Tre strumenti, tre idee diverse di cosa significhi “aiutare a programmare”. GitHub Copilot completa il codice mentre lo scrivi, dentro l’editor che già usi. Cursor è l’editor stesso, riscritto attorno all’AI. Claude Code vive nel terminale e lavora come un collaboratore a cui deleghi un compito intero.
Non sono tre versioni dello stesso prodotto in competizione sul prezzo. Sono tre scommesse diverse su come cambierà il mestiere. Vale la pena capire quale scommessa ha senso per come lavori tu — e vale la pena guardare, alla fine, i pochi studi seri che hanno provato a misurare se questi strumenti facciano davvero risparmiare tempo. La risposta è meno lusinghiera di quanto racconti il marketing.
GitHub Copilot: il completamento che sta dove sei già
Copilot è nato come autocompletamento avanzato e quella resta la sua identità più forte, anche se nel frattempo ha aggiunto chat, agenti e revisione automatica delle pull request — una funzione che merita un discorso a parte, perché cambia il processo di lavoro e non solo la velocità di battitura. Il suo vantaggio strutturale è la distribuzione: sta dentro Visual Studio Code, Visual Studio, JetBrains, Neovim, ed è integrato con GitHub, dove il codice già vive.
Per un’azienda, questo conta più della bravura del modello. Non devi cambiare editor, non devi formare nessuno, non devi far passare un nuovo fornitore dall’ufficio acquisti se GitHub ce l’hai già. L’attrito di adozione è quasi zero, ed è la ragione per cui Copilot è quasi sempre il primo strumento che un’azienda adotta, anche quando non è il più capace.
Il listino ufficiale, dalla documentazione GitHub, prevede un piano gratuito, Pro a 10 dollari al mese, Pro+ a 39, Max a 100, e per le organizzazioni Business a 19 dollari per postazione e Enterprise a 39. Il listino è in dollari; al cambio del 10 luglio 2026 (1 euro = 1,14 dollari circa, Il Sole 24 Ore) fanno circa 8,80 euro per Pro, 34 per Pro+, 88 per Max, 16,70 per Business e 34 per Enterprise, IVA esclusa.
C’è però un cambiamento che va capito bene: dal 1° giugno 2026 la fatturazione è passata a un sistema di crediti AI (changelog GitHub). Ogni piano include un tetto mensile di crediti, e oltre quel tetto si spende a consumo impostando un budget: l’uso agentico e i modelli premium bruciano crediti molto più in fretta dei completamenti in linea. Tradotto: il prezzo di listino non è più il prezzo totale se usi Copilot per far lavorare un agente su compiti lunghi. Il piano Business a 16,70 euro per sviluppatore è ancora l’offerta più economica del gruppo, ma il confronto va fatto a parità di consumo, non a parità di canone.
Cursor: l’editor costruito attorno all’AI
Cursor, sviluppato da Anysphere, è un fork di Visual Studio Code. Sembra VS Code, importa le tue estensioni e le tue scorciatoie, e questo lo rende adottabile in mezz’ora. La differenza sta in cosa il modello vede: Cursor indicizza l’intero repository e usa quel contesto per rispondere, modificare più file insieme e proporre modifiche coordinate.
Le due funzioni che fanno la differenza sono il completamento predittivo su più righe (Tab), che indovina spesso non solo cosa scrivi ma dove ti sposterai dopo, e la modalità agente, che prende un’istruzione a parole e applica le modifiche su più file mostrandoti le differenze da approvare. Chi lavora su un progetto grande e conosciuto sente subito il vantaggio del contesto di repository rispetto al completamento cieco.
I prezzi, dalla pagina ufficiale Cursor: Hobby gratuito, Pro a 20 dollari al mese, Pro+ a 60, Ultra a 200, Teams a 40 dollari per utente. In euro allo stesso cambio: circa 17,50, 52,60, 175 e 35 euro per utente. Anche qui il canone non è tutto: Cursor scrive che ogni piano include una quota prestabilita di consumo dei modelli e che oltre quella si continua a pagare a consumo, fatturato a posteriori (documentazione Cursor).
