La software delivery, per sua natura, vive in costante accelerazione. Ma oggi la velocità non è più soltanto un differenziale competitivo. È una condizione di mercato scandita da roadmap sfidanti, esigenze multicanale e crescita delle aspettative di business. Per sostenere l’evoluzione dei modelli di servizio, rilasciare software in modo continuo e iterativo è una variabile decisiva, soprattutto nei contesti regolamentati.
Indice degli argomenti
Continuous delivery e continuous quality
Produrre più codice e più funzionalità in meno tempo garantendo qualità tecnica, resilienza operativa e compliance è un compito particolarmente sfidante. La capacità di garantire una distribuzione del software tracciata, sicura e adattiva richiede cicli di sviluppo strutturati, policy chiare, supervisione continua e un controllo rigoroso delle dipendenze. Nel bilanciare time-to-market e governance end-to-end concorrono diversi fattori: documentazione aggiornata, test unitari e di integrazione sistematici, analisi statica del codice e gestione ottimizzata del debito tecnico.
«Nel settore finanziario, in particolare, l’accelerazione della software delivery è ancora più evidente – spiega Francesco Scarfò, Sales Account Manager di GFT -, amplificata da un quadro regolatorio che, con normative come DORA (Digital Operational Resilience Act), spinge ad adottare nuove tecnologie garantendo al tempo stesso sicurezza, resilienza e continuità operativa. Tuttavia, non tutte le organizzazioni hanno piena consapevolezza della complessità da gestire. L’attenzione alla velocità mal si accompagna alla qualità del codice e ai meccanismi di supervisione necessari per ridurre rischi e vulnerabilità. È per questo che diventa essenziale definire processi chiari ed efficaci lungo tutto il ciclo di vita del software, continuando ad affinare le competenze».
L’impatto dell’AI sul ciclo di sviluppo
Vero è che l’adozione dell’AI lungo tutto il ciclo di sviluppo software introduce un nuovo livello di automazione, supportando le fasi di analisi, sviluppo, verifica, rilascio e manutenzione. L’inserimento di agenti intelligenti nei processi di engineering permette di standardizzare attività ripetitive, rafforzare i meccanismi di verifica, migliorare la leggibilità e la manutenibilità del codice, accelerare la produzione di test. La stessa logica si applica alla documentazione, dove l’automazione permette di ricostruire contesto, descrivere funzioni e allineare gli asset informativi in modo continuo, riducendo il rischio di sistemi che evolvono più rapidamente della loro base descrittiva.
Oltre ai task legati all’innovazione, nella software delivery una parte consistente del lavoro è associato alla modernizzazione applicativa: refactoring e fix dei sistemi. Su questo fronte, la componente AI consente di individuare pattern obsoleti, suggerire codici ottimizzati, aggiornare moduli legacy e generare in automatico porzioni di codice sostitutivo mantenendo coerenza architetturale.
«Non si tratta solo di generare codice più velocemente, ma di inserire l’AI nella pipeline di engineering per rendere il ciclo di sviluppo più solido e consistente – chiarisce Mattia Gallegati, AI Solutions Leader di GFT -. Da un lato il business porta a rilasciare funzionalità a ritmi serrati. Dall’altro i team che presidiano sicurezza e qualità devono garantire controlli rigorosi. Quando questi due mondi lavorano separati nascono attriti, spesso risolti con deroghe temporanee degli standard di qualità e sicurezza previsti dall’organizzazione L’AI, se inserita correttamente nel flusso fin dall’inizio, aiuta a ridurre queste discontinuità. Il risultato è un Software Lifecycle Management che scorre in modo più lineare, con meno eccezioni da gestire e con una qualità progettata a monte, non verificata a valle».
Maturità digitale e modelli operativi
La maturità digitale delle aziende è determinante anche nella software delivery. Nelle filiere in cui la componente digitale costituisce parte integrante del prodotto e dell’esperienza utente, l’integrazione tra sviluppo, sicurezza e governance si è già consolidata in modelli operativi evoluti, sostenuti da pipeline automatizzate, controlli distribuiti e competenze specialistiche interne.
«Nei settori più product-centric, dove l’IT ha tradizionalmente svolto anche un ruolo di funzione abilitante, la trasformazione procede in modo più graduale – prosegue Scarfò -. La convergenza tra business, tecnologia e compliance impone una revisione profonda dei processi, delle responsabilità e delle skill. È proprio un cambio di mindset in cui la delivery software diventa parte del core operativo».
Prerequisiti di maturità: processi solidi e toolchain integrata
Un ciclo di vita del software maturo verifica e traccia ogni fase del rilascio. Quality gate, analisi statica del codice, gestione delle dipendenze e orchestrazione dei deploy non rappresentano più scelte opzionali, ma gli asset di una capacità industriale di sviluppo.
«Parliamo di strumenti che analizzano il codice e verificano la qualità del software come, ad esempio, Sonar – osserva Gallegati – e di soluzioni che analizzano le vulnerabilità nelle dipendenze e nelle librerie esterne, come, ad esempio, Dependency-Track. Nel primo caso si tratta di piattaforme di static code analysis che individuano bug, fragilità architetturali, violazioni di standard e possibili debiti tecnici prima che il software venga rilasciato. Nel secondo parliamo di tecnologie che mappano e monitorano componenti esterne, framework e pacchetti open source, evidenziando versioni a rischio, falle di sicurezza note e criticità di compatibilità per garantire che la supply chain software rimanga protetta e aggiornata. A questo si aggiungono piattaforme di orchestrazione che garantiscono la tracciabilità dei rilasci e la coerenza del ciclo di vita del software. Solo quando processi e strumenti lavorano insieme in modo strutturato ha senso introdurre soluzioni di automazione avanzata (augmented automation) supportate da AI».
