Quando un agente AI viene incaricato di scrivere un'applicazione, capita sempre più spesso che si occupi anche di una scelta tecnica cruciale: quale database e quale backend utilizzare. E in molti casi, quasi automaticamente, la risposta ricade su Supabase. Un comportamento ricorrente tra i modelli linguistici, ma che nessuno è ancora riuscito a spiegare in modo convincente.
Una scelta automatica, ma poco trasparente
Il fenomeno è curioso perché avviene in una fase in cui deleghiamo all'AI decisioni che, in teoria, richiederebbero una valutazione umana attenta: architettura dei dati, scalabilità, costi di gestione. Supabase, piattaforma open source che offre database PostgreSQL, autenticazione e API pronte all'uso, sembra essere la risposta preferita da molti modelli. Il punto è che non è chiaro il motivo di questa predilezione: potrebbe derivare dalla mole di esempi e documentazione presente nei dati di addestramento, oppure dalla semplicità d'uso che la rende una scelta 'sicura' per un agente.
Un tema aperto per sviluppatori e ricercatori
La questione non è banale. Se gli agenti AI tendono a convergere su un'unica soluzione backend, si rischia di standardizzare in modo implicito l'ecosistema delle applicazioni generate automaticamente, riducendo la varietà tecnologica. Allo stesso tempo, per chi sviluppa, questa prevedibilità può essere un vantaggio: sapere che l'AI sceglierà Supabase semplifica la pianificazione. Resta però il nodo di fondo: comprendere se dietro questa preferenza ci sia una reale valutazione tecnica o solo un effetto collaterale dei dati su cui i modelli sono stati addestrati.
Per ora la risposta manca, e il dibattito è aperto. Ciò che emerge è che l'intelligenza artificiale non si limita a scrivere codice, ma inizia a influenzare le scelte infrastrutturali, con effetti che meritano di essere studiati e monitorati.
