Far controllare il lavoro all'AI:i validation loop

Per far controllare il lavoro all'AI le dai un validation loop: un breve elenco di comandi che deve eseguire — e superare — prima di mostrarti qualsiasi codice. Type check, test, una richiesta reale, un giro manuale. Prima dei validation loop, il 70% delle mie richieste di sviluppo all'AI richiedeva un giro di debugging. Dopo, il 95% funziona perfettamente al primo colpo.

È l'abitudine con la leva più alta per un founder non tecnico che costruisce con l'AI. Ecco esattamente come funziona, con la versione da copiare e incollare.

Perché il codice dell'AI sembra perfetto finché non lo esegui

Ecco il ciclo che ogni founder che costruisce con l'AI conosce fin troppo bene. Dai un prompt all'AI. Genera codice che sembra perfetto. Lo incolli. Lo esegui. Si rompe — errori di tipo, test falliti, crash, pezzi mancanti. Incolli l'errore di ritorno. Ne risolve uno. Riesegui. Nuovi errori. Dieci iterazioni dopo, finalmente funziona.

L'ho vissuto. Una volta ho chiesto una funzione di scoring con un semplice prompt di una riga. Il codice è tornato con un aspetto pulito, poi ha prodotto tre errori distinti quando l'ho eseguito. Correggerli ha richiesto 3 ore di andirivieni. La stessa funzione, richiesta con un validation loop allegato, ha richiesto 15 minuti — senza alcuna iterazione da parte mia. L'AI ha incontrato gli stessi errori, ma li ha individuati e corretti da sola prima che vedessi il codice.

Il problema non è mai stato che l'AI scrive prime bozze piene di bug. Ogni sviluppatore scrive prime bozze piene di bug. Il problema è consegnare una prima bozza come se fosse finita. Un validation loop colma quel divario.

Far controllare il lavoro all'AI: cos'è un validation loop

Un validation loop è una checklist di controlli eseguibili che verificano il lavoro, ordinati dal più veloce al più lento. L'AI li esegue, vede i fallimenti, li corregge e riesegue — ripetendo finché tutto passa. Solo allora presenta il codice. Ottieni un lavoro che è già passato attraverso quattro livelli di verifica.

L'ordine conta: fallire in fretta. Non ha senso eseguire un controllo end-to-end di cinque minuti se il codice non compila nemmeno. La regola è semplice — l'AI deve superare il Livello 1 prima di poter eseguire il Livello 2, e così via su per la scala.

Il validation loop da copiare e incollare

Incolla questo alla fine di qualsiasi richiesta di sviluppo. Adatta i comandi a quello che usa il tuo progetto — conta la struttura:

Validation loop — esegui tutti e quattro i livelli e correggi ogni fallimento prima di mostrarmi il codice.

Livello 1 — Sintassi e tipi. Esegui il type check del progetto. Atteso: zero errori. Se fallisce, correggi gli errori e riesegui prima di proseguire.

Livello 2 — Test unitari. Esegui i test per ciò che hai modificato. Atteso: tutti i test passano. Includi test per il caso normale, il caso vuoto e almeno un caso di errore.

Livello 3 — Integrazione. Fai una richiesta reale all'app in esecuzione e conferma l'esatta risposta che ho descritto. Se fallisce, controlla la connessione al database e i permessi.

Livello 4 — Giro manuale. Dammi un percorso di click numerato così posso verificare io stesso la funzione, con ciò che devo vedere a ogni passo.

Tre dettagli fanno funzionare tutto questo. Primo, ogni istruzione è eseguibile — "testa il servizio per assicurarti che funzioni" non è un comando, mentre "esegui i test per ciò che hai modificato" lo è. Secondo, ogni livello indica l'output atteso, così l'AI sa che aspetto ha il successo invece di tirare a indovinare. Terzo, ogni livello include un suggerimento di correzione, che accelera enormemente l'autocorrezione.

