Un sistema operativo creato quasi interamente tramite “vibe coding” — cioè attraverso prompt in linguaggio naturale inviati a modelli di intelligenza artificiale — si è rivelato pieno di errori e quasi inutilizzabile. Il progetto Vib-OS, pubblicato su GitHub e testato dallo YouTuber Tirimid, evidenzia le difficoltà dell’AI nel costruire software complesso senza supervisione umana. L’esperimento riaccende il dibattito sui limiti dell’automazione nello sviluppo software e sul rischio di aspettative eccessive intorno all’intelligenza artificiale.
Il concetto di “vibe coding” è stato popolarizzato nel 2025 dall’ingegnere informatico Andrej Karpathy, cofondatore di OpenAI ed ex direttore dell’AI di Tesla. L’idea consiste nello sviluppare programmi fornendo semplici istruzioni in linguaggio naturale a modelli generativi, lasciando all’intelligenza artificiale il compito di scrivere il codice.
Uno dei casi più discussi è Vib-OS, un sistema operativo sperimentale ospitato su GitHub che promette un kernel personalizzato, un’interfaccia grafica moderna ispirata a macOS e un file system virtuale compatibile con architetture ARM64 e x86.
Tuttavia, un test approfondito pubblicato su YouTube dal creatore Tirimid ha mostrato numerosi malfunzionamenti. Nel video, lo YouTuber documenta come molte delle funzionalità dichiarate non funzionino correttamente.
Tra i problemi segnalati:
- impossibilità di connettersi a Internet
- file manager con pulsanti non funzionanti
- blocco note incapace di salvare documenti
- giochi integrati instabili o non funzionanti
- un’app chiamata “Browser” che si rivela essere solo un visualizzatore di immagini
Anche la promessa di eseguire script Python risulta infondata: il sistema operativo non include alcun supporto reale per il linguaggio.
Il progetto afferma inoltre di poter eseguire il classico videogioco Doom, ma durante i test l’icona del launcher non risponde ai clic del mouse, suggerendo la presenza di una “allucinazione” del modello di AI che avrebbe generato funzionalità inesistenti.
Nonostante le criticità, l’esperimento mostra comunque un aspetto rilevante: l’intelligenza artificiale è già in grado di generare strutture software relativamente complesse. Tuttavia, la qualità del risultato resta fortemente dipendente dal controllo umano.
Molti commentatori online hanno ironizzato sul progetto. Uno di loro ha scritto: “Hai trovato una versione precedente di Windows 12.”
L’episodio riflette un problema più ampio. Mentre le grandi aziende tecnologiche investono miliardi nell’AI e riducono la forza lavoro, numerosi esperti avvertono che lo sviluppo software completamente automatizzato rimane ancora lontano dalla maturità tecnologica.
Approfondimento e cronologia
2023 – Boom della programmazione assistita da AI
GitHub Copilot e strumenti simili iniziano a diffondersi tra gli sviluppatori.
Fonte: https://github.blog
2024 – Diffusione del concetto di “vibe coding”
Andrej Karpathy descrive la possibilità di programmare tramite prompt in linguaggio naturale.
Fonte: https://karpathy.ai
2025 – Crescita degli strumenti AI per lo sviluppo software
Secondo il report Developer Productivity and AI di GitHub, oltre il 55% degli sviluppatori usa strumenti AI nel coding.
Fonte: https://github.com/features/copilot
2026 – Esperimenti come Vib-OS
Progetti generati quasi interamente con AI mettono in evidenza bug e limiti strutturali.
Consigli di approfondimento
- MIT Technology Review – AI coding tools
https://www.technologyreview.com - Stanford HAI – AI and software engineering
https://hai.stanford.edu - GitHub Research – AI developer tools
https://github.blog
Abstract: opportunità e rischi
L’automazione dello sviluppo software tramite intelligenza artificiale promette maggiore velocità e accessibilità alla programmazione. Strumenti basati su modelli linguistici possono ridurre le barriere tecniche e aumentare la produttività degli sviluppatori.
Tuttavia, casi come Vib-OS mostrano limiti significativi: codice instabile, funzionalità “allucinate”, scarsa sicurezza e difficoltà nel debugging. Sul piano etico e sociale, l’adozione indiscriminata di sistemi di coding automatico potrebbe generare software vulnerabile o mal funzionante.
Nel medio termine è probabile un modello ibrido: AI come assistente degli sviluppatori, non come sostituto completo. L’evoluzione della governance dell’AI e delle pratiche di verifica del codice sarà determinante per evitare rischi sistemici nel software del futuro.
