Indice dei contenuti dell'articolo:
Partiamo da una premessa doverosa, così evitiamo subito il coro degli indignati : gli LLM sono una rivoluzione enorme. Probabilmente la più grande accelerazione tecnologica degli ultimi decenni. Mettere in discussione l’utilità di strumenti come Claude di Anthropic, ChatGPT, Gemini o simili sarebbe ridicolo quanto vietare la calcolatrice a un architetto perché “bisogna saper contare a mente”.
Non siamo nostalgici del “si stava meglio quando si compilava il kernel a mano bendati”. Non abbiamo alcuna intenzione di fare i reduci del prompt dei comandi con la medaglia appuntata sul petto. In Managed Server S.r.l. l’AI la usiamo, eccome. La usiamo per scrivere, analizzare, confrontare, velocizzare, automatizzare, documentare, verificare ipotesi e risparmiare tempo su attività ripetitive.
Ma tra usare bene un LLM e usarlo a C.D.C., (a cazzo di cane), c’è la stessa differenza che passa tra comprare una monoposto di Formula 1 e saperla guidare senza stamparsi alla prima curva. Il problema non è Claude. Il problema non è ChatGPT. Il problema siete voi quando vi sedete davanti a un modello linguistico, fate tre domande generiche, copiate una risposta ben formattata e vi sentite improvvisamente senior system engineer, cloud architect, security specialist e oracolo di Delfi con abbonamento mensile.
“Me lo ha detto Claude” non è una prova tecnica
C’è una nuova categoria umana che meriterebbe un girone dedicato nell’inferno dell’IT: l’utente che cita l’LLM come fonte definitiva. Quello che arriva con il tono del consulente McKinsey dopo aver letto tre righe prodotte da un modello e ti spiega come configurare NGINX, ottimizzare MariaDB, mettere in sicurezza SSH o “scalare Kubernetes” perché Claude gli ha risposto con un paragrafo ordinato e due bullet point.
“Eh però ChatGPT dice che basta aumentare il valore di max_connections”. Certo. Come dire che per dimagrire basta mangiare meno. Tecnicamente non è sempre falso, ma se lo applichi senza contesto puoi finire a fare più danni che altro. Aumentare max_connections senza guardare memoria disponibile, workload reale, query lente, thread, indici, lock, I/O, configurazione del pool applicativo e pattern di traffico è come curare una perdita d’acqua aprendo tutti i rubinetti perché “così scorre meglio”.
Il punto è semplice: un LLM non sostituisce la competenza. La affianca, la amplifica, se esiste. La simula male, se non esiste. E questa è la parte che molti non vogliono sentire, perché l’AI è democratica nell’accesso ma spietata nel risultato: dà una risposta anche a chi non sa formulare la domanda. E quando uno non capisce il dominio, non è in grado nemmeno di capire quanto sia pericolosa la risposta ricevuta.
L’effetto Dunning-Kruger con il turbo
La sindrome di Dunning-Kruger non nasce con l’intelligenza artificiale. Esisteva già prima, soprattutto nei gruppi Facebook di “esperti SEO”, nei forum dove si consigliava chmod 777 come se fosse aerosol, e nei commenti LinkedIn di quelli che parlano di “resilienza infrastrutturale” senza aver mai visto un disco pieno alle tre di notte.
La novità è che oggi l’LLM fornisce a questa incompetenza una veste presentabile. Prima l’improvvisato scriveva una sciocchezza sgrammaticata. Ora scrive una sciocchezza impaginata benissimo, con tono sicuro, lessico tecnico e magari pure una tabella comparativa. Il contenuto può restare fragile come un castello di sabbia, ma l’apparenza è quella del white paper.
Ed è qui che l’AI diventa pericolosa: non perché “prenderà il controllo”, non perché “ci ruberà il lavoro”, non perché “le macchine pensano”. Diventa pericolosa perché trasforma l’ignoranza in ignoranza sicura di sé. E l’ignoranza sicura di sé, in sistemistica, non è folklore: è downtime, perdita dati, buchi di sicurezza, configurazioni indecenti, backup non verificati e clienti che poi chiamano disperati dicendo “ma fino a ieri funzionava”.
Il prompt non è esperienza
Un sistemista non è uno che conosce il comando giusto. Quella è la caricatura del mestiere. Un sistemista è uno che sa quando usare quel comando, perché usarlo, cosa succede dopo, quali effetti collaterali produce e come tornare indietro quando il castello comincia a fumare.
