IT/EN

App in vibe coding in produzione: cosa si rompe per primo e come stabilizzarle

Scritto daWWG
Pubblicato
Tempo di lettura14 min di lettura
App in vibe coding in produzione: cosa si rompe per primo e come stabilizzarle

La demo funziona. È questo il problema del software scritto in vibe coding: sembra finito prima che qualcuno abbia verificato cosa succede con utenti veri, dati veri e qualcuno che prova a entrare.

Questo articolo spiega cosa dicono i dati pubblici sul codice generato dall'IA, quali sono i quattro punti deboli che fanno più danni in produzione, cosa potete verificare voi stessi questa settimana e come stabilizzare un'app che ha già dei clienti.

Cos'è il vibe coding e come è arrivato in produzione

Fare vibe coding significa descrivere a parole quello che si vuole e lasciare che un modello di IA scriva il codice. Il termine viene da Andrej Karpathy, tra i fondatori di OpenAI, che lo ha descritto all'inizio del 2025. Con le sue parole, si "dimentica che il codice esiste", si accetta ogni suggerimento senza leggere le modifiche e si lascia crescere il codice "oltre la mia normale comprensione".

Karpathy stesso ne aveva fissato i limiti: "non male per progetti usa e getta del fine settimana". Quei limiti non hanno tenuto. Il Collins Dictionary ha scelto "vibe coding" come parola dell'anno 2025. Il report DORA 2025 di Google, un sondaggio su quasi 5.000 professionisti della tecnologia, rileva che il 90% usa l'IA al lavoro.

Un dettaglio conta. Nello Stack Overflow Developer Survey 2025, l'84% degli intervistati usa o intende usare strumenti di IA, ma il 72% dichiara che il vibe coding non fa parte del proprio lavoro professionale. Questo indica dove sta il rischio: nelle app costruite fuori da un team di sviluppo, come prototipi, che poi acquisiscono clienti veri.

Cosa dicono i dati: il codice gira, la sicurezza resta indietro

Dal luglio 2025 Veracode ha pubblicato tre rilevazioni sulla sicurezza del codice generato dall'IA. Il risultato è migliorato, ma lentamente.

Report Pubblicato Risultato principale Dettaglio
2025 GenAI Code Security Report Luglio 2025 Vulnerabilità introdotte nel 45% dei casi 80 attività di programmazione, oltre 100 modelli. Java fallisce in oltre il 70% dei casi.
2026 GenAI Code Security Report Luglio 2026 Tasso medio di superamento dei test di sicurezza 56% Sintassi corretta in circa il 100% dei casi. Java 30%.
Aggiornamento autunno 2026 Ottobre 2026 Tasso medio di superamento 62% Modelli migliori 73%. Java circa 31%. Cross-site scripting 18%.

La tendenza va letta in modo equo. La media è passata dal 56% al 62% in tre mesi e i modelli migliori superano ora il 73% dei test di sicurezza. Resta il fatto che un tasso del 62% significa che i modelli hanno fallito circa il 38% dei test di sicurezza di questa valutazione. Non equivale a dire che il 38% delle app in produzione sia vulnerabile, ma è un tasso di errore alto per codice che nessuno rivede. La protezione dal cross-site scripting, un attacco comune alle applicazioni web, supera il test solo nel 18% dei casi.

La sintassi, invece, è secondo Veracode "un problema risolto, vicino al 100%". Questo divario è il nodo centrale. Il codice compila, gira e fa una bella figura in demo. Niente sullo schermo vi dice che non è sicuro.

Valgono due avvertenze. Veracode vende strumenti di sicurezza, quindi ha un interesse nel risultato. E testa i modelli su singole attività di programmazione, non su applicazioni finite.

Un secondo insieme di dati va nella stessa direzione. CodeRabbit ha confrontato 470 pull request open source e ha trovato 10,83 problemi per ogni modifica scritta con l'IA, contro 6,45 per quelle scritte solo da persone. Il campione è piccolo, la paternità è stata dedotta da segnali nella pull request e CodeRabbit vende revisione del codice con l'IA. Va letto come un segnale, non come una legge.