Il libroThe Solopreneur RevolutionLuis Gonçalves su come costruire un'attività da solopreneur con l'IA mentre sei ancora dipendente.Scopri il libro →

La build che ha trovato 47 bug prima che ne vedessi uno

La dimostrazione migliore che ho è una funzione di matching che ho costruito per una piattaforma di accelerazione: abbinare startup e mentor su 12 criteri, con punteggio ponderato, limiti di disponibilità e regole sui fusi orari. Abbastanza complessa da garantire che una prima bozza fosse sbagliata da qualche parte.

Ho scritto la richiesta come specifica strutturata con un validation loop completo allegato — l'approccio che ho descritto nel metodo PRP. L'AI ha generato il codice, poi ha eseguito il loop. Ha trovato 47 bug: 12 errori di tipo, 18 test falliti, 9 casi limite non gestiti e 8 regole di business violate. Li ha corretti tutti automaticamente, rieseguendo i controlli dopo ogni correzione. Non ne ho visto nemmeno uno. Quando ho eseguito io la funzione finita, funzionava perfettamente.

Senza il loop, quei 47 bug sarebbero emersi uno alla volta — ognuno un messaggio d'errore confuso, un andata e ritorno con l'AI e un altro test. È la differenza tra un pomeriggio e una settimana.

Dove si nascondono davvero i bug: i casi limite

Il Livello 2 merita un'attenzione speciale, perché i casi limite sono la fonte dell'80% dei bug in produzione. Il codice che funziona con dati perfetti crolla la prima volta che un utente reale invia un modulo vuoto, un'email duplicata o un messaggio con una emoji.

Quindi non chiedere solo "test" — nomina i casi: il caso normale, il caso vuoto, l'input non valido, il percorso di errore. Se sei scettico sull'AI che scrive i test per correggere i propri compiti, l'istinto è sano — ho spiegato come mantenere onesti quei test in test scritti dall'AI. In breve: i test che verificano valori attesi specifici, decisi in anticipo da te, sono difficili da aggirare.

Che cosa cambia quando l'AI si valida da sola

Il mio prima e dopo, su centinaia di funzioni: prima dei validation loop, il 70% delle richieste di sviluppo richiedeva iterazione da parte mia. Dopo, il 95% funziona perfettamente al primo colpo. Il 5% che ancora fallisce è di solito un problema di ambiente — una chiave API mancante, il database sbagliato — non bug di codice.

È questo il vero cambiamento. Senza i validation loop, l'AI genera codice e tu passi ore a fare debug. Con i loop, l'AI genera codice, lo valida, si corregge e tu rivedi qualcosa che già funziona. Smetti di essere il reparto controllo qualità e torni a fare il founder.

12 settimaneLa carriera aziendale non è mai stata il pianoCandidati al Solopreneur Accelerator.Candidati ora →

Domande frequenti

Che cos'è un validation loop nello sviluppo con l'AI?

Un validation loop è una checklist di controlli eseguibili — type checking, test unitari, una chiamata di integrazione e un giro manuale — che l'AI deve eseguire e superare prima di presentare il suo codice. L'AI vede i propri fallimenti e li corregge, così ricevi un lavoro già verificato invece di una prima bozza.

Devo saper programmare per usare i validation loop?

No. Non leggi l'output dei controlli — stabilisci i cancelli. Il modello qui sopra funziona copiato e incollato così com'è. Ti serve la disciplina di allegarlo a ogni richiesta di sviluppo e di rifiutare il codice che non ha superato tutti e quattro i livelli.

Quale livello di validazione conta di più?

Il Livello 1 individua più bug — circa il 60% — in circa cinque secondi, ed è per questo che va per primo. Ma è nel Livello 2 che vive la qualità: i casi limite sono l'80% dei bug in produzione, quindi i test che coprono casi vuoti, non validi e di errore ti proteggono di più quando arrivano gli utenti reali.

L'AI può davvero correggere i propri errori?

Sì, quando riesce a vederli. Davanti a un controllo fallito e a un output atteso, l'AI legge l'errore, individua la causa, la corregge e riesegue — a volte in più iterazioni. Nella mia funzione di matching ha corretto così 47 bug senza il mio intervento. Quello che non può fare è correggere errori che non riesce mai a osservare.