Ecco la traduzione in italiano del contenuto Markdown, seguendo fedelmente tutte le linee guida fornite.
Peter Steinberger, il creatore di OpenClaw, ha ottenuto oltre 2,5 milioni di visualizzazioni per un singolo commento.
«Smettila di scrivere prompt per l'AI che codifica. Invece, progetta il "loop" che scrive i prompt per l'AI.» Questo è essenzialmente ciò che intendeva.
Inoltre, Peter ha risposto: «Non preoccuparti, tra tre mesi l'ingegneria dei loop sarà qui.»
La metà è uno scherzo. Tuttavia, la direzione è piuttosto accurata.
Lavoro in un'azienda chiamata YourBright, dove integriamo l'AI nelle operazioni aziendali. Quello che vedo ogni giorno è esattamente questo: le persone che sanno costruire sistemi in cui l'AI prova e si corregge da sola crescono molto più velocemente di quelle che sono solo brave a chiedere cose all'AI.
L'uso dell'AI si è evoluto in quattro fasi
Prima di pensarci troppo, voglio condividere un'immagine. Nel mondo anglofono, l'evoluzione dell'uso dell'AI è generalmente organizzata così:
- Prompt Engineering: Scrivere una singola istruzione in modo efficace (la star del 2023-2024)
- Context Engineering: Organizzare le informazioni mostrate all'AI
- Harness Engineering: Costruire gli strumenti, le barriere e l'ambiente attorno all'AI
- Loop Engineering: Progettare un sistema in cui l'AI cicla ripetutamente attraverso scoperta, esecuzione, verifica e correzione (ora)
In parole povere, l'attenzione si è spostata verso l'esterno, passo dopo passo, da "scrivere una buona frase" a "costruire un buon sistema".
Il loop engineering è in prima linea in questo cambiamento.
I componenti del Loop Engineering — 6 parti
Sebbene il termine sia nuovo, il contenuto è concreto. Addy Osmani di Google ha elencato ordinatamente i componenti di un loop efficace. Questo si allinea quasi perfettamente con la mia esperienza sul campo.
- Automazioni: Trigger che eseguono il loop periodicamente, come "controlla ogni mattina i fallimenti CI".
- Worktrees: Separare gli spazi di lavoro in modo che più AI possano lavorare in parallelo senza scontrarsi.
- Sub-agenti: Separare il ruolo del creatore da quello del revisore. Non lasciare che l'AI valuti le proprie risposte in modo troppo indulgente.
- Skills: Scrivere conoscenze specifiche del progetto in file esterni come SKILL.md per il riutilizzo.
- Memoria: L'AI dimentica le conversazioni. Pertanto, i progressi dovrebbero essere mantenuti esternamente in Markdown o Linear.
- /goal: In Claude Code o Codex, una volta dichiarato "cosa costituisce il completamento", l'AI continua a fare a turno fino a quando le condizioni non sono soddisfatte.
In breve, significa spostare le istruzioni su "cosa fare dopo", che gli umani fornivano manualmente, all'interno del sistema stesso.
Gli umani non scrivono prompt per l'AI. "Il sistema scrive i prompt per l'AI." Credo che questa inversione del rapporto padrone-servitore sia la vera essenza del loop engineering.
Ora sto delegando il lavoro all'AI eseguendo loop.
Ecco un mio esempio personale.
Sul sito media "Mikata for Foreign Talent" gestito da YourBright, la pagina dell'elenco degli articoli era pesante. Così, ho dato un loop per misurazioni e miglioramenti ripetuti a /loop di Claude Code e l'ho lasciato funzionare in gran parte senza supervisione.
In 5 ore, sono stati implementati automaticamente 9 miglioramenti. Il volume di trasferimento per l'elenco degli articoli è diminuito di oltre il 90%, passando da 2.723 KB a 101 KB. Anche l'LCP è passato da 6,4 secondi a 1,8 secondi. In un solo ciclo, una singola immagine è passata da un PNG da 957 KB a un AVIF da 11 KB.