Chi lavora su server Linux dal 1996, e professionalmente dal 2005, non ha semplicemente “memorizzato comandi”. Ha visto filesystem corrompersi, RAID degradarsi, kernel panic in produzione, mail server finire in blacklist, database saturare l’I/O, DNS configurati come rituali voodoo, certificati scaduti nei momenti peggiori, deploy fatti il venerdì sera da persone evidentemente prive di istinto di conservazione.
Questa roba non la scarichi da un modello. Non la ottieni con un prompt del tipo “agisci come un esperto DevOps”. Quello è cosplay. Utile, magari, per farsi un’idea iniziale. Ma resta cosplay. L’esperienza è stratificazione di errori, diagnosi, incidenti, recuperi, verifiche e responsabilità. È sapere che la risposta più elegante non è sempre quella giusta. È capire che a volte la soluzione migliore è non toccare nulla finché non hai guardato i log giusti.
“L’AI dice che si può fare”: frase da incidere sulla lapide del server
Una delle frasi più inquietanti che si possano sentire oggi è: “L’AI dice che si può fare”. Meraviglioso. Anche un navigatore satellitare può dirti di svoltare in un lago, ma questo non significa che tu debba battezzare la Panda.
Un LLM produce risposte plausibili, non garanzie operative. Può essere brillante, utile, persino sorprendente. Ma non ha il tuo contesto completo. Non conosce davvero la tua infrastruttura, i vincoli del cliente, la storia dei problemi precedenti, le configurazioni ereditate, i compromessi fatti anni prima, il motivo per cui quel servizio apparentemente assurdo è ancora lì. E soprattutto non paga lui quando rompi tutto.
Il modello non sente il telefono squillare. Non ha il cliente arrabbiato. Non deve spiegare perché il gestionale non parte, perché il sito è giù, perché le email non arrivano, perché il backup “c’era” ma nessuno aveva mai provato un restore. L’LLM non si assume responsabilità. Tu sì. O almeno dovresti.
L’AI come esoscheletro, non come cervello sostitutivo
Usata bene, l’AI è un esoscheletro cognitivo. Ti permette di andare più veloce, confrontare ipotesi, generare bozze, scrivere documentazione, trasformare log grezzi in spunti di analisi, produrre checklist, simulare scenari, trovare rapidamente alternative. È utilissima anche per spiegare concetti complessi a clienti, sviluppatori o stakeholder che altrimenti confonderebbero “server” con “hosting” e “hosting” con “quella cosa che pago ogni anno”.
Ma un esoscheletro funziona se dentro c’è qualcuno che sa camminare. Se dentro c’è uno che inciampa da fermo, l’esoscheletro non crea Iron Man: crea un idiota motorizzato.
La differenza è tutta qui. Il professionista usa l’AI per accelerare un ragionamento che già possiede. L’improvvisato usa l’AI per sostituire un ragionamento che non ha mai avuto. Il primo chiede, verifica, confronta, testa, legge documentazione ufficiale, controlla i log, valuta il rischio. Il secondo copia, incolla, riavvia e poi apre ticket con oggetto “URGENTE”.
Il problema non è sbagliare. È non sapere di non sapere.
Chi lavora seriamente nell’IT sa che sbagliare fa parte del mestiere. Nessuno nasce imparato, nessuno ha sempre la risposta pronta, nessuno può conoscere ogni tecnologia, ogni versione, ogni bug, ogni edge case. Il punto non è pretendere infallibilità. Il punto è avere consapevolezza dei propri limiti.
L’LLM, invece, produce un effetto psicologico devastante: ti fa sentire competente prima di esserlo. Ti dà lessico, struttura e sicurezza. Ti permette di parlare di argomenti che non padroneggi con una fluidità che prima non avresti avuto. E questa fluidità viene scambiata per comprensione.
Ma saper ripetere “reverse proxy”, “TLS termination”, “connection pooling”, “horizontal scaling”, “zero trust”, “observability” e “immutable infrastructure” non significa sapere cosa stai facendo. Significa solo che hai imparato a pronunciare parole costose. È come entrare in sala operatoria dicendo “bisturi, anestesia, laparoscopia” e pretendere di essere chirurgo perché la terminologia è corretta.
