING | Low-Code / No-Code | AGENTIC CODING ERA |
| Human writes code | Human uses drag-and-| Agent executes end-to-end |
| line-by-line. | drop interfaces. | development autonomously. |
+--------------------+---------------------+----------------------------+
| Focus: | Focus: | Focus: |
| "How to build" | "How to build" | "What to build" |
| (Syntax & Code) | (Visual Workflows) | (Domain Vision & Intent) |
+-----------------------------------------------------------------------+
Questo cambiamento strutturale sostiene la visione di Paul Copplestone del «software personale». Storicamente, lo sviluppo software richiedeva capitali significativi o lavoro tecnico specializzato, limitando la creazione di applicazioni a prodotti generalisti e standardizzati, progettati per ampi mercati di riferimento. Nell’era agentica, il costo marginale e il tempo necessari per generare software funzionante si avvicinano allo zero.
Di conseguenza, applicazioni altamente personalizzate diventano diffuse, temporanee e usa e getta quanto i documenti di testo o i fogli di calcolo personali. Ad esempio, un analista finanziario che si prepara a una revisione trimestrale può chiedere a un agente di creare un’applicazione monouso per la riconciliazione dei dati, supportata da un’istanza Postgres di breve durata. L’agente predispone il database, acquisisce fatture eterogenee dei fornitori, esegue script di riconciliazione e presenta il rapporto di revisione. Una volta completata l’analisi, l’intero insieme delle tecnologie applicative e l’istanza lato server si autodistruggono, avendo assolto il loro scopo specifico.
Di conseguenza, il valore del lavoro umano nella creazione di software sta subendo una riallocazione strategica. I dettagli dell’implementazione tecnica, il «come sviluppare», vengono assorbiti dall’infrastruttura ottimizzata per gli agenti e dai modelli AI. Il fattore decisivo di differenziazione competitiva si sposta interamente verso la competenza di dominio, la definizione del problema, l’intuizione di prodotto e la progettazione dell’esperienza utente: il «cosa sviluppare».
Impatto economico e strategico: prodotti, settore e utenti finali#
Il riallineamento dell’infrastruttura attorno agli sviluppatori autonomi crea effetti a catena sistemici su tre gruppi chiave di soggetti del settore tecnologico:
Per i gruppi di sviluppo prodotto#
I cicli di iterazione del prodotto si stanno comprimendo da cicli di sviluppo delle funzionalità di più settimane a cicli operativi della durata di pochi minuti. I gruppi di sviluppo dedicano molte meno risorse alla scrittura manuale di codice standard lato server, all’esecuzione di migrazioni degli schemi o alla configurazione di API ordinarie. Invece, i responsabili di prodotto e gli sviluppatori utilizzano gli agenti per realizzare rapidamente prototipi, testare e distribuire funzionalità. Ciò consente esperienze utente iperpersonalizzate, nelle quali funzionalità software su misura possono essere generate al momento per soddisfare i flussi di lavoro dei singoli utenti.
Per il settore dell’AI e del cloud#
Per i fornitori di servizi cloud e le piattaforme di database, i modelli di utilizzo dei servizi lato server stanno passando drasticamente da azioni avviate dall’uomo a operazioni automatizzate ad alto volume. Quando gli agenti AI determinano la maggior parte della predisposizione dei database, le piattaforme infrastrutturali registrano enormi picchi di utilizzo automatizzato, caratterizzati da milioni di microdatabase continuamente avviati, interrogati e smantellati.
Dal punto di vista degli investimenti e dell’economia per unità, questo cambiamento modifica i profili di margine dei fornitori di servizi cloud. I tradizionali modelli di abbonamento prevedibili per software come servizio (SaaS), basati sul numero di utenti, stanno cedendo il passo a una misurazione basata sull’utilizzo, calibrata sul consumo continuo di risorse ad alta velocità. I fornitori di servizi cloud che ottimizzano la propria infrastruttura per API degli agenti a bassa latenza, gestione automatizzata degli schemi e predisposizione istantanea delle istanze hanno la possibilità di conquistare la quota di mercato dominante della domanda di capacità di calcolo non umana.
Per gli utenti comuni#
I professionisti non tecnici e gli esperti di ambiti operativi si trasformano in creatori diretti di software. Combinando intenti espressi in linguaggio naturale e piattaforme agentiche lato server, le persone possono sviluppare applicazioni di utilità su misura senza una formazione accademica in informatica. Gli esperti di dominio possono risolvere istantaneamente problemi di produttività specifici generando strumenti software personalizzati, perfettamente allineati alle proprie esigenze operative immediate.
Limiti, rischi e questioni tecniche aperte#
Sebbene il passaggio all’infrastruttura agentica apra vaste possibilità operative, la gestione di piattaforme nelle quali gli agenti autonomi generano la maggior parte dell’attività introduce rischi tecnici e questioni di governo irrisolte.
