Scopri come l’integrazione di In conclusionntelligenza Artificiale e low-code sta trasformando il modo di progettare e sviluppare applicazioni, rendendo il processo più collaborativo, rapido e accessibile a tutti i protagonisti del ciclo di vita software.
L’Intelligenza Artificiale oggi si propone come un alleato, un compagno di progettazione capace di suggerire soluzioni e generare modelli e logiche in automatico. Molti pensano di sfruttarla direttamente nello sviluppo tradizionale, ma in questo contesto diventa complicato individuare errori o falle di logica, spesso nascosti tra migliaia di righe di codice.
Ed è proprio qui che tecnologie low-code come low-code Mendix platform mettono al centro la persona: all’interno di un ambiente visivo, trasparente e facilmente modificabile, il progettista può costruire applicazioni sfruttando le funzionalità dell’AI per esaminare, comprendere, affinare e migliorare in modo continuo i modelli di dominio, i flussi applicativi, le funzionalità che emergono e si evolvono naturalmente grazie alla modellazione visuale. In questo modo, il low-code si rivela la tecnologia che meglio consente di realizzare una vera simbiosi tra uomo e AI, abilitando un processo di co-creazione delle applicazioni che unisce automazione, controllo e comprensione umana.
Nel low-code disponiamo di componenti già guidati e testati, che aiutano a costruire software di qualità riducendo gli errori. Il risultato è un sistema immediatamente visibile e ispezionabile, che consente di comprendere e validare con facilità ciò che viene creato.
In questo scenario, to have un’AI integrata nell’IDE permette a chi progetta e costruisce applicazioni di interagire, lungo tutto il ciclo di sviluppo (SDLC), con modelli di linguaggio avanzati (LLM, Large Language Model), addestrati su una base di conoscenza — oggi gestita dal vendor tecnologico, ma in prospettiva estendibile anche a LLM locali del cliente — che comprende modelli di dominio, entità, attributi, associazioni e best practice di sviluppo.
Il tutto avviene in modo assolutamente naturale, thanks to un formato visivo e conversazionale che consente di interrogare in parallelo l’AI su quanto si crea, richiedere suggerimenti o approfondimenti e intervenire, ottimizzare o automatizzare quando necessario.
At WEGG siamo analisti che supportano i clienti nel loro percorso di trasformazione digitale, traducendo le loro esigenze in requisiti e flussi applicativi che vengono poi implementati su tecnologie low-code, con tutti i vantaggi in termini di rapidità, standardizzazione e automazione dello sviluppo.
Che si tratti di singole applicazioni o di soluzioni multiple per esigenze diverse, gestite direttamente da noi o in collaborazione con il team di sviluppo interno del cliente, abbiamo constatato come lo sviluppo assistito da AI all’interno di tecnologie low-code migliori significativamente tempi e qualità del lavoro.
Nello specifico noi lavoriamo con Mendix, tecnologia low-code identificata come leader da Gartner, che ha integrato nella propria piattaforma un’AI di nome MAIA (Mendix AI Assistance), con tre obiettivi di supporto:
Abbiamo accennato al fatto che lo sviluppo assistito dall’AI in Mendix avviene in modo naturale e integrato, in un formato visivo e conversazionale all’interno di un’unica interfaccia di sviluppo. Si dispiega per l’intero ciclo di vita dello sviluppo software, dall’ideazione all’implementazione, comprendendo la distribuzione, i test, la governance, il monitoraggio e i feedback: ora vediamo alcuni esempi.
Fase di ideazione
In fase di ideazione, l’AI può supportarci nella generazione di un prototipo, creando una prima versione dell’applicazione a partire da un documento di requisiti in formato PDF. Questo documento viene caricato nell’interfaccia conversazionale, che consente anche di inserire prompt specifici e contestuali per fornire indicazioni più precise e orientare meglio il risultato
Con la funzionalità Domain Model Generator, è possibile descrivere a Maia quali dati si desidera che il modello di dominio catturi. La descrizione può essere molto dettagliata, ad esempio: “Crea un’entità ‘A’ con attributi ‘B’ e ‘C’”, oppure più generica, utilizzando prompt contestuali.
this is a uno scheletro iniziale, perfezionabile nel tempo: the most aggiungere attributi a entità esistenti e chiedere a Maia di spiegare o migliorare il modello di dominio con successive richieste. I suggerimenti sulle logiche applicative aiutano a trovare soluzioni ottimali e a scoprire scenari alternativi. Inoltre, Maia può aggiungerli al dominio e collegarli al back-end automaticamente, senza necessità di operazioni manuali di drag & drop.
Questo approccio è particolarmente utile per analisti e progettisti, poiché consente un notevole risparmio di tempo nella modellazione di un nuovo dominio, offrendo al contempo un valido supporto nell’identificazione delle entità corrette per l’applicazione.
MAIA resta sempre accessibile direttamente in interfaccia tramite una chat dedicata: quindi che siano domande legate alla generazione, al perfezionamento del modello di dominio o altro, riesce a recuperare dati aggiuntivi o suggerimenti dalla documentazione Mendix, sui forum e sui percorsi di apprendimento dell’accademia organizzandoli in materiale molto fruibile (con markdown, bullet point etc.) con il riferimento alla fonte interna coinvolta.
Il progettista può poi organizzare le informazioni delle singole pagine inserendo viste dati con widget come caselle di testo per gli attributi di un’entità. Grazie all’AI, può caricare un’immagine (screenshot, wireframe o disegno) e, aggiungendo istruzioni testuali, richiedere la riproduzione del layout per vedere immediatamente come vengono presentate le informazioni.
