Finita la corsa a chi usa più token, è tempo di guardare ai risultati

Scott Wu, CEO e cofondatore di Cognition (l’azienda dietro Devin, uno dei primi agenti AI per il coding, usato tra gli altri da Goldman Sachs, Mercedes-Benz e Rivian), ha raccontato al podcast Founders con David Senra come le grandi aziende tech misurano oggi l’adozione dell’AI tra i propri dipendenti. La descrizione non è lusinghiera. Le aziende classificano gli ingegneri in base a quanti token consumano, non in base a cosa producono.

Chi ha inventato il gioco che ora dice di voler smontare

Wu la definisce “corretta come tendenza generale, ma in alcuni casi la gente si è fatta prendere la mano”. Poi la battuta che riassume il problema: “Diciamo che classifichiamo gli ingegneri per quanti token spendono. Bene, proviamo invece a classificare le persone per quanto output producono davvero.” Detto da chi vende l’agente che dovrebbe generare quell’output, la dichiarazione pesa più del solito mea culpa di settore.

I dipendenti hanno imparato a barare, e le aziende se ne sono accorte tardi

Il caso più citato è quello di Meta. Un dipendente aveva costruito un dashboard interno, soprannominato “Claudeonomics”, che classificava 85.000 lavoratori in base al consumo di token: oltre 60 trilioni in trenta giorni, con Mark Zuckerberg fuori dalla top 250. Il tool è stato smantellato dopo che The Information ha reso pubblica l’inchiesta.

Amazon ha seguito una traiettoria simile. L’azienda puntava a portare oltre l’80% della forza sviluppatori a usare l’AI su base settimanale, e ha costruito un leaderboard interno sul consumo di token.

Il risultato è stato prevedibile: dipendenti che eseguivano task inutili solo per scalare la classifica, nonostante Amazon dichiarasse per iscritto che quei dati non sarebbero stati usati nelle valutazioni. Un senior VP, Dave Treadwell, ha dovuto chiedere in pubblico di non usare l’AI solo per usarla.

È il manuale da economia comportamentale: quando la metrica diventa il bersaglio, smette di essere una buona metrica. In sociologia lo si chiama Goodhart’s Law, e qui si applica quasi alla lettera, la classifica ha sostituito l’obiettivo che doveva misurare. Il paradosso è che nessuna delle due aziende considerava il leaderboard uno strumento di valutazione formale. Meta lo definiva un progetto interno non ufficiale, Amazon dichiarava che i dati non sarebbero entrati nelle revisioni di performance. Nella pratica quotidiana la classifica ha comunque orientato i comportamenti, perché è quella la logica di qualsiasi metrica visibile e comparata tra colleghi, dichiarata o meno come ufficiale.

Dai token al risultato: la metrica giusta esisteva già, costava solo di più misurarla

Contare i token è comodo. Il numero esiste già nei log di sistema, cresce ogni trimestre, e si presta a un grafico che sale verso destra in una slide per il board.

Misurare l’output è un lavoro diverso. Richiede di definire cosa conta come risultato: fatturato aggiuntivo, tempo risparmiato e reinvestito, difetti in meno, cicli di sviluppo più corti. Sono variabili più difficili da isolare e più lente da raccogliere.

Il quadro macro non aiuta chi vuole misurare sul serio. Gli indici di settore mostrano che produttività non aumenta in proporzione alla spesa in AI, e lo Stanford AI Index segnala che solo l’1% matura fino a un utilizzo davvero strutturato dello strumento. In un contesto simile, il numero di token consumati diventa una scorciatoia comoda: cresce sempre, a prescindere da quanto valore l’organizzazione stia estraendo per davvero.

Il costo economico del tokenmaxxing non è teorico. Uber ha esaurito il budget bruciato previsto per l’intero 2026 in appena quattro mesi, ed è stata costretta a introdurre a giugno un tetto di 1.500 dollari al mese per dipendente su strumenti come Claude Code.

Il paradosso, come nota Fortune, è che il prezzo dei token è sceso del 90% dal 2023: la spesa aziendale in AI è comunque salita, perché il consumo si è espanso più in fretta del calo dei prezzi. È il classico paradosso di Jevons applicato all’inferenza.

Un report BCG su quasi 12.000 dipendenti mostra la stessa distanza tra adozione e risultato: il 42% dichiara di risparmiare fino a otto ore alla settimana grazie all’AI, ma il 66% non riceve alcuna indicazione su come reinvestire quel tempo, e metà non lo dedica a lavoro a maggior valore. Le ore risparmiate esistono, il ritorno economico su quelle ore molto meno.

Lo stesso studio, citato anche da Fortune, aiuta a spiegare perché il leaderboard sui token abbia attecchito così in fretta: in assenza di indicazioni su come reinvestire il tempo liberato dall’AI, contare i token resta l’unico segnale disponibile per dimostrare che qualcosa sta cambiando. La metrica sbagliata riempie il vuoto lasciato da una strategia che manca, non il contrario. Uber lo ha scoperto nel modo più diretto, con il conto in banca: il tetto di spesa introdotto a giugno arriva dopo mesi in cui il consumo era stato lasciato crescere senza controllo, proprio perché la crescita del consumo veniva letta come segnale positivo.

Il conto lo pagano comunque le aziende, solo con un ritardo di sei mesi

Il tokenmaxxing è la metrica più facile da vendere in una riunione di board: l’adozione si traduce in licenze attivate, prompt inviati, token consumati, tutti numeri già pronti in dashboard e comodi per giustificare i contratti enterprise firmati con i vendor AI. Non è un errore ingenuo di misurazione, è la scelta più comoda tra quelle disponibili.

Chi doveva mostrare “trasformazione AI” entro fine trimestre ha scelto il numero che cresceva più in fretta, non quello più corretto. Chi ha costruito la bolla dei token non sono stati solo gli sviluppatori indicati come colpevoli.

I dipendenti hanno risposto in modo razionale a un incentivo mal disegnato: se l’azienda premia il consumo, il consumo cresce. La colpa strutturale è di chi ha scritto quella regola, non di chi l’ha eseguita alla lettera, com’era già successo con l’adozione trofeo: un KPI costruito per fare bella figura in consiglio, non per misurare un ritorno reale.

C’è poi un secondo beneficiario che quasi mai finisce nel titolo: i vendor AI, che fatturano proprio sul consumo di token. Più alto è il leaderboard interno, più cresce la fattura verso il fornitore del modello.

Nessun vendor ha interesse a spiegare ai clienti che meno token spesso significa più valore prodotto. E il fatto che il ROI non arriva da mesi non ha rallentato la crescita della spesa, semmai l’ha resa più urgente da giustificare con numeri di adozione.

La proposta di Wu, spostare l’attenzione dal consumo all’output, è di per sé condivisibile. Ma arriva dal CEO di un’azienda che vende l’agente destinato a produrre quell’output, in un momento in cui il settore ha bisogno di raccontare che il problema è già in fase di correzione.

La stessa filiera che ha reso vendibile il leaderboard adesso vende la cura, senza però offrire ancora una definizione condivisa di cosa sia davvero “output”: fatturato, ore riallocate, qualità del codice, tempo di consegna. Finché quella definizione manca, la correzione rischia di restare uno slogan sostitutivo di un altro slogan, non una misurazione più onesta di quella che ha rimpiazzato.