- Affidabilità della piattaforma e integrità dei dati: Come documentato nei dati della piattaforma Supabase, gli agenti AI generano ora circa il 70% della nuova attività. Questo elevato volume di operazioni non umane introduce rischi sistemici relativi alla corruzione degli schemi, all’esecuzione involontaria di interrogazioni e al deterioramento delle prestazioni. Gli agenti autonomi che operano senza supervisione umana possono propagare rapidamente strutture di interrogazione inefficienti o script di migrazione difettosi simultaneamente in migliaia di ambienti cloud.
- Controlli di governo e riservatezza: La gestione dei parametri di sicurezza, degli elenchi di controllo degli accessi e della conformità alle norme sulla riservatezza dei dati diventa molto più complessa quando i database vengono predisposti automaticamente su vasta scala (superando 1 milione di nuove istanze a settimana). Definire solide misure di protezione per garantire che gli agenti non espongano accidentalmente dati sensibili o configurino in modo errato le politiche di sicurezza a livello di riga (RLS) rimane una sfida tecnica importante.
- Gestione dei costi e allocazione delle risorse: La creazione e lo smantellamento ad alta frequenza dei servizi lato server rischiano di generare difficoltà nell’allocazione delle risorse sia per i fornitori di infrastrutture sia per i clienti delle piattaforme. Senza regole automatizzate del ciclo di vita e un recupero sistematico delle risorse delle istanze inattive, i database abbandonati creati dagli agenti possono causare sprechi di risorse cloud e sforamenti imprevisti dei costi.
- Maturità rispetto al clamore: Gli analisti delle infrastrutture devono distinguere tra metriche operative documentate delle piattaforme e previsioni speculative sul settore. Sebbene l’elevato volume di predisposizione dei database avviata dagli agenti sia una realtà consolidata su piattaforme come Supabase, la stabilità economica a lungo termine e l’adozione aziendale dei modelli di «software personale» usa e getta rimangono paradigmi in evoluzione, che richiedono una valutazione continua sotto carichi operativi reali.
Per approfondire la comprensione di questi cambiamenti strutturali, vi invitiamo a esplorare altre ricerche ad accesso aperto sul sito di DeepValues Research o a provare l’applicazione DeepValues.
Numeri chiave#
Le seguenti metriche di riferimento descrivono le dimensioni della piattaforma, il volume operativo e l’attività degli agenti, ricavati direttamente dal contesto della fonte:
- Base utenti totale di Supabase: 13 milioni di utenti (al 30 ottobre 2026).
- Ritmo settimanale di creazione dei database: Più di 1 milione di database avviati ogni settimana (al 30 ottobre 2026).
- Quota di attività agentica: Circa il 70% della nuova attività su Supabase proviene da agenti AI (al 30 ottobre 2026).
- Durata dell’episodio del podcast: 49 minuti (pubblicato il 30 ottobre 2026).
Cosa cambierebbe questo quadro#
La traiettoria analitica di lungo periodo dell'infrastruttura agentica dipende da diverse variabili tecnologiche, normative ed economiche in evoluzione. Questa valutazione strategica verrebbe modificata in misura sostanziale dai seguenti sviluppi osservabili:
- Fluttuazioni nella quota di attività agentica: Un calo persistente o un aumento significativo della quota di ~70% dell'attività della piattaforma generata da agenti di intelligenza artificiale segnalerebbe cambiamenti nell'adozione da parte degli sviluppatori, nell'affidabilità dei modelli o nei limiti di autonomia degli agenti.
- Introduzione di normative di sicurezza specifiche per gli agenti: L'approvazione di quadri normativi o obblighi di conformità che limitino specificamente l'accesso degli agenti autonomi di intelligenza artificiale alle basi di dati nella nuvola potrebbe costringere i fornitori di infrastrutture a ridurre i flussi di lavoro automatizzati di predisposizione delle risorse.
- Cambiamento nell'economia unitaria dei servizi nella nuvola: Se la creazione e l'eliminazione su vasta scala di basi di dati di breve durata determinassero margini negativi o instabilità della rete, le piattaforme nella nuvola potrebbero essere costrette a ristrutturare i modelli di prezzo per i carichi di lavoro automatizzati degli agenti.
- Standardizzazione dei protocolli tra agenti e basi di dati: L'adozione diffusa nel settore di protocolli standardizzati per l'interazione degli agenti con le basi di dati, interoperabili tra ambienti nella nuvola—estesi oltre Postgres agli ecosistemi proprietari aziendali nella nuvola—potrebbe accelerare l'integrazione delle infrastrutture nell'intero panorama tecnologico.
Fonti citate#
- "What Happens When Everyone Can Build Software," Y Combinator Startup Podcast (featuring Paul Copplestone, hosted by Garry, Harj, and Jared on the Lightcone), published October 30, 2026.
Guarda
Link alle fonti
- What Happens When Everyone Can… - Y Combinator Startup Podcast - Apple Podcasts
Guarda e ascolta
- Supabase Says 70% of Its New Users Aren't Human YouTube · EN
- Supabase每週增百萬資料庫,七成活動不是人類 YouTube · 中文
- Supabase Says 70% of Its New Users Aren't Human | AI Explained Podcast · EN
- Supabase每週增百萬資料庫,七成活動不是人類|AI 前沿 Podcast · 中文