Cosa si rompe per primo

Nei casi pubblici emergono quattro punti deboli. Li elenchiamo in base al danno che fanno, perché è anche l'ordine in cui sistemarli. I primi due fanno perdere dati. Gli altri due fanno perdere tempo e fiducia.

1. L'accesso ai dati

Nel maggio 2025 Matt Palmer ha pubblicato la CVE-2025-48757. La sua scansione di 1.645 app costruite con Lovable, una piattaforma di vibe coding, ha trovato 303 endpoint esposti in 170 di esse. La causa era la mancanza di row-level security: le regole del database che stabiliscono quale utente può leggere o modificare quale riga.

Tra i dati esposti c'erano email degli utenti, chiavi API e tabelle di utenti, transazioni e abbonamenti. Su un sito il campo dello stato di pagamento poteva essere modificato per saltare il pagamento. Attenzione alla portata: la scansione ha controllato solo le home page, e 170 su 1.645 descrive quel campione, non tutte le app Lovable.

Il meccanismo è semplice. Un modello costruisce ciò che il prompt descrive, e nessuno scrive nel prompt "assicurati che un cliente non possa leggere le fatture di un altro". L'app funziona perfettamente per l'unica persona che la sta provando.

Per l'azienda è il guasto più costoso dei quattro. Un cliente che legge i dati di un altro è una violazione di dati personali, con le conseguenze legali e contrattuali che ne derivano. Un campo di pagamento modificabile dagli utenti è fatturato perso.

2. Il confine tra test e produzione

Nel luglio 2025 Jason Lemkin, fondatore di SaaStr, stava provando l'agente di IA di Replit. Fortune ha riportato che, durante un blocco del codice dichiarato, l'agente ha eseguito comandi non autorizzati e ha cancellato il database di produzione. Secondo Lemkin conteneva i dati di oltre 1.200 dirigenti e di più di 1.190 aziende.

L'agente gli ha poi detto che un rollback non avrebbe funzionato. Lemkin ha recuperato i dati a mano. Il CEO di Replit, Amjad Masad, ha definito la cancellazione "inaccettabile, non dovrebbe mai essere possibile" e ha annunciato la separazione automatica dei database di sviluppo e di produzione.

La lezione non riguarda un singolo fornitore. Un'app costruita in un'unica conversazione può facilmente ritrovarsi con un solo ambiente, un solo database e un solo set di credenziali con tutti i permessi. Qualsiasi errore, di una persona o di un agente, finisce allora direttamente sui dati dei clienti.

Per l'azienda significa fermo del servizio e dati dei clienti persi. La gravità dipende da una cosa sola: se esiste un backup e se è mai stato ripristinato.

3. Gestione degli errori e logica

Nei dati di CodeRabbit, i problemi di logica e correttezza erano più frequenti del 75% nelle pull request scritte con l'IA. Le lacune nella gestione degli errori erano quasi il doppio.

In produzione è il problema del percorso felice. Tutto funziona finché gli utenti fanno ciò che chi ha costruito l'app si aspettava. Un pagamento fallito, un campo vuoto o un timeout di un servizio esterno producono una schermata bianca o, peggio, un risultato sbagliato in silenzio.

Per l'azienda significa addebiti doppi, ordini persi e dati dei conti di cui nessuno si fida. A differenza di un crash, un risultato sbagliato in silenzio può passare inosservato finché un cliente non si lamenta.

4. Prestazioni sotto carico reale

Lo stesso insieme di dati ha rilevato operazioni di input e output eccessive (chiamate inutili a database, disco o rete) circa otto volte più frequenti nelle modifiche scritte con l'IA. Uno schema tipico: una pagina esegue una query al database per ogni record. Con 20 record di prova si carica all'istante. Con 20.000 si blocca.

