# dora-google-cloud-roi-ai-assisted-software-development-j-curve-2026-04-21

## Veille

Report congiunto **DORA × delta** (Google Cloud Professional Services), 60 pagine, versione **v. 2026.1** (citazioni febbraio 2026, PDF creato il 21 aprile 2026), licenza **CC BY-NC-SA 4.0** — il primo framework ufficiale **DORA ROI** dedicato all'IA nell'SDLC, con un **calcolatore interattivo** su dora.dev/ai/roi/calculator. Tesi centrale: ***"AI is an amplifier"*** — l'IA **amplifica** simultaneamente i punti di forza delle organizzazioni ad alte prestazioni e le disfunzioni delle organizzazioni in difficoltà; non crea prestazioni, le **moltiplica dove già esistono**. Nuovo concetto centrale: la ***J-Curve of AI value realization*** — ogni adozione dell'IA attraversa un **calo di produttività temporaneo** (curva di apprendimento + tassa di verifica + adattamento della pipeline) prima di una **crescita esponenziale**, una metafora del *"costo dell'iscrizione alla trasformazione"* da **budgettizzare esplicitamente**. Calcolo di riferimento: organizzazione di 500 FTE / stipendio interamente caricato $176k / 12,5% di tempo risparmiato per sviluppatore (≈ 1h su una giornata di 8h) → **valore $11,6M / investimento $8,4M / ROI 39% / periodo di recupero 8 mesi (0,7 anno)**. Costi modellati: licenze ($250/utente/anno), API aggiuntive ($80/utente/anno), formazione ($9.600/utente/anno), infrastruttura ($100k/anno), costo della J-Curve ($3,3M per un calo del 15% su 3 mesi). Valore modellato: **capacità di reinvestimento dell'organico** ($11M — capacità liberata da reinvestire, **NON riduzione dell'organico**), ricavi da funzionalità aggiuntive rilasciate ($990k, basato su un tasso di successo delle idee del 33%, Larsen 2023), **impatto negativo del downtime** (−$344k, "tassa di instabilità"). **Strategia di reinvestimento esplicita**: ***"we strongly recommend organizations do not adopt a headcount-reduction strategy"*** — reinvestire nell'innovazione, trattenere i talenti, capitalizzare sulla conoscenza istituzionale. Cinque pilastri del valore: Productivity / User Experience / Cost Efficiency / Developer Experience / Business Growth (dal più diretto al più indiretto, *valore aziendale cumulato*). Cinque chiavi sistemiche di adozione: **Trust + Platform + Data + Users + Guardrails**. Roadmap in due fasi: (1) **Build context layer (CapEx)** — IDP di qualità + ecosistemi di dati sani; (2) **Empower human in loop (OpEx)** — context engineering + fiducia nell'IA. Indicatori: leading = frequenza di sperimentazione + frequenza di deployment; misura di stabilità = change failure rate + rework. Tre scenari da modellare (Conservative 0,8 valore × 1,5 costo / Realistic 1,0 / Optimistic 1,2 × 0,8). Dati esterni mobilitati: 78% dei dirigenti riferisce un ROI su ≥1 caso d'uso di IA generativa (Google Cloud), 88% dei primi adottanti di IA agentica registra un ROI positivo, **35-40% di produttività su greenfield contro ≤10% su brownfield/legacy** (Stanford), costo di inferenza ÷280 tra novembre 2022 e ottobre 2024 (Stanford AI Index 2025), **727% di ROI su 3 anni** per i clienti IA di Google Cloud, payback medio del mercato IA di **8 mesi**. Debolezze riconosciute: *"all models are wrong"* — il modello va contestualizzato, il calcolatore va adattato; rischio di doppio conteggio del valore (tempo risparmiato → sia assunzione evitata SIA ricavi aggiuntivi); un legame "debole" con l'esperienza utente, quindi escluso dal calcolatore. **Intuizione deontologica**: ***"We don't measure AI by the code it writes but by the bottlenecks it clears"*** — misurata dai colli di bottiglia rimossi, non dal volume di codice. **Rilevanza importante** per CIO/CTO che devono costruire un business case IA difendibile davanti a un CFO/board; per Francia/Europa, da articolare con Wescale (X3-X4 realistico), Tatsyi/Raiffeisen Bank Ukraine (caso studio bancario, −75 persone ma reinvestimento deliberato), Frizzo (mediana 3-5×), Curran/Intercom (3× R&D in 16 mesi), DORA Report 2025 (su cui questo ROI si basa).

