Openai Codex: il futuro della programmazione è l’agente asincrono?

OpenAI Codex si evolve: l’era dell’agente asincrono e del codice “mergeable” ridefinisce lo sviluppo software

C’è stato un tempo, ormai geologicamente lontano – parliamo di circa tre anni fa – in cui l’interazione massima con un assistente di programmazione si riduceva a premere il tasto Tab per completare una riga di codice, o al massimo a digitare un commento sperando che l’intelligenza artificiale ne inferisse la funzione sottostante. Era il tempo dell’autocomplete glorificato, utile ma passivo.

Oggi, 7 gennaio 2026, lo scenario è radicalmente mutato. L’ultimo aggiornamento di OpenAI Codex non si limita più a suggerire la sintassi corretta per un ciclo for: sta ridefinendo il confine tra lo scrivere codice e l’orchestrare sistemi.

La novità, passata quasi in sordina durante le vacanze natalizie ma esplosa nelle discussioni tecniche di questi primi giorni dell’anno, è l’introduzione delle “Skills” esplicite, attivabili tramite un semplice simbolo: il dollaro ($).

Non è solo una scorciatoia da tastiera. È il segnale che il modello mentale dello sviluppo software assistito è passato dalla “co-pilota” alla delega agenziale.

Fino a ieri, lo sviluppatore doveva mantenere il contesto; oggi, digitando $ nell’editor, invochiamo strumenti che agiscono in autonomia. Ma per capire perché questo cambiamento sia più profondo di una semplice feature della UI, bisogna guardare sotto il cofano, dove l’eleganza tecnica si scontra con la brutale realtà della gestione delle dipendenze e dell’architettura software.

L’architettura dietro il simbolo del dollaro

La bellezza di questa implementazione risiede nella sua trasparenza, un valore che spesso si perde nelle “scatole nere” dell’AI proprietaria. Invece di nascondere le capacità dell’agente in qualche configurazione remota inaccessibile, OpenAI Codex supporta ufficialmente le Skills attraverso una struttura di file locale estremamente pragmatica. Tutto risiede in una directory .codex/skills all’interno del progetto.

Per un tecnico, questo approccio è rassicurante. Significa che le abilità dell’AI sono versionabili, committabili in Git e condivisibili con il team, esattamente come si farebbe con un file di configurazione di un linter o una pipeline di CI/CD.

Non c’è magia, c’è solo configurazione.

Quando si digita $, l’IDE non sta “pensando” in modo astratto; sta accedendo a definizioni precise di compiti – come skill-creator o skill-installer – che sono state pre-caricate o definite dall’utente.

Questo meccanismo di “explicit skill invocation” risolve uno dei problemi più frustranti degli LLM (Large Language Models) generalisti: l’allucinazione operativa. Costringendo l’utente a invocare esplicitamente un tool, si riduce lo spazio di ambiguità.

L’agente non deve indovinare se volete creare un file o solo parlarne; glielo state ordinando. Tuttavia, la vera potenza non sta nell’esecuzione locale, ma in ciò che accade quando questi comandi lasciano la vostra macchina.

Dalla chat all’agente asincrono

La vera rivoluzione non è tanto nell’autocompletamento, quanto nel cambio di paradigma temporale. Fino al 2024, l’interazione era sincrona: tu scrivi, l’AI risponde, tu correggi. Un ciclo continuo di supervisione che, paradossalmente, poteva rallentare i programmatori più esperti.

Con l’introduzione di queste capacità agenziali, OpenAI sta spingendo verso un modello fire and forget.

Thibault Sottiaux, Lead di Codex presso OpenAI, ha descritto questa visione con una chiarezza disarmante, delineando un futuro in cui lo sviluppatore assume il ruolo di un manager che revisiona il lavoro, piuttosto che di un operaio che posa mattoni digitali.

