AI slop

Fran Soto, ingegnere di Amazon, ne ha dato la definizione più precisa nel suo articolo di aprile 2026 per la newsletter "Developer Taste: Separating Good Code from AI Slop": codice che compila, supera i test, sembra corretto in superficie e "rende più difficile la vita di tutti per i sei mesi successivi". Il fallimento non è una build rotta. È un giudizio compromesso, e il compilatore non può rilevarlo.

Philippe Ensarguet ha ritracciato lo stesso schema nella governance dell'open source a febbraio 2026, dove il danno è misurabile in tempo dei maintainer. Poiché lo sforzo di scrivere un contributo indicava un tempo che chi lo faceva aveva compreso il progetto, i contributi generati hanno scisso i due elementi: un output plausibile in apparenza, senza alcuna comprensione dietro. Ghostty ha risposto con bandi permanenti per il codice generato dall'IA, tldraw chiude automaticamente le PR esterne, e cURL ha chiuso il proprio programma di bug bounty dopo essere stato sommerso da segnalazioni vuote. La soluzione proposta da Ensarguet consiste nel filtrare in base al contesto dimostrato piuttosto che allo sforzo: se il contributo è collegato a issue esistenti, se i test sono completi, se il codice è stato effettivamente eseguito.

Cobus Greyling inquadra lo stesso fenomeno dal lato dell'offerta. Nel suo argomento di novembre 2025 secondo cui il costo del software sta collassando, lo slop è ciò che accade quando una risorsa diventa abbastanza economica da poter essere sprecata, come già accaduto in precedenza con la banda e lo storage.

La domanda irrisolta si trova nella stessa conclusione di Soto: quando chiunque può generare codice, saper riconoscere quale codice merita fiducia diventa l'abilità distintiva, e nessuno sa ancora come selezionare le persone per questa capacità.