## Titre Article

The ROI of AI-assisted Software Development

## Date

2026-04-21

## URL

https://cloud.google.com/resources/content/dora-roi-of-ai-assisted-software-development

## Keywords

DORA ROI of AI-assisted software development, Google Cloud DORA report 2026.1, J-Curve of AI value realization, AI is an amplifier, code is a liability not an asset, tuition cost of transformation, learning curve verification tax pipeline adaptation, five pillars of value Productivity User Experience Cost Efficiency Developer Experience Business Growth, headcount reinvestment capacity, do not adopt headcount-reduction strategy, instability tax, ROI 39% payback period 8 months, sample calculator 500 FTE 176k salary 12.5 percent time saved, J-Curve productivity drop 15% three months, idea success rate one third, 0.5 percent revenue impact per successful feature, change failure rate 5 to 6 percent, lead time for changes deployment frequency, throughput vs instability, five systemic keys of adoption Trust Platform Data Users Guardrails, build context layer CapEx empower human in loop OpEx, experiment frequency leading indicator, optionality option premium option value, internal developer platform IDP as product, AI-accessible internal data, healthy data ecosystems, documentation quality, context engineering, trust in AI, clear and communicated AI stance, user-centric focus, working in small batches version control test automation continuous integration, scenario planning conservative realistic optimistic, value multiplier cost multiplier, brownfield 10 percent vs greenfield 35-40 percent productivity, inference cost divided by 280 Stanford AI Index, 727 percent ROI Google Cloud AI three years, 78 percent executives ROI gen AI use case, 88 percent early adopters agentic AI positive returns, MIT NANDA shadow AI economy, GenAI Divide State of AI in Business 2025, agentic era, autonomous agents end-to-end transformation, we don't measure AI by code it writes but by bottlenecks it clears, all models are wrong but useful, free headcount reinvest in innovation, software delivery as value engine, retain and train institutional knowledge, governance cost vs inference cost shift, Google Cloud delta team, Eva Dong, Andre Ellis Jr., Nathen Harvey, Vivian Hu, Ursula Lübbert-Passing, Eric Maxwell, Aaron Wanjala, dora.dev/ai/roi/calculator, CC BY-NC-SA 4.0

## Authors

Rapport conjoint **DORA team × delta team** (Google Cloud Professional Services). Auteurs principaux : **Eva Dong** (AI Value Realization Americas, ex-McKinsey 8 ans, Master Financial Engineering Michigan), **Andre Ellis Jr.** (Cloud Financial Operations Lead, Morehouse + Wharton MBA), **Nathen Harvey** (DORA team lead, co-auteur multiples DORA reports + 97 Things Every Cloud Engineer Should Know), **Vivian Hu** (10X Technology Consultant, contributrice DORA 2025 State of AI-assisted Software Development), **Ursula Lübbert-Passing PhD** (AI Value Realization EMEA, 20 ans benchmarking + value advisory, PhD effort estimation software projects), **Eric Maxwell** (lead 10X Technology consulting, ex-Chef Software, contributeur DORA), **Aaron Wanjala** (cloud developer advocate Spring Boot/Angular). Conseillers et contributeurs : **Ben Jose, Eric Lam, Matt Orr, Allison Park, Ryan J. Salva, Jerome Simms, Dave Stanke, Cedric Yao**. Design : Human After All (humanafterall.studio). Document publié sous licence **CC BY-NC-SA 4.0**, version v. 2026.1, citations retrieved February 2026.

## Ton

**Profilo**: report-framework **DORA × Google Cloud delta team**, 60 pagine, un **documento di riferimento per i decisori** (CTO / CIO / CFO / VP Engineering / board), pubblicato con licenza Creative Commons CC BY-NC-SA 4.0 per consentirne l'adozione e l'adattamento interno. Formato ibrido tra un **whitepaper vendor** (metodologia, calcolatore), un **report di ricerca DORA** (in continuità con lo State of AI-assisted Software Development 2025) e un **toolkit finanziario** (formule, scenari, calcolatore interattivo). Pubblico primario: leader di ingegneria e finanza che devono **costruire un business case IA difendibile davanti a un CFO o a un board**. Pubblico secondario: sponsor di trasformazione, community CTO/CIO, società di consulenza, team Value Realization e FinOps.

**Stile**: voce istituzionale DORA, inglese chiaro, **pedagogico-prescrittivo** senza essere paternalistico. Alta densità di cifre ma **sempre incorniciata da avvertenze metodologiche esplicite** — ***"all models are wrong"*** è citato fin dall'introduzione del calcolatore. **Registro onesto sull'incertezza**: Google Cloud documenta **tre prospettive di mercato** (positiva / neutra / pessimista) invece di spingere una narrazione unica; documenta **i limiti del calcolatore**; riconosce che il legame tra esperienza utente e ricavi è *"debole"* ed è stato **escluso dal calcolo**. Nessun hype: questo è **rigore da consulenza** applicato a un argomento narrativamente saturo.

**Aforismi chiave**:
- ***"AI is an amplifier"*** (la tesi centrale — la metafora perno del documento).
- ***"AI magnifies the strengths of high-performing organizations and the dysfunctions of struggling ones."***
- ***"Code is often seen as a liability, not an asset."*** (citazione da Software Engineering at Google, Winters/Manshreck/Wright 2020).
- ***"We don't measure AI by the code it writes but by the bottlenecks it clears."*** (formula di misurazione etico-deontologica).
- ***"All models are wrong, but we hope this one proves useful."*** (lucidità metodologica riconosciuta).
- ***"The tuition cost of transformation."*** (la metafora della J-Curve che struttura la comunicazione finanziaria).
- ***"We strongly recommend organizations do not adopt a headcount-reduction strategy."*** (posizione normativa esplicita — la produttività liberata va **reinvestita**, non tagliata).