Avevamo un’idea piuttosto chiara di ciò che volevamo costruire. Volevamo creare una versione di un agente di codifica che lavorasse nel cloud in modo completamente asincrono, che non fosse necessario supervisionare se non tramite un buon prompt, per poi guardare la PR [Pull Request] e decidere se integrarla o meno.

— Thibault Sottiaux, Codex Lead presso OpenAI

L’obiettivo dichiarato non è la velocità di generazione, ma la qualità del risultato finale. Chiunque abbia usato un generatore di codice sa che scrivere è facile, ma integrare codice generato in una codebase complessa senza rompere tutto è un’arte. Sottiaux e il suo team sembrano aver compreso che il collo di bottiglia non è la sintassi, ma la “mergeability”, ovvero la pulizia e la coerenza del codice rispetto agli standard esistenti.

L’unica cosa per cui stavamo davvero ottimizzando è l’integrabilità del codice. Ovvero quanto pulito sarebbe stato il risultato finale.

— Thibault Sottiaux, Codex Lead presso OpenAI

Questo focus sulla qualità del codice “mergeable” è cruciale. Thibault Sottiaux ha espresso grande entusiasmo per questo nuovo modello, sottolineando un salto qualitativo che non si vedeva dalle prime iterazioni di GPT-4. Non stiamo più parlando di snippet isolati, ma di un agente capace di ragionare su contratti software complessi, rilevare discrepanze comportamentali e proporre fix che a un ingegnere umano richiederebbero ore di debugging.

Ma se l’agente lavora mentre noi facciamo altro, chi garantisce che non stia introducendo debiti tecnici invisibili?

Il prezzo dell’astrazione e la competizione

Qui sorge il dubbio critico. Delegare la creazione e l’installazione di nuove capacità a una cartella .codex/skills è elegante, ma apre scenari di sicurezza non banali.

Se un progetto open source include una skill malevola nella sua repository, e io digito $ senza controllare, sto essenzialmente eseguendo codice non verificato con i privilegi del mio agente AI. È la versione moderna dell’attacco alla supply chain, ma potenziata dall’intelligenza artificiale.

Inoltre, non possiamo ignorare il contesto competitivo. Mentre OpenAI spinge su Codex, il mercato non è rimasto a guardare. La storia recente ci insegna che l’innovazione è spesso guidata dalla concorrenza. Ad esempio, Anthropic è stata fondata da ex ricercatori di OpenAI focalizzati sulla sicurezza e le loro innovazioni con la famiglia Claude hanno spinto l’intero settore verso agenti più capaci di gestire contesti lunghi e tool-use complessi. Anche se oggi parliamo di Codex, è innegabile che l’architettura degli “agenti che usano tool” sia diventata lo standard de facto, un trend che ha costretto tutti i player ad adattarsi.

La mossa di OpenAI di rendere le skills esplicite e configurabili via file system è un tentativo intelligente di catturare lo sviluppatore “power user”, quello che vive nel terminale e apprezza la configurabilità. Tuttavia, c’è il rischio di creare un ecosistema frammentato in cui ogni progetto ha le sue “regole d’ingaggio” per l’AI, rendendo l’onboarding su nuove codebase paradossalmente più complesso: non devi solo imparare il codice, ma anche le “skills” dell’agente assegnato a quel progetto.

Siamo di fronte a un bivio affascinante.

Da una parte, la promessa di un agente che lavora in asincrono nel cloud, risolvendo bug e aprendo Pull Request mentre noi dormiamo, è il sogno di ogni CTO. Dall’altra, per noi sviluppatori, c’è il rischio concreto di trasformarci in semplici revisori di codice, perdendo quella “memoria muscolare” e quella comprensione profonda dei sistemi che si ottiene solo scrivendo, e sbagliando, in prima persona.

La domanda che dovremmo porci non è se il nuovo Codex funzioni – tecnicamente è un gioiello – ma se siamo pronti a fidarci di un file di configurazione per definire non solo come il codice viene scritto, ma come viene pensato.

L’autonomia è una gran cosa, finché non ci si dimentica come si guida.