È il punto che vale per tutti e tre gli strumenti: il canone non è il costo, è il minimo. Chi usa un agente tutto il giorno su un monorepo si troverà a spendere molto più del prezzo di listino, su qualsiasi piattaforma, perché l’uso agentico consuma quote di modello e non completamenti in linea. La ragione è aritmetica e vale per qualunque sistema costruito così: un agente rimanda al modello tutta la storia precedente a ogni giro del ciclo, quindi il costo non cresce con il numero di richieste, cresce con la loro lunghezza.
Claude Code: delegare invece di completare
Claude Code, di Anthropic, parte da un presupposto diverso. Non ti aiuta a scrivere: gli dai un compito e lui lo esegue. Vive nel terminale — anche se è utilizzabile dentro VS Code, i fork di VS Code e gli IDE JetBrains — legge il progetto, esegue comandi, modifica file, lancia i test, corregge se falliscono.
Il cambio di postura è sostanziale. Con un completamento inline sei tu a scrivere e il modello ti segue. Con un agente da terminale sei tu a specificare e a revisionare, e il modello scrive. Chi lavora così passa più tempo a leggere differenze e meno a battere sui tasti, e questo cambia il tipo di errori che si commettono: meno refusi, più codice plausibile ma sbagliato che passa la revisione perché sembrava giusto.
Sul prezzo, Claude Code è incluso nei piani Claude Pro e Max, e i limiti d’uso sono condivisi tra l’assistente conversazionale e lo strumento di codice (documentazione Anthropic). Il piano Pro sta a 20 dollari al mese, Max parte da 100 dollari e arriva a 200 per la fascia con più utilizzo — cioè circa 17,50, 88 e 175 euro al cambio citato. In alternativa si può usare a consumo tramite API, che ha senso solo per usi discontinui.
Da chiarire: il piano Pro a 17,50 euro dà accesso a Claude Code, ma i limiti di utilizzo condivisi si esauriscono in fretta se lo si usa in modo agentico su codebase grandi. Chi vuole delegare compiti lunghi si ritrova quasi sempre su Max. È bene saperlo prima, perché il confronto onesto con Copilot Pro a 8,80 euro non è alla pari.
Su cosa vince ciascuno
Copilot vince sull’integrazione aziendale e sul costo per postazione. Se gestisci un team di quindici persone su GitHub Enterprise, l’amministrazione centralizzata, le politiche, l’indennizzo sulla proprietà intellettuale e il fatto che i dati restino nel perimetro contrattuale che hai già firmato valgono più di qualche punto di qualità del modello. È la scelta di default per l’azienda strutturata.
Cursor vince sulla scrittura quotidiana in un progetto che conosci. Il completamento predittivo su più righe e la modifica multi-file assistita sono la parte del prodotto su cui l’azienda ha puntato di più, e si vede: è lo strumento con meno attrito quando il modello deve toccare più file insieme. È la scelta di chi passa otto ore al giorno dentro lo stesso repository.
Claude Code vince sui compiti che puoi descrivere a parole e lasciar correre: migrazioni, refactoring meccanici estesi, scrittura di test su codice esistente, indagini su bug che richiedono di leggere molti file. È anche lo strumento che regge meglio i lavori lunghi senza perdere il filo.
Nessuno dei tre vince sulla comprensione del dominio. Nessuno dei tre sa perché il tuo sistema di fatturazione ha quel caso particolare per i clienti con partita IVA di San Marino. Quella conoscenza sta nella testa delle persone o non sta da nessuna parte, e tutti e tre gli strumenti la reinventano male quando non gliela dai.
Il punto scomodo: la produttività percepita non è quella misurata
Qui arriva la parte che il marketing non racconta. Nel luglio 2025 METR, un’organizzazione di ricerca indipendente, ha pubblicato uno studio randomizzato controllato su sviluppatori open source esperti. Sedici sviluppatori, 246 compiti reali sui loro repository (progetti maturi, grandi, con standard di qualità alti), assegnati casualmente con o senza strumenti AI — principalmente Cursor Pro con i modelli Claude dell’epoca.