**Metafore elaborate**:
- ***J-Curve of AI value realization*** — una metafora visiva che **rende finanziariamente leggibile** un fenomeno non lineare (calo temporaneo prima della crescita esponenziale). Una metafora particolarmente utile per CFO/board che devono **convalidare la strategia durante il calo** senza farsi prendere dal panico.
- ***Tuition cost of transformation*** — l'investimento iniziale è una **retta scolastica**, non una perdita. Un frame semantico che trasforma il debito in investimento educativo.
- ***AI as amplifier*** — l'IA non è uno **strumento** nel senso classico, è un **moltiplicatore** che agisce sullo stato preesistente del sistema. Rompe la narrazione "IA = soluzione".
- ***Verification tax*** — il costo nascosto della revisione/verifica del codice generato, prelevato sul tempo risparmiato nella generazione. Un concetto chiave che spiega perché i guadagni apparenti non sono netti.
- ***Free headcount*** — la capacità liberata dalla produttività = equivalente a organico aggiuntivo da allocare altrove. Una metafora HR/finanziaria per inquadrare la **riallocazione** invece della **riduzione**.
- ***Optionality / option premium / option value*** — presa in prestito dalla finanza derivata: ogni esperimento è un'opzione a basso costo che sarà "esercitata" solo se dimostra il proprio valore. **Inquadra la sperimentazione come un portafoglio di opzioni a basso costo**.
- ***We don't measure AI by the code it writes but by the bottlenecks it clears*** — reindirizza la metrica dal **volume di codice** (una vanity metric, addirittura tossica dato che *il codice è una passività*) verso **la rimozione dei colli di bottiglia**.

**Postura epistemica**: rigore metodologico esemplare + **lucidità sull'incertezza**. Tre marcatori:
1. **Tre prospettive** (positiva / neutra / pessimista) sul ROI dell'IA sul mercato — Google Cloud documenta quella pessimista (economia IA ombra di MIT NANDA) **senza minimizzarla**.
2. **Nota metodologica ripetuta**: *"high-uncertainty estimate meant to spark a conversation, rather than a rigid mathematical formula"*.
3. **Raccomandazioni escluse dal calcolatore** quando il legame è debole (ad es. retention degli sviluppatori, esperienza utente convertita in ricavi) — preferisce una stima conservativa a una catena causale fragile.

**Autorità**: costruita a partire da (a) la **filiazione DORA** (continuità dal ROI of DevOps Transformation 2020 → State of AI-assisted Software Development 2025 → DORA AI Capabilities Model → ROI of AI 2026), (b) il **rigore del framework** (formula semplice ROI = (Valore − Investimento) / Investimento, un calcolatore aperto e adattabile), (c) la **convergenza con dati Google Cloud più ampi** (78% dirigenti, 88% adottanti agentici, 727% su 3 anni, payback di 8 mesi), (d) il **delta team co-firmatario**, Google Cloud Professional Services (autorità operativa in materia di trasformazione).