Quando l’LLM dà ragione al cliente
Uno degli aspetti più grotteschi è il cliente che arriva con la risposta dell’AI per contestare il lavoro tecnico. Non chiede spiegazioni. Non chiede un confronto. Arriva già convinto. “Ho chiesto a ChatGPT e mi ha detto che il problema si risolve così”.
Benissimo. Allora facciamo anche che chiediamo a ChatGPT se il ponte regge, se la TAC è negativa, se il bilancio fiscale è corretto e se il rumore della macchina è davvero la frizione. Tanto ormai il criterio è: se una risposta è scritta bene, allora è vera.
Il rapporto tra cliente e professionista dovrebbe basarsi su fiducia, competenza e responsabilità. L’AI può aiutare il cliente a capire meglio, a fare domande più intelligenti, a orientarsi. Ma quando viene usata come clava per dire “io ne so quanto te perché ho chiesto a ChatGPT”, allora siamo davanti al capolavoro: l’ignoranza aumentata artificialmente.
Come si usa davvero un LLM in ambito sistemistico
Non stiamo dicendo di non usare Claude o ChatGPT. Sarebbe stupido. Stiamo dicendo di usarli come strumenti, non come santini digitali. Un LLM può essere molto utile per:
- riassumere log lunghi e individuare pattern sospetti;
- generare checklist operative prima di una migrazione;
- scrivere documentazione tecnica più leggibile;
- confrontare approcci architetturali diversi;
- preparare script da revisionare, non da eseguire alla cieca;
- spiegare a un non tecnico perché una certa richiesta è pericolosa.
La parola chiave è revisionare. Ogni output va controllato. Ogni comando va capito. Ogni configurazione va adattata. Ogni modifica va testata. Ogni procedura va accompagnata da backup, rollback e buon senso. Soprattutto buon senso, merce rara e non ancora disponibile via API.
La competenza resta il filtro
Il futuro non sarà dei sistemisti che ignorano l’AI. Quelli faranno la fine di chi rifiutava Git perché “io i file li rinomino con _final_definitivo_v3”. Ma non sarà nemmeno degli scappati di casa che credono di diventare esperti perché hanno imparato a scrivere prompt teatrali.
Il futuro sarà di chi sa integrare strumenti potenti dentro un metodo solido. Di chi conosce Linux, networking, sicurezza, database, performance, backup, monitoring, incident response. Di chi sa leggere un log senza chiedere prima il permesso a un chatbot. Di chi usa l’AI per accelerare, non per mascherare il vuoto pneumatico.
Attention is all you need è stato, per l’intelligenza artificiale moderna, un passaggio epocale. Possiamo tranquillamente considerarlo una formula spartiacque, al pari di quelle idee che cambiano il mondo e dopo le quali nulla torna davvero come prima. Ma attenzione: una scoperta rivoluzionaria non rende automaticamente rivoluzionario chi la usa male.
L’energia nucleare può illuminare città o fare disastri. Il motore a scoppio può muovere ambulanze o produrre idioti che sgasano alle rotonde. L’LLM può aiutare un professionista a lavorare meglio o trasformare un dilettante in un pericolo con interfaccia conversazionale.
Claude è bello, ma prima imparate il mestiere
Claude è bello. ChatGPT è bello. Gli LLM sono strumenti straordinari. Nessuna persona seria dovrebbe negarli, ridicolizzarli o fingere che siano una moda passeggera. Sono qui per restare e cambieranno profondamente il modo in cui lavoriamo.
Ma proprio perché sono strumenti potenti, vanno usati con competenza. Non sono una patente professionale. Non sono una laurea istantanea. Non sono vent’anni di esperienza compressi in una finestra di chat. Sono acceleratori. E un acceleratore, in mano a chi non sa guidare, non produce velocità: produce incidenti.
Quindi sì, usate l’AI. Usatela tutti i giorni. Fatela diventare parte del vostro flusso di lavoro. Chiedetele bozze, alternative, verifiche, spiegazioni, idee. Ma quando si parla di server, sicurezza, infrastrutture, dati e continuità operativa, abbiate almeno la decenza di ricordare una cosa: una risposta plausibile non è una soluzione validata.
E soprattutto, prima di spiegare a un sistemista che fa questo mestiere da quando molti “esperti AI” stavano ancora imparando ad allacciarsi le scarpe, magari fatevi una domanda semplice: state davvero portando un contributo tecnico o state solo leggendo ad alta voce quello che vi ha sputato fuori un modello?
Perché Claude è bello, certo. Ma non ce fissemo.