Wynxx industrializza la qualità della software delivery
Wynxx è una piattaforma enterprise sviluppata da GFT, azienda globale specializzata in consulenza IT e progetti di trasformazione digitale, con un forte focus sull’AI. La piattaforma Wynxx integra l’intelligenza artificiale nel ciclo di vita del software attraverso numerosi moduli funzionali come quello per la generazione di codice e test per le applicazioni, il modulo per la riduzione del debito tecnico rilevato da tool come Sonar, la generazione di documentazione o la modernizzazione del legacy e molti altri.
La soluzione industrializza la software factory introducendo un’automazione controllata lungo l’intero ciclo di vita applicativo, creando una pipeline continua, osservabile e governata attraverso logiche di esecuzione coerenti e verificabili. La sua integrazione avviene API-first dentro i processi CI/CD, così i controlli diventano parte della pipeline e la software delivery guadagna prevedibilità e continuità operativa.
«La modularità della suite porta un’automazione strutturale in tutte le fasi dello sviluppo, risolvendo la frammentarietà e l’eterogeneità degli strumenti normalmente utilizzati – puntualizza Gallegati -. Il Code Fixer corregge automaticamente vulnerabilità rilevate da Sonar, il Code Tester genera unit e integration test, il Code Documenter aggiorna la documentazione a partire dal codice, i moduli di Uplift/Legacy Transformer supportano migrazioni e modernizzazioni come ad esempio da Cobol a Java o aggiornamento delle versioni di Java o Angular. Tutto è esposto via API, così l’esecuzione è automatizzabile nei rilasci: meno eccezioni da gestire e qualità verificabile nel tempo».
Quando la software factory diventa sistema: l’esperienza Bradesco Seguros
La piattaforma è già operativa in contesti enterprise internazionali. Un esempio significativo arriva dal settore assicurativo in America Latina, dove Bradesco Seguros ha adottato Wynxx per supportare la propria software factory.
«Nel caso di Bradesco Seguros – racconta Scarfò – abbiamo attivato la piattaforma su team cross-funzionali, con l’obiettivo di semplificare pianificazione, testing e modernizzazione applicativa. L’iniziativa ha coinvolto oltre 180 professionisti e ha consentito di ottenere un incremento di produttività fino al 40% lungo l’intero ciclo di sviluppo. Risultati che confermano la solidità dell’approccio incrementale: si parte prima con l’esecuzione di una proof of value (PoV) e poi si procede con un’estensione progressiva fino alla piena operatività».
Verso nuove estensioni: accessibilità, ESG e AI ibrida
La piattaforma sta evolvendo lungo direttrici che riflettono le nuove priorità tecnologiche e regolatorie. Oltre alle funzionalità oggi operative le roadmap includono controlli sull’accessibilità, verifiche sui requisiti ESG e capacità più avanzate di modellazione dei dati e delle integrazioni applicative. Un altro filone riguarda la flessibilità dei modelli di AI.
«Stiamo ampliando copertura e performance in due direzioni – osserva Gallegati -: maggiore profondità sui controlli, con focus su accessibilità e sostenibilità, e una pipeline agentica sempre più efficiente e capace di integrare modelli cloud e on-premise. La piattaforma supporta anche LLM distribuiti on-premise per rispondere a esigenze di sovranità del dato e compliance settoriale».
L’importanza di scegliere il partner giusto
Portare l’AI dentro la software factory non significa installare uno strumento, ma costruire un modello operativo nuovo. In questo senso, il ruolo del partner non consiste nel fornire la piattaforma, ma nel guidare l’adozione, definire priorità, orchestrare le fasi di rilascio e trasferire competenze ai team.
«Il nostro approccio è di partire sempre da una proof of value (PoV) – ribadisce Scarfò -. A seguito di un processo di analisi, definiamo un perimetro mirato e misurabile, attiviamo i moduli necessari e valutiamo l’impatto su produttività, qualità del codice e continuità del ciclo di rilascio. Quando i risultati sono consolidati si passa allo scale-up, estendendo progressivamente il dominio applicativo e coinvolgendo nuovi team. L’obiettivo finale è portare Wynxx a pieno regime, con un presidio continuo, KPI chiari e un modello operativo in cui automazione, verifica e controllo diventano parte stabile della governance tecnologica».
Il ruolo delle persone della software factory
Nella visione di GFT, l’introduzione di AI e automazione nella software delivery cambia le modalità di lavoro, integrando il principio di human in the loop che valorizza e potenzia il contributo umano. Mantenendo il presidio cognitivo sul funzionamento del sistema, il valore professionale si sposta verso capacità di orchestrazione, validazione, controllo e miglioramento continuo. La qualità, infatti, emerge dal modo in cui l’automazione viene progettata, verificata e guidata.
«Le basi della programmazione restano fondamentali. Quello che cambia è il modo di colloquiare con i sistemi – conclude Gallegati -: oltre a scrivere codice, occorre saper progettare prompt, contestualizzare richieste, controllare gli output e guidare il modello. È un’estensione del ruolo, non una sostituzione: l’AI diventa un acceleratore che richiede più consapevolezza. Quando si introduce l’AI nel ciclo di sviluppo, il rischio è di pensare che la macchina possa prendere decisioni tecniche in autonomia. In realtà serve ancora più competenza per progettare i controlli, verificare gli output, mantenere grip tecnico e garantire che gli strumenti lavorino nel modo corretto. L’intelligenza artificiale libera tempo e riduce errori ripetitivi, ma la visione, la supervisione e la responsabilità rimangono nelle mani degli sviluppatori e dei team tecnologici».
Proprio per questo GFT sta investendo in termini di awareness, formazione e upskilling per aiutare i professionisti a usare queste tecnologie con più consapevolezza e responsabilità.