## Pense-betes

- **Data / fonte**: **21 aprile 2026** (metadati PDF CreationDate), versione **v. 2026.1**, citazioni recuperate a febbraio 2026. Hosting: https://cloud.google.com/resources/content/dora-roi-of-ai-assisted-software-development. PDF diretto: https://services.google.com/fh/files/misc/dora-roi-of-ai-assisted-software-development-2026.pdf
- **Formato**: report-framework DORA × delta team, **60 pagine**, sotto licenza **CC BY-NC-SA 4.0**, con un **calcolatore interattivo** su https://dora.dev/ai/roi/calculator
- **Autori principali**: Eva Dong, Andre Ellis Jr., Nathen Harvey (DORA team lead), Vivian Hu, Ursula Lübbert-Passing PhD, Eric Maxwell, Aaron Wanjala
- **Schema in 7 capitoli**: Executive summary → Build the business case → Understand the market divide → Calculate the ROI → Build the organizational foundation → Map your AI investment roadmap → Secure long-term ROI → (Acknowledgments / Next steps / Appendix calculator) ### La tesi centrale — *AI is an amplifier* > *"Artificial intelligence (AI) serves as a powerful amplifier in software development. It magnifies the strengths of high-performing organizations and the dysfunctions of struggling ones."*
- **Implicazione 1**: acquistare solo licenze IA **non basta** — *"purchasing licenses alone will not guarantee a financial return"*.
- **Implicazione 2**: se l'organizzazione ha colli di bottiglia (test manuali, burocrazia, dati frammentati), l'IA **accelera** il debito tecnico invece di ridurlo.
- **Implicazione 3**: *"Code is often seen as a liability, not an asset"* (Winters/Manshreck/Wright, *Software Engineering at Google*, 2020) — generare più codice **senza supervisione** aumenta il carico di verifica e il debito a lungo termine.
- **Implicazione 4**: la metrica rilevante **non è il volume di codice** ma ***"the bottlenecks it clears"***. ### La J-Curve of AI value realization (concetto centrale) > *"The introduction of a new process almost guarantees an initial negative impact on performance, with the depth of the decline directly correlating to the magnitude of the change."* **Tre fattori** del calo di produttività temporaneo: 1. **Curva di apprendimento**: i team apprendono nuove interfacce, adattano i flussi di lavoro, padroneggiano il passaggio da *prompting → sistemi costruiti su contesto, intento, specifica*. 2. **Tassa di verifica**: tempo speso a revisionare codice generato (diffidenza verso le allucinazioni + volume aumentato). 3. **Adattamento della pipeline**: i processi a valle (test, approvazione delle modifiche) devono assorbire la nuova velocità, **esponendo i vincoli legacy**. **Rischio manageriale**: *"Initiatives often fail not because the technology is flawed but because leadership misinterprets this learning phase as a failure and pulls funding during the inevitable dip."* Da cui la necessità di **budgettizzare esplicitamente** il calo per proteggere l'investimento durante la fase di apprendimento. ### Il calcolatore di esempio — cifre di riferimento | Variabile | Valore di esempio | |----------|---------------| | Dimensione dello staff tecnico (FTE) | **500** | | Stipendio medio interamente caricato | **$176.000** (media US; +30% US, +100% EU sulla base) | | Tempo netto risparmiato per sviluppatore | **12,5%** (~1h su una giornata di 8h; intervallo in letteratura 40-150 min/giorno) | | Licenza IA annuale / utente | **$250** | | Costi IA annuali aggiuntivi / utente (API/token) | **$80** | | Costo di formazione annuale / utente | **$9.600** | | Costo infrastruttura aggiuntivo | **$100.000** | | Calo di produttività J-Curve | **15%** | | Durata J-Curve | **3 mesi** | | Ricavi del portafoglio prodotti | **$100M** | | Costo del downtime / ora | **$100.000** | | Deployment attuali / anno | 50 | | Tasso di successo delle idee | **33%** (Larsen et al. 2023) | | Impatto sui ricavi per funzionalità di successo | **0,5%** (intervallo 0,01-1%) | | CFR attuale | 5% | | CFR target | 6% (+20% — *tassa di instabilità*) | | Deployment target / anno | 56 (+12%) | | Funzionalità target / anno | 56 | | FDRT (failed deployment recovery time) | 4 ore | **Risultati di esempio**: | | Importo | |--|--| | Costi diretti totali (strumenti + formazione) | **$5.065.000** | | Costo J-Curve | **$3.300.000** | | **Investimento totale del primo anno** | **$8.365.000** | | Capacità di reinvestimento dell'organico | $11.000.000 | | Ricavi da funzionalità aggiuntive rilasciate | $990.000 | | Impatto del downtime (tassa di instabilità) | **−$344.000** | | **Valore annuale totale** | **$11.646.000** | | **Beneficio del primo anno** | $3.281.000 | | **ROI del primo anno** | **39%** | | **Periodo di recupero** | **0,7 anno (8 mesi)** | ### I cinque pilastri del valore (valore aziendale cumulato) ``` Productivity → User Experience → Cost Efficiency → Developer Experience → Business Growth (più diretto)                                                  (più indiretto) ```
- **Productivity**: l'effetto più diretto, meglio confermato dal DORA 2025 (>80% degli intervistati percepisce un guadagno).
- **Developer Experience**: retention, meno turnover (costo di sostituzione = 1,5-2× stipendio annuale). **Escluso dal calcolatore base** (legame variabile).
- **Cost efficiency**: assunzione evitata (non riduzione dell'organico!) + risparmi sull'infrastruttura IT.
- **User Experience**: prestazioni dell'app → coinvolgimento. **Escluso dal calcolatore** (legame "debole").
