Sostituire i dipendenti umani con l’intelligenza artificiale per tagliare i costi si sta rivelando un boomerang economico per molte grandi aziende. Se da un lato l’adozione di agenti IA promette picchi di produttività senza precedenti, dall’altro sta drenando i budget IT a ritmi insostenibili. Dai dati emergenti negli Stati Uniti emerge una realtà inaspettata: la spesa per i “token” e le risorse di calcolo sta superando quella che un tempo era destinata ai salari dei lavoratori, esaurendo i fondi aziendali con mesi di anticipo.
L’impennata dei costi operativi non è legata a compiti semplici come la scrittura di una mail o la sintesi di un testo, ma all’uso intensivo di agenti autonomi per task complessi. Attività che richiedono analisi iterative, generazione di codice software, test ripetuti e cicli continui di autocorrezione richiedono miliardi di token.
Senza una supervisione adeguata e in assenza di limiti di contesto o controlli sui cicli di esecuzione, gli agenti IA entrano in “loop” costosi. Questo fenomeno è stato recentemente battezzato tokenmaxxing: un utilizzo eccessivo, non controllato e ridondante di modelli IA che fa lievitare le spese all’insaputa dei manager.
Per capire l’impatto reale di questa crisi dei costi, basta osservare come due colossi tecnologici abbiano subito gli effetti del tokenmaxxing in modi differenti ma ugualmente devastanti per i loro bilanci.
La situazione in Uber ha preso invece la via dello sviluppo software. L’azienda ha integrato avanzati agenti IA per aiutare i propri programmatori a scrivere e testare il codice delle applicazioni. Tuttavia, la tendenza a delegare compiti complessi ha creato un effetto domino: per correggere un singolo errore, gli agenti eseguono migliaia di tentativi e test automatici in pochissimi secondi. Questo loop incontrollato di token ha letteralmente prosciugato l’intero budget IT stanziato per il 2026 nel giro di pochissimi mesi, costringendo i vertici a un blocco immediato e a una revisione dei permessi.
La situazione in Uber ha preso invece la via dello sviluppo software. L’azienda ha integrato avanzati agenti IA per aiutare i propri programmatori a scrivere e testare il codice delle applicazioni. Tuttavia, la tendenza a delegare compiti complessi ha creato un effetto domino: per correggere un singolo errore, gli agenti eseguono migliaia di tentativi e test automatici in pochissimi secondi. Questo loop incontrollato di token ha letteralmente prosciugato l’intero budget IT stanziato per il 2026 nel giro di pochissimi mesi, costringendo i vertici a un blocco immediato e a una revisione dei permessi.
Il problema non si limita ai soli token consumati tramite API (come quelle di OpenAI o Anthropic), ma si estende all’infrastruttura fisica necessaria per supportarli. Le aziende si trovano costrette a investire massicciamente in chip grafici (GPU), potenziamento dei servizi cloud e piattaforme di orchestrazione software.
Secondo gli analisti, la spesa globale per l’IT toccherà livelli record nel corso del 2026, trainata quasi interamente dalla corsa all’oro dell’intelligenza artificiale. Di conseguenza, i Chief Information Officer (CIO) sono ora sotto pressione: devono giustificare questi rincari ai consigli di amministrazione dimostrando un ritorno sull’investimento (ROI) reale, calcolato sulla riduzione effettiva dei tempi di sviluppo e sull’automazione dei processi.
Il mercato sta mandando segnali contrastanti ma indicativi. Se da un lato Google ha accelerato dichiarando che oltre il 75% del suo codice viene ormai generato dall’IA, dall’altro si registrano frenate brusche dovute alla sostenibilità dei modelli: la recente decisione di GitHub di sospendere i nuovi abbonamenti Copilot è un campanello d’allarme sulla sostenibilità economica di questa infrastruttura a fronte di consumi fuori controllo.