Perché ho smesso di fidarmi delle risposte dell'AI all'università senza controllarle

Quando ho iniziato a usare l'AI per i progetti universitari, sembrava una scorciatoia.

Potevo chiedere codice, copiare la risposta, e finire i task più in fretta. Il problema è arrivato quando dovevo spiegare l'applicazione al mio professore.

A volte il codice funzionava, ma non riuscivo a spiegare chiaramente perché esisteva una classe, come si muoveva il request attraverso il sistema, o cosa stesse facendo ogni layer.

Per esempio, potevo avere questa struttura:

Controller
→ Service
→ Repository
→ Database

Ma quando qualcuno mi chiedeva di spiegare il flusso, arrancavo.

Questo mi ha fatto capire che codice funzionante non è la stessa cosa di codice compreso.

Ho smesso di copiare tutto

Le risposte dell'AI possono sembrare corrette e professionali, ma possono comunque includere pattern non necessari, librerie obsolete, o presupposti scorretti.

Invece di copiare l'intera risposta, ho iniziato a concentrarmi sui concetti. Adesso faccio domande come:

• Perché serve questa classe?
• Che problema risolve questo pattern?
• Dove inizia e finisce il request?
• Questo codice potrebbe essere più semplice?
• Riesco a spiegarlo senza leggerlo?

Ho anche iniziato a trattare il codice generato dall'AI come una code review. Leggo le modifiche, controllo le dependency, eseguo il codice, e provo a capire ogni passaggio importante prima di accettarlo.

Capire il flusso

Per un'API .NET di base, dovrei riuscire a spiegare:

Il client invia un request.
Il Controller lo riceve.
Il Service applica la business logic.
Il database viene aggiornato.
L'API restituisce una risposta.

Se non riesco a spiegare quel flusso, probabilmente non capisco ancora l'applicazione.

Uso ancora l'AI, ma adesso la uso per spiegare concetti, revisionare codice, e suggerire miglioramenti.

La lezione principale era semplice:

AI should support my thinking, not replace it.