- **Business Growth**: ricavi, conversione. Il più a valle, il più difficile da attribuire. ### Le cinque chiavi sistemiche di adozione (fondamenta organizzative) 1. **Trust**: *"clear and communicated AI stance"* — riduce la tassa di verifica tramite sicurezza psicologica. 2. **Platform**: Internal Developer Platform (IDP) trattata **come un prodotto** — guardrail sia per gli sviluppatori sia per gli agenti. 3. **Data**: dati interni accessibili all'IA + ecosistemi di dati sani + qualità della documentazione leggibile dalla macchina. 4. **Users**: focus centrato sull'utente — la velocità è diretta verso il valore per l'utente, non verso il volume di commit. 5. **Guardrails**: gate di sicurezza/qualità non opzionali, controlli automatizzati, hook pre-commit. ### Roadmap di investimento in due fasi | Fase | Tipo di budget | Capacità | Obiettivo | |-------|-------------|--------------|------| | (1) **Build the context layer** | **CapEx** | IDP di qualità + ecosistema di dati sano + documentazione leggibile dalla macchina | Minimizzare l'attrito degli agenti — *garbage in, garbage out* | | (2) **Empower the human in the loop** | **OpEx** | Fiducia nell'IA + context engineering | Gli sviluppatori diventano *orchestratori di alto livello* — ridurre la tassa di verifica | | (3) **Validate progress** | (misura) | Leading: frequenza di sperimentazione + frequenza di deployment / Stabilità: change failure rate + rework | Confermare la traiettoria della J-Curve | ### Tre scenari da modellare | Scenario | Moltiplicatore di valore | Moltiplicatore di costo | Ipotesi | |----------|------------------|-----------------|-----------| | **Conservative** | **0,8** | **1,5** | Adozione lenta + costi nascosti di integrazione | | **Realistic base** | 1,0 | 1,0 | Traiettoria standard | | **Optimistic** | **1,2** | **0,8** | Team d'elite + IDP maturo che assorbe gli strumenti | ### Dati esterni mobilitati (evidenze) | Dato | Valore | Fonte | |--------|--------|--------| | Dirigenti che riferiscono un ROI su ≥1 caso d'uso di IA generativa | **78%** | Google Cloud, *The ROI of AI 2025* | | Primi adottanti che registrano ritorni positivi dall'IA agentica | **88%** | Google Cloud, *The ROI of AI 2025* | | Guadagno di produttività greenfield (semplice) | **35-40%** | Stanford Software Engineering Productivity Research | | Guadagno di produttività brownfield (legacy) | **≤10%** | Stanford | | Riduzione del costo di inferenza (nov 2022 → ott 2024) | **÷280** | Stanford 2025 AI Index | | Periodo di payback medio per gli strumenti IA (dati Google Cloud) | **8 mesi** | Google Cloud, *How Businesses Achieve Strong ROI* | | ROI medio per i clienti IA di Google Cloud (3 anni) | **727%** | Google Cloud | | Tasso di successo delle idee (funzionalità che aumentano i ricavi) | **~33%** | Larsen et al. 2023 (metodologia A/B testing) | | Costo di sostituzione di uno sviluppatore | **1,5-2× stipendio annuale** | Standard HR | | Sovraccosto dello stipendio interamente caricato | **+30% US / +100% EU** | Sulla base | ### Posizione normativa esplicita — *non ridurre l'organico* > *"We strongly recommend organizations do not adopt a headcount-reduction strategy, which has a negative impact on morale and organizational culture, can reduce efficiencies, and can even incentivize workers to not improve their work processes. Instead, this effort should be reinvested into new, innovative, or more productive work."* Posizione **esplicitamente contraria** a casi come **Tatsyi/Raiffeisen Bank Ukraine** (−75 persone in 12 mesi). Tensione produttiva: Tatsyi riferisce una **riallocazione deliberata** della capacità liberata pur riducendo comunque l'organico; DORA raccomanda di **mantenere l'organico** e reinvestire la capacità liberata nell'innovazione. Le due posizioni non sono inconciliabili — Tatsyi è retrospettiva su una decisione già presa, DORA è prescrittiva **a priori** per preservare il morale, la conoscenza istituzionale e la struttura degli incentivi. Da usare come **perno di discussione** nei comitati esecutivi. ### Collegamento con il corpus #### Convergenza su "AI is an amplifier" / "sistema organizzativo >> strumento"
- **Tatsyi/Raiffeisen** (2026-05-05): *"AI expanded our production possibility frontier, and we deliberately allocated the freed capacity"* — un analogo esatto della posizione DORA.
- **Wescale Usine Logicielle Augmentée** (2026-05-03): *governance iniettata come un "livello quasi militare"*, X3-X4 realistico.
- **Habert PROJ-AI** (2026-05-05): *"tecnologia 20% / disciplina del team 80%"* — una riformulazione diretta.
- **Osmani *Cognitive Surrender*** (2026-05-05): 6 guardrail organizzativi strutturali.
- **MIT NANDA *GenAI Divide*** (2025-08-23): il 95% dei piloti IA non riesce a generare ROI — citato esplicitamente da DORA come una *"prospettiva pessimista"*.
- → **Forte convergenza**: la maturità organizzativa è il **moat**, non lo strumento. #### Convergenza su "J-Curve / costo dell'iscrizione"
- **Frizzo** (2026-05-05): *"atrofia del muscolo della scrittura"*, *"il nuovo collo di bottiglia è la supervisione"* — vive quotidianamente la tassa di verifica.
- **BCG Brain Fry** (Bedard et al., 2026-03-05): 14% di brain fry legato all'IA — il costo di apprendimento sul versante umano.
- **Beck *Starving Genies*** (2026-04-03): scarsità volontaria per preservare la pratica manuale contro il FOMO verso agenti attivi 24/7.
- → DORA fornisce il **quadro finanziario** per il calo che questi autori documentano qualitativamente. #### Convergenza sui rapporti di produttività (mediana dei professionisti 3-5×)
- **Il campione DORA del 12,5% di tempo risparmiato** = equivalente a un 1,14× su una base di 8h, **molto più conservativo** dei rapporti mediani 3-5× del corpus 2026.
- **Perché**: DORA è **conservativo per design** per difendere il caso davanti a un CFO. I rapporti dei professionisti (Frizzo 3-5×, Wescale X3-X4, Curran 3×, Tatsyi multi-tool ×1,5-3 / stack Claude ×4,5) catturano **l'intera trasformazione del lavoro** (cambio di perimetro, nuovi prodotti, riallocazione dei compiti) che il calcolatore DORA non cattura — misura *l'assunzione evitata*, non *lo spazio dei nuovi prodotti*.