Per l'azienda significa pagine lente proprio per i clienti che usano di più il prodotto, e costi di infrastruttura che crescono più dell'utilizzo. Il problema emerge anche tardi: l'app rallenta man mano che ha successo.

Perché il team non lo vede arrivare

Nessuno di questi quattro problemi è nuovo. Regole di accesso mancanti, ambienti condivisi e query lente esistevano prima dell'IA. Quello che è cambiato è la velocità: oggi il codice arriva più in fretta di quanto qualcuno riesca a rivederlo. Il report DORA lo dice chiaramente: "l'IA accelera lo sviluppo del software, ma questa accelerazione può far emergere debolezze a valle".

La velocità sembra reale. Nello studio controllato di METR del 2025, 16 sviluppatori esperti hanno impiegato il 19% di tempo in più per completare le attività quando usavano strumenti di IA. Si aspettavano un'accelerazione di circa il 40%. Il dato in sé è datato: riguarda codebase grandi e mature e strumenti dell'inizio del 2025, e METR ha dichiarato a febbraio 2026 che gli strumenti attuali probabilmente velocizzano gli sviluppatori più di così. Ciò che resta valido è il punto cieco. Gli sviluppatori si aspettavano di essere più veloci e non si sono accorti di non esserlo.

"Quasi giusto" costa caro. Nel sondaggio di Stack Overflow, il 66% degli sviluppatori indica come frustrazione "soluzioni dell'IA quasi giuste, ma non del tutto", la più citata. Il 46% non si fida dell'accuratezza dei risultati dell'IA e il 33% se ne fida.

Nessuno è responsabile del codice. La descrizione di Karpathy è esatta: il codice cresce oltre la comprensione. Quando chi ha scritto il prompt non sa spiegare come funziona, ogni correzione è un tentativo alla cieca. Il report DORA lo dice così: "l'IA non aggiusta un team, amplifica ciò che c'è già". E rileva anche che l'adozione dell'IA ha ancora una relazione negativa con la stabilità dei rilasci software.

Cosa potete verificare questa settimana

Per porre queste domande non serve leggere il codice. Rivolgetele a chi ha costruito l'app. Se non sa rispondere, anche questo è un risultato.

  • Accesso ai dati. Un utente autenticato può aprire i dati di un altro cliente cambiando un ID nella barra degli indirizzi o nella richiesta?
  • Accesso ai dati. Le regole di accesso sono applicate nel database o sul server, e non solo nascondendo elementi nell'interfaccia?
  • Segreti. Ci sono chiavi API o password visibili nel codice che gira nel browser?
  • Pagamenti. Lo stato del pagamento viene confermato sul server con il fornitore dei pagamenti, e non letto da un campo che il browser può modificare?
  • Ambienti. Esiste un ambiente di test con un proprio database e proprie credenziali?
  • Ambienti. Un agente di IA o il portatile di uno sviluppatore possono scrivere nel database di produzione, o cancellarne dati?
  • Backup. Un backup è mai stato ripristinato, dall'inizio alla fine?
  • Errori. Cosa vede l'utente quando un pagamento fallisce o un servizio esterno non risponde? L'errore viene registrato dove qualcuno lo guarderà?
  • Carico. L'app è stata provata con un volume di dati realistico, e non con 20 record di prova?

Se più risposte sono "non lo so", scopritelo prima di aggiungere altri clienti o altre funzionalità.

Stabilizzare, fare refactoring o riscrivere

L'istinto è buttare via l'app e rifarla come si deve. A volte è la scelta giusta. Spesso però l'app ha già utenti, fatturato e un processo aziendale collegato, e una riscrittura mette in pausa tutti e tre.

Le opzioni sono tre e rispondono a problemi diversi.

Opzione Quando è adatta Cosa fa
Stabilizzare L'app funziona e porta ricavi, ma ha lacune pericolose: regole di accesso, ambienti, gestione degli errori. Chiude i rischi in ordine di priorità mentre il sistema continua a funzionare.
Refactoring Il sistema è stabile, ma il codice è difficile da modificare in sicurezza. Migliora la struttura interna senza cambiare ciò che l'app fa.
Riscrivere Il sistema attuale non può diventare sicuro, supportabile o modificabile a costi sostenibili. Sostituisce le fondamenta.

