Il grande bluff dei costi dell’Intelligenza Artificiale: quando l’algoritmo costa più dell’ingegnere (e Microsoft stacca la spina)

L'illusione del risparmio: aziende come Microsoft e Uber stanno limitando l'uso dell'Intelligenza Artificiale tra i dipendenti. Il motivo? Le fatture per il consumo di "token" sono eccessive

Per due anni interi, le chiamate agli utili delle grandi aziende tecnologiche a Wall Street hanno seguito un unico, monotono copione: l’Intelligenza Artificiale ci renderà più efficienti, taglierà il personale e abbatterà i costi. I mercati finanziari hanno premiato questa narrazione con ondate di liquidità. Azienda licenzia dipendenti? Il titolo sale. Azienda annuncia l’integrazione dell’IA? Il titolo vola.

Eppure, dietro i trionfalismi di facciata, i primi veri stress test sull’adozione su larga scala stanno rivelando una realtà ben diversa e decisamente meno redditizia. I conti, banalmente, non tornano. Le aziende che stanno implementando l’IA a livello massivo stanno scoprendo un paradosso amaro: più i dipendenti la utilizzano, più la bolletta esplode, arrivando a superare il costo del lavoro umano che l’algoritmo avrebbe dovuto sostituire.

Il caso Microsoft: la ritirata strategica

L’esempio più clamoroso arriva proprio da chi sull’Intelligenza Artificiale ha scommesso il proprio futuro. Microsoft, che ha investito la bellezza di 5 miliardi di dollari in Anthropic, ha recentemente imposto un brusco stop interno. Sei mesi fa, l’azienda di Redmond aveva concesso l’accesso a Claude Code a migliaia di suoi ingegneri. L’adozione è stata fulminea e l’entusiasmo palpabile. Poi, però, sono arrivate le fatture.

Il modello di prezzo basato sui “token” (le unità fondamentali in cui l’IA scompone il testo e il codice) è implacabile: ogni singola interrogazione, ogni revisione di codice, ogni sessione di debug ha un costo incrementale. Moltiplicando questo consumo per circa 100.000 ingegneri, le cifre sono diventate semplicemente insostenibili. Il risultato? Microsoft ha diramato l’ordine di cancellare quasi tutte le licenze di Claude Code entro la fine di giugno, costringendo i propri sviluppatori a ripiegare su strumenti interni più economici oppure a ricominciare a programmare direttamente. L’azienda ha di fatto vietato ai propri dipendenti l’uso del prodotto in cui ha investito miliardi, per puro e semplice eccesso di costo.

Uber e il budget bruciato in quattro mesi

Se Microsoft piange, Uber non ride. Le dichiarazioni del CTO Praveen Neppalli Naga sono un campanello d’allarme per l’intera Silicon Valley: il budget destinato all’IA per l’intero anno è stato letteralmente “polverizzato” ad aprile.

La cronistoria del disastro contabile di Uber è emblematica degli eccessi di fiducia, e di costi, causati dalla AI:

• Dicembre 2025: Lancio interno di Claude Code.

• Marzo 2026: L’84% dei 5.000 ingegneri utilizza attivamente l’IA. Il 70% di tutto il nuovo codice informatico aziendale è generato dai sistemi automatizzati.

• Aprile 2026: Fine dei fondi, fine dei giochi.

I cosiddetti “utenti pesanti” stavano bruciando tra i 500 e i 2.000 dollari al mese in token. Lo stesso CTO ha ammesso di aver speso 1.200 dollari in una singola sessione dimostrativa di due ore. Uber aveva persino creato delle classifiche interne (leaderboards) per premiare chi usava di più l’IA, “gamificando” di fatto la spesa aziendale fino a mandare i conti in rosso. Come una società petrolifera che premiasse i dipendeni che bruciano più gasolio. Una follia.

La sintesi del disastro: una tabella dei costi

Il caso Nvidia è forse il più interessante. Bryan Catanzaro, VP of Applied Deep Learning di Nvidia – l’azienda che materialmente vende i chip su cui gira l’IA globale – ha dichiarato senza mezzi termini: “Per il mio team, il costo del calcolo va ben oltre i costi dei dipendenti”. Quando chi produce i picconi per la corsa all’oro ammette che scavare costa più dell’oro stesso, il mercato dovrebbe prendere appunti e pensare a dei correttivi. Qualcuno ha sbagliato i conti e sta vendendo troppo caro un prodotto ottimo.

Il paradosso economico e l’illusione di Wall Street

Ci troviamo di fronte a una classica dinamica da paradosso di Jevons. Goldman Sachs prevede un aumento di 24 volte del consumo di token entro il 2030 con l’arrivo degli “agenti IA” autonomi. Gartner stima che, sebbene il prezzo del singolo token crollerà del 90%, i costi totali per le imprese aumenteranno. Gli agenti IA consumano esponenzialmente più risorse per eseguire compiti in autonomia.

Mentre Meta crea dashboard chiamate “Claudeonomics” per monitorare chi spende di più e Amazon spinge al “tokenmaxx” (consumare più token possibili), Wall Street ignora ostinatamente il problema. Abbiamo 725 miliardi di dollari di spesa in infrastrutture IA quest’anno tra le Big Tech. Eppure, le aziende che per prime stanno implementando questi strumenti su larga scala stanno già tirando il freno a mano.

L’Intelligenza Artificiale si sta quindi autolimitando? La risposta è sì, e lo sta facendo attraverso la legge più inesorabile del mercato: quella dei rendimenti decrescenti. Se il costo per generare efficienza supera il risparmio generato, l’IA cessa di essere un volano produttivo e si trasforma in un buco nero per i capitali aziendali.

I risultati potrebbero essere drammatici: la crisi del 1907 fu devastante per il settore, allora nascente automobile e decimò le società operanti nel settore, facendo sopravvivere solo quelle più forti, efficienti e strutturate. Assisteremo a un “momento 1907” anche per la AI?