- **Stanford 35-40% greenfield contro ≤10% brownfield** citato da DORA: conferma la **distribuzione disomogenea** in base al contesto tecnico.
- → **Lettura corretta**: DORA = **pavimento finanziariamente difendibile**; i rapporti dei professionisti = **tetto osservato organizzativamente**. Entrambi sono veri a seconda del perimetro di misura. #### Convergenza su "liberare organico / reinvestire / non ridurre l'organico"
- **DORA**: *"do not adopt a headcount-reduction strategy"*.
- **Curran/Intercom** (2026-04-16): 3× di produttività R&D **senza riduzione massiccia** — riallocazione interna.
- **Tatsyi/Raiffeisen** (2026-05-05): −75 persone ma con **riallocazione deliberata** della capacità liberata verso funzionalità / stabilità / debito tecnico.
- → **Tensione produttiva**: DORA prescrittiva (non ridurre) contro Tatsyi descrittiva (ridotto pur riallocando). Da usare per presentazioni **equilibrate**. #### Convergenza su "il codice è una passività"
- **DORA** cita Software Engineering at Google (Winters/Manshreck/Wright, 2020).
- **Cherny** (2026-05): *"100% del codice generato"* — ma con supervisione e compattazione.
- **Frizzo** (2026-05-05): *"atrofia del muscolo della scrittura"* — il costo cognitivo del volume.
- **Osmani Cognitive Surrender** (2026-05-05): *"PR ~100 righe massimo"* — un limite esplicito anti-volume.
- → ***"più codice è codice peggiore"*** è un **dato di fatto stilizzato del 2026** confermato da fonti eterogenee. #### Posizione Francia/Europa contro anglosassone
- DORA è **americano ma documenta una posizione europea** (Ursula Lübbert-Passing PhD, EMEA Value Realization).
- **Il calcolatore include** un sovraccosto salariale del +100% per l'Europa (contro +30% US) — sensibile ai contesti locali.
- Da usare nelle presentazioni FR come **standard di riferimento** per CFO/board, complementare a Wescale (azienda FR), Habert (FR), Tatsyi (Europa centrale). #### Convergenza su "frequenza di sperimentazione = indicatore finanziario leading"
- **DORA**: framework dell'opzionalità, frequenza di sperimentazione come indicatore leading.
- **Cherny** (2026-05): *"qualche decina di PR/giorno"*, esplorazione parallela.
- **Karpathy** (2026-04-29): MenuGen contro Nanobanana, *jagged intelligence*, la sperimentazione come nuova modalità.
- **Habert PROJ-AI**: *Decision Record a 7 dimensioni* che legittima l'esplorazione documentata.
- → **Convergenza**: l'IA permette di **trasformare ogni funzionalità in un'opzione a basso costo**. ### Limiti da segnalare
- **Calcolatore deliberatamente semplicistico** (riconosciuto dagli autori) — **esclude**: risparmi su retention/turnover, esperienza utente convertita in ricavi, effetti composti dell'IA agentica dal secondo anno in poi, risparmi sui processi aziendali a valle (HR, ecc.).
- **Cifre di esempio molto centrate sugli USA** (stipendio $176k, licenza $250/anno — probabilmente sottostima i costi enterprise con negoziazione su grandi conti + agenti).
- **Il 12,5% di tempo risparmiato è molto conservativo** rispetto ai riscontri dei professionisti — ma questo è **voluto** per difendere il caso davanti a un CFO scettico. Rischio inverso: **sottovalutare** il potenziale.
- **Il risparmio di tempo è limitato dalla tassa di instabilità** nel modello — il calo temporaneo (calo del 15% su 3 mesi) **pesa $3,3M** su $8,4M di investimento totale. Da verificare: questo calo è davvero sempre così ampio? Per le organizzazioni mature, potrebbe essere molto più contenuto.
- **Il tasso di successo delle idee del 33% (Larsen 2023)** proviene da un A/B testing standard — potrebbe essere troppo **basso** per funzionalità ben studiate e troppo **alto** per quelle sperimentali.
- **Nessuna discussione esplicita** dei rischi normativi (GDPR, EU AI Act, vigilanza settoriale) — **sorprendente** per un documento Google Cloud con portata enterprise EMEA.
- **Il legame con Google Cloud** (727% di ROI su 3 anni, payback di 8 mesi): statistiche **interne ai clienti Google Cloud**, probabile bias di selezione.
- **Il calcolatore non cattura** ciò che Tatsyi chiama la *"frontiera delle possibilità produttive"* (i **nuovi prodotti** che non esistevano prima) — misura *l'assunzione evitata*, non *lo spazio dei nuovi prodotti*. Un limite **strutturale** del modello.
- **"All models are wrong"** è ripetuto 3 volte nel documento — una mossa di autodisarmo, ma **non esonera** il modello dalla critica metodologica su un'applicazione cieca. ### Da usare per
- **Presentazioni a comitati esecutivi / board / CFO**: framework ufficiale Google Cloud × DORA — autorità istituzionale per difendere un budget IA.
- **Costruire un business case IA**: riutilizzare il calcolatore come struttura, **adattare le ipotesi al contesto del cliente** (raccomandazione esplicita degli autori).
- **Sensibilizzare sul "costo dell'iscrizione"**: proteggere l'investimento durante il calo della J-Curve, non tagliare i fondi durante la fase di apprendimento.
- **Dibattito team / HR**: la posizione normativa *"non ridurre l'organico"* è un argomento utilizzabile contro impulsi di riduzione dell'organico puramente guidati dal budget.
- **Cifre documentate**: 39% ROI / payback 8 mesi / 35-40% greenfield contro 10% brownfield / costo di inferenza ÷280 / 727% ROI su 3 anni — **cifre solide** da integrare in formazioni, note di veille e presentazioni strategiche.
- **Collegare contenuti FR con Wescale / Habert / Tatsyi / Frizzo**: DORA come **fondamento finanziario istituzionale**, altre note come **testimonianze operative** complementari.
- **Discussione strategica su IDP / context engineering**: le capacità DORA (IDP di qualità + dati interni accessibili all'IA + qualità della documentazione) diventano **investimenti prioritari** identificabili e budgettizzabili.

