Le tecnologie che usiamo

Come scegliamo le tecnologie?

Scegliamo lo strumento che un team competente saprà ancora mantenere fra cinque anni, poi lo verifichiamo rispetto a dati, carico e budget del progetto. Per la maggior parte dei sistemi aziendali questo significa un framework diffuso, un linguaggio tipizzato, PostgreSQL e test automatizzati. Le tecnologie nuove trovano posto solo dove risolvono un problema che le opzioni collaudate non risolvono.

In pratica, poche regole decidono la maggior parte delle scelte:

• Prevedibili dove conta. Autenticazione, pagamenti, archiviazione dei dati e backup si affidano a librerie collaudate e a servizi ben documentati. Lì non si sperimenta.
• Framework con una lunga storia. React, Next.js, FastAPI, Laravel e PostgreSQL hanno grandi community, rilasci di sicurezza regolari e molti sviluppatori che li conoscono. Il tuo sistema non dipende solo da noi.
• Codice tipizzato e confini validati. Scriviamo in TypeScript e in Python tipizzato, e validiamo con Zod o JSON Schema ogni input che attraversa un confine (moduli, API, webhook, file importati). Così un’intera categoria di bug si ferma prima di arrivare in produzione.
• Test a ogni modifica. Test unitari e di integrazione con Vitest e pytest, test end-to-end con Playwright e pipeline CI che bloccano un rilascio quando qualcosa non va.
• Hosting scelto in base ai dati. I siti pubblici possono girare su una piattaforma globale. I sistemi che trattano dati personali o sensibili possono girare in Svizzera o nell’UE, in linea con la legge federale sulla protezione dei dati (LPD) riveduta e con il RGPD. Docker rende questa scelta reversibile.
• In linea con il tuo team. Se i tuoi sviluppatori conoscono già PHP e Laravel, non ti spingeremo verso Python. Spesso lo stack migliore è quello che le tue persone sanno gestire.

E le tecnologie nuove?

Adottiamo nuovi strumenti quando rispondono a un’esigenza concreta. Il Model Context Protocol (MCP) è un esempio recente: quando gli agenti IA hanno avuto bisogno di leggere direttamente dati strutturati, abbiamo affiancato all’API REST pubblica di una directory di API di comunicazione che abbiamo realizzato un server MCP in sola lettura, invece di lasciare che gli agenti estraessero i dati dalle pagine web. I modelli linguistici di Anthropic, OpenAI e Google sono un altro esempio: li usiamo all’interno dei processi, con validazione dell’output e limiti di costo, come descritto nella pagina IA e automazione.

Perché questo elenco è più corto di una classica parete di loghi?

Perché ogni voce di questa pagina compare in codice che abbiamo scritto e che gestiamo: nelle piattaforme che abbiamo realizzato e gestiamo o nelle integrazioni che abbiamo consegnato. Non elenchiamo strumenti che conosciamo solo per averne letto. Se il tuo progetto richiede qualcosa che qui non c’è, te lo diciamo apertamente e ti spieghiamo come lo affronteremmo.