I quattro punti deboli descritti sopra sono spesso lacune, non fondamenta marce. Regole di accesso, un ambiente di test separato e la gestione degli errori si possono aggiungere a un sistema in funzione. Per questo valutiamo la stabilizzazione prima di una riscrittura. Una nota pratica sul refactoring: è sicuro solo quando dei test possono dimostrare che il comportamento è rimasto lo stesso, quindi verificate se esistono test.

Se nessuno sa dire quale sia il vostro caso, è la domanda a cui risponde un audit del software. In due-quattro settimane produce una mappa dei rischi con le priorità, le stime di impegno e una sola raccomandazione: sistemare, ricostruire o lasciare com'è. Approfondiamo la scelta nella guida Riscrittura o refactoring: un framework decisionale per CTO.

Come stabilizziamo un sistema di questo tipo

Non abbiamo un processo separato per il codice scritto dall'IA. Il nostro audit esamina il codice indipendentemente da chi o cosa l'abbia scritto, e la riparazione segue la stessa disciplina. Una stabilizzazione del software sistema il sistema mentre continua a funzionare. Non è una ricostruzione e non è un blocco.

  1. Una conversazione con un fondatore. Ci descrivete cosa non funziona. Se un audit o una ricostruzione sono un punto di partenza migliore, ve lo diciamo.
  2. Operativi entro una settimana. Accessi, storico degli incidenti e un primo triage.
  3. Prima settimana: fermare l'emorragia. I rischi più pericolosi vengono corretti in produzione, senza bloccare il sistema. Per i punti deboli descritti sopra, al primo posto ci sono l'accesso ai dati e la sicurezza della produzione.
  4. Riparazione sistematica. Le cause profonde vengono chiuse in ordine di impatto sul business. Ogni correzione viene testata e rilasciata come un normale rilascio, quindi i rilasci non si fermano.
  5. Passaggio di consegne. Documentazione che il prossimo sviluppatore può usare e il vostro team formato. Oppure il lavoro prosegue con un contratto di assistenza continuativa.

L'intervento dura da sei a sedici settimane, con un perimetro definito e un prezzo concordato prima di iniziare. Le correzioni le fanno direttamente ingegneri senior, e ogni settimana ricevete uno stato di avanzamento scritto.

Alla fine avete in mano quattro cose: una mappa dei rischi con le priorità, cause profonde chiuse e non solo tamponate, un percorso di rilascio che funziona senza una sala crisi e documentazione che il prossimo sviluppatore può usare.

Se questo è il vostro sistema

Un'app nata in vibe coding con clienti paganti non è un errore di cui vergognarsi. È un prototipo che ha avuto successo più in fretta della sua ingegneria. La domanda utile è cosa espone oggi e cosa sistemare per primo.

Se non conoscete la risposta, parlate con uno dei fondatori di WWG di cosa si sta rompendo. Ci descrivete il sistema e cosa non funziona. Vi diciamo se il punto di partenza giusto è un audit, una stabilizzazione o una ricostruzione.

Per approfondire: Debito tecnico: cos'è, come misurarlo e quando intervenire e la nostra guida alla code review (in inglese).

Fonti

Tutte le pagine elencate sono state consultate e i dati verificati il 13 e il 16 novembre 2026. Le citazioni da fonti in inglese sono tradotte da WWG.

Raccontaci il Problema

Mohamed Deramchi

Mohamed Deramchi

Fondatore & CEO di WWG

20+ anni di leadership IT, product e cloud consulting. Guida la strategia di delivery e la direzione tecnica senior.

Invia Il Tuo Brief

Ci contatti come

Inviando accetti la nostra privacy policy.

Coesione Italia 21-27 Lombardia - Cofinanziato dall'Unione europea - Regione Lombardia