## RésuméDe400mots

Il **Google Cloud DORA × delta team** pubblica ad aprile 2026 (v. 2026.1, citazioni febbraio 2026, **CC BY-NC-SA 4.0**) un report-framework di 60 pagine dedicato al ROI dell'IA nello sviluppo software, con un **calcolatore interattivo** su dora.dev/ai/roi/calculator. Il documento si colloca nella filiazione DORA (2020 ROI of DevOps Transformation → 2025 State of AI-assisted Software Development → DORA AI Capabilities Model → 2026 ROI of AI).

**Tesi centrale**: ***"AI is an amplifier"*** — l'IA amplifica simultaneamente i punti di forza delle organizzazioni ad alte prestazioni e le disfunzioni delle organizzazioni in difficoltà. Acquistare licenze IA **non basta**: l'IA iniettata in un sistema con test manuali, burocrazia o dati frammentati **accelera** il debito tecnico. Citazione tratta da Software Engineering at Google: ***"code is often seen as a liability, not an asset"***. Metrica etica: ***"we don't measure AI by the code it writes but by the bottlenecks it clears"***.

**Nuovo concetto centrale**: la ***J-Curve of AI value realization*** — ogni adozione dell'IA attraversa un **calo temporaneo** (curva di apprendimento + tassa di verifica + adattamento della pipeline) prima di una **crescita esponenziale**, una metafora del *"costo dell'iscrizione alla trasformazione"* da **budgettizzare esplicitamente** per non farsi prendere dal panico durante il calo.

**Calcolatore di esempio** (500 FTE / stipendio $176k / 12,5% di tempo risparmiato per sviluppatore): **valore $11,6M / investimento $8,4M / ROI 39% / payback 8 mesi (0,7 anno)**. Dettaglio: costi diretti $5,065M + costo J-Curve $3,3M; valore = reinvestimento dell'organico $11M + funzionalità aggiuntive $990k − tassa di instabilità $344k.

**Posizione normativa esplicita**: ***"we strongly recommend organizations do not adopt a headcount-reduction strategy"*** — reinvestire, trattenere i talenti, capitalizzare sulla conoscenza istituzionale.

**Cinque pilastri del valore**: Productivity / User Experience / Cost Efficiency / Developer Experience / Business Growth (dal più diretto al più indiretto). **Cinque chiavi sistemiche**: Trust + Platform + Data + Users + Guardrails. **Roadmap in due fasi**: (1) Build context layer (CapEx) — IDP di qualità + ecosistemi di dati sani; (2) Empower human in loop (OpEx) — context engineering + fiducia nell'IA. Indicatori leading: frequenza di sperimentazione + frequenza di deployment.

**Dati esterni**: 78% dei dirigenti riferisce un ROI su ≥1 caso d'uso di IA generativa, 88% dei primi adottanti di IA agentica registra un ROI positivo, **35-40% di produttività su greenfield contro ≤10% su brownfield** (Stanford), costo di inferenza **÷280** (nov 2022 → ott 2024), **727% di ROI su 3 anni** per i clienti IA di Google Cloud, payback medio di **8 mesi**.

**Collegamento con il corpus**: forte convergenza con Tatsyi/Raiffeisen (frontiera delle possibilità produttive), Wescale (governance + X3-X4), Habert PROJ-AI (tecnologia 20% / disciplina 80%), MIT NANDA (95% dei piloti fallisce, citato esplicitamente). Tensione produttiva con i rapporti dei professionisti (Frizzo 3-5×, Curran 3×, Tatsyi ×1,5-4,5): DORA = **pavimento finanziariamente difendibile** (12,5% di tempo risparmiato), i professionisti = **tetto osservato organizzativamente**. Da usare per comitati esecutivi, business case per CFO, sponsor di trasformazione.

