Secondo un rapporto dell'Associated Press, la mania aziendale del "tokenmaxxing" sulla tecnologia dell'intelligenza artificiale sta raggiungendo i suoi limiti poiché i luoghi di lavoro che utilizzano l'intelligenza artificiale ovunque vedono aumentare i costi senza un simile picco di produttività.
Ciò che era iniziato come una campagna pubblicitaria alimentata dall'industria tecnologica nella primavera del 2026 per spremere quanto più lavoro possibile generato dall'intelligenza artificiale da prodotti come ChatGPT di OpenAI e Claude di Anthropic si è trasformato in una reazione estiva. Dirigenti, analisti e sviluppatori si stanno ora chiedendo apertamente se massimizzare il consumo di token AI sia mai stata una strategia valida. Per una copertura continua del panorama aziendale dell'IA, visita il nostro ultimo report sul settore dell'IA.
Ascesa e caduta di una moda passeggera
"Tokenmaxxing" si riferisce alla massimizzazione dell'utilizzo dei token, gli elementi costitutivi dell'intelligenza artificiale generativa che corrispondono a piccole porzioni di testo che un sistema di intelligenza artificiale legge o scrive. Ogni token rappresenta circa tre quarti di una parola e i fornitori di intelligenza artificiale in genere impongono limiti di utilizzo, con abbonamenti più costosi che offrono limiti più elevati.
La tendenza è stata attivamente promossa da alcuni dei leader più importanti della tecnologia. Il CEO di OpenAI Sam Altman ha dichiarato nel maggio 2026 di essere "entusiasta di vedere cosa accadrà con le startup tokenmaxxing, sia per il modo in cui lavorano internamente che per i prodotti che possono costruire". Il CEO di Nvidia Jensen Huang ha dichiarato che "se il tuo ingegnere da $ 500.000 non sta bruciando $ 250.000 in token, qualcosa non va". Meta, la società madre di Facebook, ha organizzato un concorso interno premiando un elevato utilizzo di token.
Ma man mano che i costi si accumulavano, l’entusiasmo scemava. "Quando le bollette hanno iniziato ad accumularsi, le persone si sono rese conto che questi nuovi strumenti sono piuttosto costosi e che è necessario utilizzarli con saggezza", ha affermato Vincent Gusdorf, responsabile dell'analisi dell'intelligenza artificiale presso Moody's Ratings e autore di un nuovo rapporto che raccomanda un approccio più disciplinato.
"È molto semplice creare qualcosa che non ti serve con l'intelligenza artificiale", ha aggiunto Gusdorf.
Contraccolpo dell'esecutivo
La reazione è stata guidata da alcune delle voci più influenti del settore tecnologico. Il CEO di Microsoft Satya Nadella ha ammesso che il tokenmaxxing può creare dipendenza, ma ha avvertito che i clienti pagano effettivamente due volte per l'intelligenza artificiale: prima spendendo sui token e poi fornendo i propri dati proprietari ai fornitori di intelligenza artificiale. I commenti di Nadella sono stati insoliti nel modo in cui ha sollevato dubbi sulle garanzie di protezione dei dati delle principali aziende di intelligenza artificiale, anche se promuoveva la strategia AI di Microsoft.
Il CEO di Palantir, Alex Karp, è andato oltre, dicendo alla CNBC che qualcosa era andato “completamente storto”. Ha detto che stava canalizzando la voce delle imprese americane in privato "furive" riguardo al pagamento di enormi somme per token che non creano alcun valore.
"La visione di base tra le imprese di questo paese è: 'Mi rilasserò e perderò il mio tempo con i token. Non otterrò alcun valore e loro prenderanno il mio IP'", ha detto Karp.
Il chief technology officer di Mozilla, Raffi Krikorian, ha paragonato il tokenmaxxing alla pratica screditata di misurare la produttività dei programmatori tramite righe di codice. "Penso che il tokenmaxxing si stia muovendo esattamente nello stesso modo", ha detto. "Penso che questo sarà un fatto interessante di cui tutti guarderemo indietro per ridere tra un anno."
Il problema dei costi su larga scala
L’impatto finanziario diventa notevole su scala aziendale. Jue Wang, consulente di gestione di Bain & Company, ha affermato che molte delle grandi aziende a cui la sua azienda fornisce consulenza hanno esaminato più attentamente i rendimenti dei loro investimenti nell’intelligenza artificiale.
"Il costo simbolico per loro è raddoppiato, quasi ogni due mesi", ha detto Wang. "Diciamo $ 200 per sviluppatore al mese. Moltiplicalo per 20.000 sviluppatori, che è spesso ciò con cui abbiamo a che fare in queste aziende, e questo ti porta rapidamente a un numero che non è un elemento pubblicitario che nessun direttore generale ha pianificato."
Wang ha sottolineato un modello di abuso comune: ricorrere ai modelli di intelligenza artificiale più potenti – e più costosi – per attività che non li richiedono. "Non tutto ha bisogno di un Claude Opus 4.6", ha detto di uno dei modelli più capaci di Anthropic, adatto all'ingegneria del software o alla ricerca approfondita. "Eppure vedi così tante aziende, così tanti utenti, utilizzare Opus per impostazione predefinita per tutto, inclusa la generazione di e-mail."
L'ascesa del model routing e dei pesi aperti
La pressione sui costi ha alimentato la domanda di strumenti di “model routing” di intelligenza artificiale che inviano automaticamente query più semplici a sistemi di intelligenza artificiale più economici ed efficienti, riservando modelli potenti per compiti complessi. Lo sviluppatore di software Hassan El Mghari, che guida l'esperienza degli sviluppatori presso la startup Together AI, ha affermato che lo shock adesivo delle aziende per la "ridicola quantità di denaro" spesa per abbonamenti a prodotti AI da parte delle principali aziende statunitensi ha portato molti a ripensare l'approccio di massimizzazione dell'utilizzo.
"È meglio dare ai dipendenti la possibilità di sapere come usare queste cose e lasciare che usino l'intelligenza artificiale quando e quanto ne hanno bisogno", ha detto El Mghari.
Nel frattempo, i sostenitori dell’elevato consumo di token stanno trovando nuove munizioni nei modelli open-weight di startup cinesi come Kimi di Moonshot e GLM di Zhipu, che quasi eguagliano le capacità dei principali modelli statunitensi a una frazione del costo. Krikorian ha riconosciuto che esiste "una certa validità nella teoria secondo cui questo potrebbe spingere il tokenmaxxing un po' oltre", ma ha sostenuto che la tendenza più ampia del settore è verso un uso più disciplinato.
Lezioni per l'impresa
L'episodio tokenmaxxing offre un ammonimento per le aziende che navigano nel panorama dell'intelligenza artificiale. Sebbene i principali sviluppatori di modelli di intelligenza artificiale come OpenAI e Anthropic abbiano beneficiato dell’impennata dei consumi, l’esperienza ha spinto molte organizzazioni ad adottare approcci più misurati, concentrandosi su casi d’uso specifici in cui l’intelligenza artificiale offre rendimenti misurabili anziché massimizzare i parametri di utilizzo grezzi.
Man mano che il ciclo iniziale di hype sull’intelligenza artificiale lascia il posto a un’implementazione pragmatica, le aziende che avranno successo potrebbero essere quelle che trattano l’intelligenza artificiale come uno strumento di precisione piuttosto che come uno strumento ottuso, abbinando il modello giusto al compito giusto e tenendo d’occhio il conto.
