Blulink · AI Course
Agent Engineering · Modern Software Development

Lavorare con l'AI, non parlarne.

Un percorso operativo e commerciale pensato per mettere il team Blulink nelle condizioni di produrre software moderno, strutturato e misurabile con l'ausilio dei modelli e degli agenti di ultima generazione. Non è un corso divulgativo: è un manuale di officina.

Metodo, qualità, governance e delivery. Niente vibe coding.

Obiettivi formativi

Al termine del percorso i partecipanti saranno in grado di integrare l'AI nel flusso di sviluppo quotidiano con criterio ingegneristico, selezionando strumenti e modelli in funzione del contesto e misurando l'impatto sul delivery.

Comprendere l'AI modernaOltre buzzword e marketing: cosa sanno fare davvero oggi gli LLM e gli agenti, e dove sbagliano.
Distinguere gli ambitiGenerative AI, NLP, Computer Vision, Agentic AI e i loro casi d'uso reali nel software enterprise.
Prompt efficaci e ripetibiliPrompting strutturato per coding, analisi, debugging, refactoring e documentazione tecnica.
Scelta del modelloSelezionare il modello corretto in base a scenario, costo, latenza, qualità e privacy.
Strumenti AI-firstLavorare produttivamente con editor, agenti e pipeline AI-driven integrate nel team.
Integrazione con GitHub e Azure DevOpsPortare l'AI dentro workflow, repo, work items, pipeline e code review.
Qualità e governanceStandardizzare prompt e agenti a livello team; sicurezza, permessi, accountability.
Produttività misurabileImpatto concreto su tempi di delivery, qualità del codice e capacità di ragionamento tecnico.

Approccio: Agent Engineering & Modern Software Development

L'AI non è un assistente che "scrive codice al posto tuo". È una nuova famiglia di strumenti di ingegneria del software che richiede metodo: contesto, specifica, verifica, iterazione, governance. Il corso è costruito intorno a quattro principi operativi.

1. Specifica prima, generazione dopo

Un modello non compensa una specifica ambigua. Gli esercizi insegnano a scrivere richieste eseguibili dall'AI e verificabili da un umano.

2. Il codice rimane il source of truth

Test, tipi, code review e pipeline restano il metro di qualità. L'AI accelera la scrittura e il refactoring, ma non sostituisce la disciplina ingegneristica.

3. Gli agenti hanno confini

Ogni agente va introdotto con permessi minimi, audit trail e criteri di accountability. Sicurezza e compliance sono parte integrante della progettazione, non un'appendice.

4. Standard di team, non eroismi individuali

Prompt, configurazioni, MCP server, regole di code review assistita: tutto condiviso, versionato e manutenibile come qualunque altro asset di engineering.

Programma

Otto moduli progressivi che partono dai fondamenti e arrivano a laboratori operativi su Claude Code, GitHub Copilot e OpenClaw, con integrazione diretta nel contesto Azure DevOps di Blulink.

Modulo 01

Fondamenti AI per lo sviluppo software

LLM, agenti, NLP, Computer Vision e Information Extraction. Come funzionano davvero, e dove rompono.
Modulo 02

Prompt Engineering professionale

Prompt strutturati, prompting per coding e documentazione, pipeline doc AI-driven, standard di team.
Modulo 03

Model Catalog & scelta del modello

Generalisti vs specialistici, trade-off su costo/latenza/qualità/compliance, cloud vs self-hosted.
Modulo 04

Writing Source Code in the AI Era

Come cambia il lavoro dello sviluppatore. Editor AI-first, criteri di adozione aziendale.
Modulo 05

Coding Models (enterprise + open-source)

Panoramica comparativa dei principali modelli di coding e integrazione in pipeline reali.
Modulo 06

OpenClaw come layer operativo

Automazioni su task ripetitivi, orchestration, sicurezza, permessi e accountability.
Modulo 07

Claude Code in contesti reali (Azure DevOps)

Setup, contesto, pianificazione multi-step, MCP, subagents, integrazione Azure DevOps e code review.
Modulo 08

GitHub Copilot in contesti reali

Licenze, policy, Copilot Chat, documentazione e confronto operativo con Claude Code.