Fino a pochi anni fa, costruire un workflow automatizzato richiedeva un developer. Serviva qualcuno che scrivesse il codice, lo testasse, lo deployasse e lo mantenesse. Questo creava un collo di bottiglia sistematico: le persone che conoscevano meglio i processi di business non erano le stesse che avevano gli strumenti per automatizzarli. I low-code hanno cominciato a chiudere questo gap. L'AI lo sta allargando ulteriormente, in una direzione che cambia non solo come si costruiscono i workflow ma anche chi li costruisce.
L'80% degli utenti low-code viene già dall'esterno dell'IT
Gartner aveva previsto già nel 2022 che entro il 2026 gli sviluppatori fuori dai reparti IT formali avrebbero rappresentato almeno l'80% della base utenti degli strumenti di sviluppo low-code, rispetto al 60% del 2021. Questo cambiamento è guidato da due dinamiche parallele: l'aumento dei business technologist, profili con competenze di processo e capacità tecnica sufficiente per usare strumenti low-code, e la crescita delle iniziative di hyperautomation e business composable che richiedono velocità di delivery incompatibile con i cicli IT tradizionali.
Gartner descrive l'adozione del low-code come la risposta organizzativa all'esigenza di velocità nella delivery applicativa e di automazione dei workflow altamente personalizzati. Le organizzazioni che riescono a dotare sia gli sviluppatori IT che i profili di business con strumenti low-code adeguati raggiungono il livello di competenza digitale e velocità di delivery che l'ambiente competitivo attuale richiede.
Entro il 2028 il 90% degli ingegneri userà assistenti AI per scrivere codice
Sul lato degli sviluppatori professionali, Gartner prevede che entro il 2028 il 90% degli ingegneri software userà assistenti AI per scrivere codice, rispetto a meno del 14% agli inizi del 2024. Il ruolo degli sviluppatori si sta spostando dall'implementazione all'orchestrazione: il focus passa dalla scrittura del codice alla risoluzione dei problemi, al design dei sistemi e alla garanzia che gli strumenti AI producano output di alta qualità.
Entro il 2027, almeno il 55% dei team di software engineering starà costruendo attivamente funzionalità basate su LLM. Questo significa che la costruzione di agenti e workflow AI non è più un'attività di ricerca o sperimentazione: è ingegneria operativa, con requisiti di qualità, testing e governance che si avvicinano a quelli del software tradizionale.
AI-native software engineering: una nuova disciplina
Gartner identifica l'AI-native software engineering come uno dei trend strategici del 2025 e oltre. È un insieme di pratiche e principi ottimizzati per usare strumenti AI-based nello sviluppo e nella delivery di applicazioni software, incorporando l'AI in ogni fase del ciclo di vita: dalla progettazione al deployment. La distinzione rispetto all'uso tradizionale degli strumenti AI per lo sviluppo è che qui l'AI non è un assistente opzionale: è parte strutturale del processo.
In pratica questo significa che i workflow del futuro vengono costruiti con strumenti che generano codice, suggeriscono pattern di integrazione, identificano anomalie nei dati di test e propongono ottimizzazioni in modo continuo. Il developer non scrive il workflow da zero: lo dirige, lo corregge e lo convalida. Gartner indica che per avere successo i team devono bilanciare l'automazione con la supervisione umana, tenendo conto della criticità di business, del rischio e della complessità del workflow.
Perché il low-code non viene sostituito dall'AI
Una domanda ricorrente nel mercato è se la GenAI, con la sua capacità di generare codice da istruzioni in linguaggio naturale, renderà obsoleti i tool low-code. Gartner ha analizzato esplicitamente questa domanda e la risposta è negativa. I motivi sono strutturali: i tool low-code non servono solo a generare codice, ma a governare il ciclo di vita delle applicazioni, gestire le integrazioni con i sistemi aziendali, garantire la conformità con i criteri di sicurezza IT e permettere la manutenzione nel tempo da parte di profili non tecnici. Sono piattaforme, non generatori di codice. L'AI potenzia quello che i tool low-code già fanno, non li sostituisce.
La combinazione più efficace è quella in cui i tool low-code incorporano capacità AI: suggerimento automatico delle logiche di workflow, generazione guidata delle integrazioni, testing assistito e monitoraggio intelligente dei processi in produzione. Questa convergenza è già in corso nel mercato e ridefinisce le aspettative degli utenti su cosa deve fare una piattaforma di automazione.
Il $58 miliardi di disruption nei tool di produttività
Gartner ha incluso tra le previsioni strategiche per il 2026 e oltre una stima dirompente: entro il 2027, la GenAI e l'uso degli agenti AI creeranno la prima vera sfida agli strumenti di produttività mainstream negli ultimi 35 anni, innescando un cambiamento di mercato da 58 miliardi di dollari. Nuovi vendor emergeranno, nuovi formati si affermeranno e il valore si sposterà verso esperienze agentiche. Il futuro del lavoro non sarà digitato ma promesso a un agente.
Per chi costruisce workflow aziendali oggi, questo vuol dire che le scelte architetturali fatte adesso hanno un orizzonte temporale più corto del previsto. I workflow costruiti su piattaforme che non evolvono verso capacità agentiche rischiano di diventare tecnicamente obsoleti nel giro di pochi anni. La valutazione di una piattaforma low-code o di automazione non può più fermarsi alle funzionalità attuali: deve includere la roadmap verso l'integrazione con agenti AI e la capacità di orchestrare sistemi multi-agente.
Chi decide e chi costruisce: il nuovo equilibrio
L'effetto combinato del low-code maturo e dell'AI generativa è una democratizzazione della costruzione dei workflow che non ha precedenti. I profili di business possono costruire automazioni significative senza scrivere codice. Gli sviluppatori possono costruire sistemi complessi con una velocità che prima era impossibile. I team IT possono concentrarsi su governance, sicurezza e architettura invece che sull'implementazione di ogni singola richiesta.
Il rischio di questo scenario è la proliferazione di workflow non governati: automazioni costruite dai business team senza supervisione IT, agenti AI avviati senza policy di sicurezza, integrazioni costruite senza considerare il debito tecnico che generano. Gartner identifica la governance delle piattaforme AI e la proliferazione non controllata degli agenti come due dei rischi principali dell'adozione accelerata. La velocità di costruzione è un vantaggio solo se accompagnata dalla capacità di mantenere il controllo su quello che viene costruito.