## GrapheDeConnaissance

- DORA —publie→ The ROI of AI-assisted Software Development (DOCUMENT, 0.98)
- Google Cloud delta team —publie→ The ROI of AI-assisted Software Development (DOCUMENT, 0.97)
- Eva Dong —travaille_chez→ Google Cloud (ORGANISATION, 0.95)
- Nathen Harvey —dirige→ DORA (ORGANISATION, 0.96)
- Ursula Lübbert-Passing —travaille_chez→ Google Cloud (ORGANISATION, 0.95)
- AI —est_instance_de→ amplificateur du système organisationnel (CONCEPT, 0.97)
- DORA —affirme_que→ l'IA magnifie les forces des organisations performantes et les dysfonctionnements des organisations en difficulté (AFFIRMATION, 0.97)
- J-Curve of AI value realization —est_instance_de→ trajectoire à creux de productivité initial puis croissance exponentielle (CONCEPT, 0.96)
- Learning curve —fait_partie_de→ J-Curve of AI value realization (CONCEPT, 0.95)
- Verification tax —fait_partie_de→ J-Curve of AI value realization (CONCEPT, 0.95)
- Pipeline adaptation —fait_partie_de→ J-Curve of AI value realization (CONCEPT, 0.95)
- Tuition cost of transformation —est_variante_de→ J-Curve productivity drop (CONCEPT, 0.94)
- Code —est_instance_de→ liability not asset (CONCEPT, 0.94)
- DORA —recommande→ mesurer l'IA par les bottlenecks levés et non par le volume de code généré (AFFIRMATION, 0.96)
- Sample ROI calculator —mesure→ 39% ROI / 8 mois payback / 11.6M$ valeur / 8.4M$ investissement (MESURE, 0.97)
- Sample ROI calculator —est_basé_sur→ hypothèses 500 FTE / 176k$ salary / 12.5% time saved / 15% J-Curve drop 3 mois (CONCEPT, 0.96)
- DORA —recommande→ ne pas adopter de stratégie de réduction d'effectifs (AFFIRMATION, 0.97)
- DORA —recommande→ réinvestir la productivité libérée par l'IA dans l'innovation et la création de valeur (AFFIRMATION, 0.96)
- Productivity, User Experience, Cost Efficiency, Developer Experience, Business Growth —fait_partie_de→ Cinq piliers de valeur (DORA) (CONCEPT, 0.96)
- Trust, Platform, Data, Users, Guardrails —fait_partie_de→ Cinq clés systémiques d'adoption (CONCEPT, 0.96)
- DORA —recommande→ traiter l'Internal Developer Platform comme un produit (AFFIRMATION, 0.95)
- Build context layer —est_instance_de→ phase CapEx (Quality IDP + Healthy data ecosystem) (CONCEPT, 0.94)
- Empower human in loop —est_instance_de→ phase OpEx (Trust in AI + context engineering) (CONCEPT, 0.94)
- Experiment frequency —est_instance_de→ leading financial indicator (CONCEPT, 0.95)
- Stanford AI Index 2025 —mesure→ inference cost réduit ×280 entre nov 2022 et oct 2024 (MESURE, 0.96)
- Stanford research —mesure→ 35-40% productivité greenfield vs ≤10% brownfield (MESURE, 0.94)
- Google Cloud —mesure→ 727% ROI moyen sur 3 ans des clients Google Cloud AI (MESURE, 0.92)
- MIT NANDA —affirme_que→ une shadow AI economy existe et 95% des pilotes IA échouent à délivrer un ROI (AFFIRMATION, 0.94)
- Larsen et al. 2023 —mesure→ idea success rate ~33% (MESURE, 0.92)
- Verification tax —est_basé_sur→ Code (CONCEPT, 0.95)
- bilan ROI de l'étude —converge_avec→ Tatsyi production possibility frontier, Wescale gouvernance, Habert technology 20 / discipline 80 (CONCEPT, 0.93)
- Ratios praticiens 3-5× (Frizzo, Wescale, Curran, Tatsyi) —surpasse→ Sample 12.5% time saved (CONCEPT, 0.93)
- Position no-headcount-reduction (DORA) —s_oppose_à→ Tatsyi −75 personnes mais réallocation délibérée (CONCEPT, 0.91)
- Optionality framework —permet→ de traiter chaque expérience comme option à faible coût (CONCEPT, 0.94)
- DORA —affirme_que→ l'IA accélère l'accumulation de dette technique si l'organisation est en bottleneck (AFFIRMATION, 0.95)
- Scénarios Conservative 0.8/1.5, Realistic 1.0, Optimistic 1.2/0.8 —fait_partie_de→ Trois scénarios (DORA) (METHODOLOGIE, 0.94)
- Google Cloud —mesure→ 78% des executives rapportent un ROI sur au moins 1 use case gen AI (MESURE, 0.93)
- Google Cloud —mesure→ 88% des early adopters agentic AI voient des retours positifs (MESURE, 0.92)

---
Canonical: https://www.thekb.eu/it/fiches/dora-google-cloud-roi-ai-assisted-software-development-j-curve-2026-04-21/