L'AI ha gestito tutto. Io ho solo preso decisioni nei punti di diramazione: correggere gli URL di produzione, decidere di aggiungere un livello di conversione delle immagini e scegliere le direzioni.
Ecco la parte interessante: uno dei nove miglioramenti è stato un fallimento. Una correzione implementata dall'AI ha effettivamente peggiorato un'altra metrica. L'AI stessa ha giudicato il cambiamento come un "peggioramento", ha annullato la modifica e ha lasciato una nota sul fallimento.
Il numero di PR è stato sorprendente: 20. Il conteggio dei loop è stato 23. Finché i criteri di valutazione sono corretti, l'AI continuerà a funzionare senza intervento umano.
Penso che questa sia la sensazione tangibile del loop engineering. L'AI lo esegue. Lo esegue includendo i fallimenti. Gli umani decidono dove fermarsi e a quali standard affidarsi.
Perché ora, e perché 3 mesi?
"3 mesi" è, ovviamente, provocatorio. Non tutti saranno sostituiti in tre mesi.
Tuttavia, i numeri supportano la direzione. Anthropic ha annunciato che, a partire da maggio 2026, Claude scrive oltre l'80% del codice integrato in produzione. Quando Claude Code è stato rilasciato a febbraio 2025, era solo una piccola percentuale, quindi è arrivato a questo punto in poco più di un anno. Si dice anche che la quantità di codice integrato per ingegnere sia otto volte superiore rispetto al 2024.
Quello che sta accadendo qui non è una storia di "la quantità scritta dagli umani è diminuita". È una storia di come il lavoro umano si stia spostando dallo "scrivere" al "progettare loop e prendere la decisione finale".
Anche guardando lo stesso lavoro, la mentalità cambia. Chi chiede le cose in un unico colpo pensa "come chiedere per ottenere ciò che vuole". Chi costruisce un loop pensa "cosa cercare per confermare il completamento, dove tornare se sbaglia, e dove fermare le operazioni pericolose".
Questa differenza diventerà visibile in appena tre mesi. Questa è la mia sensazione.
Il lato oscuro della convenienza — Codice incomprensibile e abbandono del pensiero
Non sono tutte buone notizie. I loop hanno dei problemi.
Uno sono i soldi. Se un loop funziona troppo, i costi dei token salgono alle stelle. Pertanto, le condizioni di arresto e i limiti devono essere decisi all'inizio.
Un altro è la comprensione del codice, che è stato un argomento di dibattito recente. L'AI lo ha scritto, l'AI lo ha corretto e i test sono passati. Funziona. Tuttavia, nessuno ne capisce il contenuto. Diventerà un'utopia per gli umani controllare tutto il codice.
Inoltre, le AI di tipo esecutivo possono inviare email, eseguire comandi shell e usare browser. Per quanto siano convenienti, maggiore è la loro portata, maggiore è la superficie per gli incidenti.
Il loop engineering non è una tecnologia per fidarsi dell'AI. È una tecnologia basata sul presupposto che l'AI commetta errori, creando un percorso per tornare indietro anche se fallisce.
Conclusione
Gli ingegneri che scrivono prompt non diventeranno improvvisamente inutili domani.
Tuttavia, il centro di gravità del valore si sta sicuramente spostando. Quelli che saranno forti in futuro non sono quelli che sanno chiedere bene all'AI, ma quelli che sanno creare loop in cui l'AI prova, fallisce, corregge e gli umani possono prendere la decisione finale.
Finché ti accontenti di scrivere una singola riga di un prompt, probabilmente verrai lasciato indietro a poco a poco. A partire da oggi, costruiamo l'ambiente in cui l'AI continua a muoversi.
Stiamo creando una comunità per l'utilizzo dell'AI!
Abbiamo aperto una community Discord chiamata "AI Business Labs" per studiare come utilizzare l'AI nel business. Chiunque può fare domande o chiedere consulenza sull'AI. Vogliamo approfondire l'apprendimento collaborando con i membri della comunità, quindi unisciti a noi.
