AI Software House — La Bibbia
Autore: Alberto + Claude Opus 4.6 Data: 2026-04-13 Versione: 1.0 Scopo: Manuale operativo completo per costruire una software house in cui gli ingegneri sono AI, il founder è non-tecnico, e le applicazioni esistenti (referee-assistant, kura) evolvono autonomamente.
Come si legge questa bibbia
Non è un libro da leggere dall’inizio alla fine. È un manuale di riferimento. Tu (Alberto) decidi cosa vuoi costruire o capire, apri il capitolo, leggi 10-30 minuti, e agisci.
Gli 11 capitoli sono indipendenti ma collegati. Ogni capitolo ha:
- Cosa: definizione in 2 righe
- Perché: motivazione strategica
- Come: passi concreti, strumenti, prompt
- Checklist: cosa deve essere vero quando il capitolo è “fatto”
Indice
| # | File | Titolo | Quando leggere |
|---|---|---|---|
| 00 | README.md (questo) | Overview + navigazione | Prima volta |
| 01 | 01-vision.md | Visione, modello di business, principi | Quando devi prendere decisioni strategiche |
| 02 | 02-architecture.md | Architettura dell’AI dev house (stack, agenti, orchestrazione) | Prima di configurare qualsiasi cosa tecnicamente |
| 03 | 03-it-autonomy.md | Come le app esistenti si mantengono da sole | Dopo 02, per avviare autonomia referee-assistant e kura |
| 04 | 04-new-apps-pipeline.md | Pipeline dalla idea al prodotto live | Quando hai una nuova idea di app |
| 05 | 05-marketing.md | Dipartimento marketing automatizzato | Quando vuoi portare utenti |
| 06 | 06-support-sales.md | Customer support + vendite | Dopo i primi utenti paganti |
| 07 | 07-finance-legal.md | Amministrazione, contabilità, legale | Quando incassi i primi soldi |
| 08 | 08-governance.md | Controllo, sicurezza, budget, escalation | Leggere due volte. Fondamentale. |
| 09 | 09-roadmap.md | Roadmap realistica 30/60/90 giorni → 24 mesi | Ogni settimana per allinearti |
| 10 | 10-playbook.md | Rituali quotidiani, KPI, protocolli | Ogni mattina (5 min) |
| 99 | 99-appendix-prompts.md | Prompt, template, comandi pronti all’uso | Quando devi fare copia/incolla concreto |
Executive summary (per chi ha fretta)
Stai costruendo una software house invertita. Nelle software house tradizionali gli umani scrivono codice e i sistemi sono passivi. Qui l’AI scrive codice autonomamente, gli umani (tu) decidono direzione e validano risultati critici.
Il modello si regge su 4 colonne:
- Agenti autonomi pianificati (Claude Code + Codex + cron + hooks). Eseguono task manutentivi e di sviluppo senza intervento umano. Lavorano mentre dormi.
- Gate di qualità automatici (test, typecheck, lint, security scan, UI review). Nessun codice va in produzione senza aver passato tutti i gate. Questo sostituisce il code review umano per il 90% dei casi.
- Escalation a umano per casi bloccati o rischiosi (decisioni di design, bug difficili, cambi di prezzo, contenzioso legale). Meno del 10% del flusso richiede te.
- Budget e controllo finanziario rigorosi (cap token per agente, cap spesa cloud, alert su anomalie). Senza questo, l’AI ti brucia i risparmi.
Gli output per te sono tre dashboard e un telefono:
- Dashboard IT: cosa stanno facendo gli agenti, quanti bug aperti, quali build rotte
- Dashboard business: MRR, utenti, churn, costi
- Dashboard backlog: idee nuove, priorità
- Telefono: per emergenze (escalation real-time)
Il tuo lavoro settimanale cambia così:
- Lun: leggi dashboard 20 min, approvi/declini proposte
- Mar-Gio: ti dedichi a ideazione nuove app, relazioni, marketing strategico
- Ven: retro settimanale con AI, aggiorni obiettivi
- Totale: 4-6 ore/settimana per IT. Il resto del tempo è tuo.
Timeline realistica per arrivarci:
- Mese 1: infrastruttura base, agenti manutentivi minimi su referee-assistant
- Mese 2-3: estensione a kura, prima pipeline nuova app
- Mese 4-6: marketing automatizzato, primo MRR significativo
- Mese 7-12: scalata a 3-5 app in portfolio, team agenti completo
- Mese 13-24: ottimizzazione, diversificazione, eventualmente assunzione 1-2 umani per ruoli che AI ancora non fa bene (vendite enterprise, relazioni istituzionali)
Assunzioni fondamentali della bibbia
- Sei non-tecnico ma disponibile a imparare l’essenziale. Non devi saper programmare. Devi saper: leggere log di errore, distinguere “tutto ok” da “qualcosa non va”, approvare PR su GitHub, usare terminale al livello di
cdegit pull. - I tuoi progetti esistenti sono gestibili. referee-assistant e kura sono Next.js/React Native + Supabase/Postgres. Stack compatibile con AI tooling moderno.
- Hai budget cloud contenuto ma non zero. Il minimo sensato è €200-500/mese per infrastruttura + €300-800/mese per token AI. Sotto queste cifre alcune automazioni non reggono.
- Accetti un’automazione progressiva, non big bang. Non si passa da 100% umano a 100% AI in una settimana. Ogni task che deleghi a un agente va prima validato manualmente per 1-2 settimane.
- Hai una partita IVA o sei pronto ad aprirla. Senza struttura legale non puoi fatturare i primi clienti.
Cosa NON è questa bibbia
- Non è una promessa che l’AI sostituisce completamente gli sviluppatori. Oggi (2026-04) l’AI fa l’80-90% del lavoro tecnico di una piccola software house, ma il rimanente 10-20% richiede giudizio umano. Questo manuale è costruito su quel realismo.
- Non è garanzia di profitto. È un operating model. Il successo dipende da idee di prodotto che soddisfino un mercato.
- Non è statica. L’AI evolve velocemente. Questo manuale va rivisto ogni 3 mesi. Le sezioni con data di aggiornamento sono le più volatili.
Glossario rapido (termini ricorrenti)
- Agente: programma che usa un LLM per eseguire task con tool (file, shell, web). Es. Claude Code = agente.
- Orchestratore: sistema che coordina più agenti. Es. LangGraph, o i tuoi cron + hook personalizzati.
- Gate di qualità: controllo automatico che blocca l’AI se non rispetta uno standard (tipo: “non mergi se i test falliscono”).
- Human-in-the-loop (HITL): punto del flusso in cui un umano (tu) deve approvare.
- MCP (Model Context Protocol): standard per connettere AI a tool/dati esterni. Usato per integrazioni GitHub, Supabase, Stripe, ecc.
- RAG (Retrieval Augmented Generation): tecnica per far accedere l’AI a documenti/codice aziendale senza riaddestramento.
- Agentic harness: tutta l’infrastruttura attorno all’LLM (non solo il modello). Secondo Harrison Chase (LangChain) è dove si fa la differenza vera in produzione.
- Observability: capacità di vedere cosa sta facendo un agente (tracing). Langfuse, Langsmith, PostHog LLM, Sentry AI.
Prossimo passo
Vai a 01-vision.md.