Adam Mosseri, responsabile di Instagram, ha preannunciato un futuro prossimo in cui i costi legati all'uso interno dell'intelligenza artificiale richiederanno una gestione più rigorosa. Secondo Mosseri, entro uno o due anni, il burn rate di un ingegnere qualificato potrebbe eguagliare il suo stipendio o il costo complessivo del suo impiego, rendendo indispensabile l'introduzione di limiti ai token AI utilizzati per elaborare prompt e risposte.
Costi dell'AI e classifiche interne
L'attenzione sui costi dell'AI è aumentata significativamente dopo che Meta ha deciso di chiudere una classifica interna, nota come 'Claudeonomics', che monitorava il consumo di token da parte degli ingegneri.
Nelle settimane precedenti a questa decisione, l'azienda aveva rilevato un utilizzo di oltre 73,7 trilioni di token in circa un mese. Questa cifra, anche con stime prudenti, si traduce in centinaia di milioni di dollari mensili, con proiezioni di spesa annuale che potrebbero raggiungere i miliardi.
Il fenomeno del 'tokenmaxxing'
La presenza di tali classifiche aveva generato il fenomeno del 'tokenmaxxing', un comportamento in cui gli ingegneri erano incentivati a consumare un elevato numero di token, anche per attività di scarso valore, al fine di migliorare la propria posizione. Questo ha contribuito a un'escalation dei costi e ha sollevato interrogativi sull'effettiva utilità di tale metrica come indicatore di produttività.
La visione di Mosseri sulla gestione dei token
Mosseri propone che i token AI debbano essere gestiti alla stregua di qualsiasi altra risorsa aziendale, come il costo del personale (payroll) o le spese operative (OpEx). Suggerisce l'implementazione di limiti proporzionati alla fiducia nella capacità dell'ingegnere di impiegare tali risorse in modo 'ROI-positivo'. Inoltre, il responsabile di Instagram anticipa una futura 'guerra dei prezzi' tra i produttori di modelli AI, che dovrebbe portare a una diminuzione del costo per token e, di conseguenza, a una riduzione dei costi complessivi nel lungo periodo.
La strategia di Meta per ottimizzare i costi AI
Attualmente, Meta ha intrapreso azioni per eliminare quelle che Mosseri ha definito 'le cose stupide' che consumavano token senza generare valore, evidenziando un chiaro intento di focalizzarsi su applicazioni AI più produttive.
Questa iniziativa è affiancata dall'introduzione di dashboard per il monitoraggio dei costi in tempo reale, dall'implementazione di quote per i team nel 2026 e da programmi più stringenti previsti per il 2027, segnali di una chiara direzione verso una governance dei costi AI più rigorosa.
Un trend di razionalizzazione nel settore AI
La prudenza adottata da Meta non è un caso isolato nel panorama tecnologico. Altre grandi aziende, come Amazon, hanno già disattivato classifiche simili, riscontrando sprechi e comportamenti incentivati in modo improduttivo, con indicazioni chiare ai team di 'non usare l'AI solo per usarla'. Il settore sta assistendo a un cambiamento di paradigma, con le organizzazioni che si stanno allontanando dalla mera quantificazione dei token consumati per concentrarsi sul valore concreto generato, collegando gli investimenti in AI a metriche di impatto misurabile.
Questa evoluzione riflette una logica chiara: se l'intelligenza artificiale è destinata a diventare un elemento strutturale della produttività aziendale, il suo impiego non può più basarsi su una sperimentazione illimitata, ma deve essere orientato a ottenere risultati reali e sostenibili.
Implicazioni e prospettive future
L'ipotesi di Mosseri, secondo cui i 'token budget' potrebbero presto equivalere allo stipendio di un ingegnere, indica un significativo cambio di paradigma. Il monitoraggio centralizzato e la previsione dei costi sono destinati a diventare pratiche standard, con l'assegnazione di budget individuali o per team, soggetti a revisione in base al product-market fit, ai risultati economici e al ROI operativo.
Qualora i costi dei token diventassero così rilevanti da competere con le spese del personale, le funzioni finanziarie aziendali, in collaborazione con le direzioni engineering e AI, dovranno aggiornare le proprie metriche. Sarà necessario integrare nuovi indicatori di performance legati all'uso dell'AI, all'automazione e alla produttività effettiva.
Infine, se la 'guerra dei prezzi' sui modelli AI dovesse portare a una sostanziale riduzione dei costi per token, le attuali restrizioni potrebbero essere allentate in futuro, in particolare per i progetti strategici o ad alto contenuto innovativo. Indipendentemente da ciò, la tendenza è chiara: si sta passando da una fase di sperimentazione con spese contenute a una fase di governance e controllo rigoroso dei costi.
Meta sta, di fatto, delineando una nuova rotta: l'intelligenza artificiale non è più vista solo come un vantaggio competitivo, ma come una voce di costo che richiede gestione disciplinata e una forte focalizzazione sul valore generato.