Risultato: con l’AI gli sviluppatori hanno impiegato il 19% di tempo in più. E il dato più interessante non è quello: alla fine dell’esperimento, gli stessi sviluppatori stimavano di essere stati il 20% più veloci grazie all’AI. Non se n’erano accorti. Il divario tra produttività percepita e produttività misurata era di quasi quaranta punti percentuali.
Va detto tutto quello che va detto per non abusare di questo studio. Il campione è piccolo. Il contesto era ostile all’AI: codebase enormi, mature, che gli sviluppatori conoscevano a memoria — cioè lo scenario in cui il vantaggio dell’AI è minimo e il costo di revisione massimo. I modelli erano quelli di inizio 2025. La stessa METR, a febbraio 2026, ha annunciato di stare cambiando il disegno sperimentale: scrive che è probabile che oggi gli sviluppatori siano più accelerati dall’AI rispetto alle stime di inizio 2025, ma che i dati del nuovo esperimento sono un segnale debole, perché i partecipanti hanno iniziato a selezionare quali compiti sottoporre (dal 30% al 50% ha dichiarato di non voler svolgere certi compiti senza AI).
Ma il punto che resta in piedi, e che nessuno ha smentito, è il divario tra percezione e misura. La sensazione di essere più veloci non è una prova di essere più veloci. Ed è una sensazione che gli strumenti AI producono in modo affidabile, perché eliminano le parti noiose e visibili del lavoro (battere sui tasti, cercare la sintassi) e aggiungono parti invisibili (leggere, verificare, correggere, rifare).
Il rapporto DORA 2025, basato su quasi 5.000 risposte, arriva da un’altra strada allo stesso tipo di conclusione. Il 90% degli intervistati usa l’AI al lavoro e oltre l’80% ritiene che abbia aumentato la propria produttività. L’adozione dell’AI mostra una correlazione positiva con la quantità di rilasci e con la performance di prodotto, ma continua a mostrare una correlazione negativa con la stabilità del rilascio: più fallimenti in produzione, più rilavorazione. Il 30% dichiara poca o nessuna fiducia nel codice generato dall’AI.
La sintesi di DORA è che l’AI è un amplificatore: rende migliori i team che avevano già test automatici solidi, controllo di versione maturo e cicli di feedback rapidi, e rende peggiori i team che non li avevano, perché aumenta il volume delle modifiche senza aumentare i controlli.
La mia opinione, e la dico chiara: la domanda “quale AI scrive meglio il codice” è quasi sempre la domanda sbagliata. La domanda giusta è se la tua pipeline di test regge il triplo delle modifiche. Se non regge, lo strumento migliore ti farà solo arrivare più in fretta al guasto.
Un esempio italiano, e come misurarlo davvero
Prendiamo una software house italiana da otto sviluppatori che lavora su gestionali per la logistica — è uno scenario ipotetico, non un caso documentato, e lo dichiaro. Otto postazioni Copilot Business costano circa 134 euro al mese; otto Cursor Teams circa 280; otto Claude Max di fascia base circa 704. Sono differenze reali ma piccole rispetto al costo del lavoro di otto persone: chiunque faccia la scelta guardando al canone sta ottimizzando la voce sbagliata.
Il modo serio di decidere è misurare prima. Prendi le ultime venti storie chiuse e calcola due numeri: il tempo dal primo commit al rilascio in produzione, e la percentuale di rilasci che hanno richiesto un intervento correttivo entro sette giorni. Quella è la linea di base. Poi introduci lo strumento su metà del team per due mesi e ricalcola gli stessi due numeri.
Se il primo scende e il secondo sale, non stai guadagnando produttività: stai spostando lavoro dal momento in cui è visibile (la scrittura) al momento in cui è costoso (la produzione). È esattamente il pattern che DORA descrive, ed è la cosa da guardare.
Cosa cambia per te
Se scrivi codice per lavoro, nel 2026 usare uno di questi tre strumenti non è più una scelta ideologica: il completamento assistito fa risparmiare tempo reale sulle attività meccaniche, e rifiutarlo per princ