Si può entrare nel dettaglio della gestione delle user story per lo sviluppo dell’applicazione. In Mendix, grazie agli Epics, è possibile raggruppare user story correlate che rappresentano grandi blocchi di lavoro, suddividendoli in compiti più piccoli e gestibili con il modello Kanban. Gli Epics aiutano a organizzare e monitorare i progressi di funzionalità o iniziative più ampie all’interno di un progetto.
Spesso chi scrive/condivide le user story ha poca esperienza nella stesura di testi tecnici; per questo, utilizzando la funzione MAIA Create User Story, è possibile generare un testo, aggiungere criteri di accettazione, modificare e perfezionare le storie. Questo approccio favorisce la collaborazione tra figure meno tecniche, permettendo loro di partecipare attivamente con un linguaggio naturale.
La user story, così come è scritta con i criteri di accettazione e le istruzioni per i test, può essere implementata con il supporto dell’AI direttamente all’interno del modello di dominio. Questo suggerimento, che va sempre verificato e ispezionato visivamente, accelera l’integrazione di nuove funzionalità nel modello applicativo.
Non è tutto: grazie all’integrazione tra l’IDE e il portale dedicato agli sviluppatori, è possibile contrassegnare la storia come pronta per i test o conclusa, aggiornando automaticamente il Kanban.
Al termine del test, si può applicare il controllo delle versioni su tutte le entità, permettendo aggiornamenti in blocco, o far scrivere all’AI la documentazione (anche in più lingue). Sono tutti processi poi da revisionare, ma che contribuiscono significativamente ad aumentare la produttività.
Spesso le aree di un’applicazione sono più funzionali che esteticamente curate. Chi sviluppa solitamente parte dai wireframe di Figma — uno strumento molto apprezzato dai designer UX — e ora può generare direttamente le pagine a partire da questi progetti, senza dover replicare manualmente ogni singolo componente. Il sistema sfrutta infatti la struttura sottostante dell’applicazione per creare automaticamente i componenti necessari. Certo, resta da rivedere e personalizzare, ma diventa sicuramente un potente acceleratore.
Inoltre, entrando in un progetto già avviato, the most visualizzare cosa fanno i micro-flow per capire esattamente in quale punto dell’applicazione ci si trova e chiedere a MAIA approfondimenti. Ad esempio, si può analizzare come è stato strutturato il flusso relativo all’ordine di acquisto o addirittura generarlo partendo da un modulo PDF, che l’AI trasforma in una pagina HTML da cui partire. Questa funzionalità si rivela particolarmente utile per la migrazione legacy di vari formati.
Se nel PDF mancano pulsanti o altri elementi interattivi, l’AI può creare automaticamente schemi di interazione basandosi su esempi di HTML esistenti. MAIA genera tutto il necessario — CSS, JavaScript e altro — per costruire in modo efficiente un front-end completo.
Anche la traduzione rientra nell’UX: con il supporto dell’AI è possibile generare automaticamente la traduzione dei testi del sistema in base alla lingua degli utenti finali dell’app. Naturalmente, questa traduzione va sempre verificata per assicurarsi che sia correttamente localizzata e contestualizzata, ma il lavoro è così svolto al 90%.
L’uso dell’AI si dimostra particolarmente efficace anche nella fase di testing e distribuzione, supportando l’automazione di attività ripetitive come il controllo delle versioni e garantendo l’integrazione delle migliori pratiche di sviluppo durante la revisione.
Ad esempio, con un semplice messaggio di commit con indicazioni precise è possibile applicare gli aggiornamenti in blocco e fare push per monitorare efficacemente la versione dell’intero progetto. Grazie a una pipeline CI/CD creata in Mendix, l’AI nella sua revisione esegue raccomandazioni basate sulle best practice, individua eventuali anti-pattern e, se vengono superate soglie critiche, blocca la distribuzione dell’applicazione, fornendo un feedback immediato direttamente nella pipeline.
Solo quando tutte le condizioni di qualità sono soddisfatte, l’applicazione viene distribuita, assicurando un rilascio controllato e sicuro. Questo processo permette di implementare e mantenere nel tempo le migliori pratiche di sviluppo, garantendo che l’applicazione cresca sempre mantenendo un alto livello di qualità.
Conclusion
Lo sviluppo visivo e conversazionale, reso possibile da piattaforme come Mendix, rappresenta senza dubbio il futuro dello sviluppo software. Analisti, progettisti e sviluppatori possono oggi accelerare significativamente il loro lavoro, non solo nelle fasi di ideazione e progettazione, ma anche nella strutturazione, nel testing e nella distribuzione delle applicazioni. Di conseguenza, si libererà sempre più tempo da dedicare alla definizione dei requisiti e all’ottimizzazione dell’applicazione stessa.
L’integrazione intelligente di AI come MAIA consente di trasformare il modo in cui creiamo software, favorendo una simbiosi reale tra intelligenza umana e artificiale. In questo scenario, gli agenti AI non sono più solo strumenti di supporto, ma veri e propri co-progettisti che automatizzano compiti ripetitivi e suggeriscono soluzioni ottimali.
Guardando avanti, ci muoviamo verso un modello in cui, a partire da una user story, sarà possibile integrare direttamente i feedback attraverso la sola approvazione e il perfezionamento dei flussi e dei modelli proposti dall’AI.
Insights
OUR OFFICES
OUR OFFICES
PADUA
Via Arnaldo Fusinato 42, 35137
MILAN
Viale Enrico Forlanini 23, 20134
ROME
Viale Giorgio Ribotta 11, 00144
Copyright © 2025 WEGG S.r.l. • P.I 03447430285 • C.F. 02371140233 • REA 311023
Azienda Certificata ISO 9001:2015 – ITA / ISO 9001:2015 – EN
