Secondo quanto riportato da Axios, Uber ha esaurito l'intero budget destinato all'intelligenza artificiale per l'anno 2026 in soli quattro mesi. Una dinamica simile è stata confermata dalla divisione di deep learning applicato di Nvidia, dove i vertici hanno dichiarato che i costi di calcolo superano di gran lunga le spese sostenute per il personale dipendente.
Un fattore che contribuisce a questa esplosione dei costi è la metrica aziendale definita Tokenmaxxing, attualmente adottata da aziende come Spotify, Meta, Nvidia e Uber. Questa pratica valuta le prestazioni dei dipendenti in base al volume di "token" (unità di elaborazione dati) generati tramite l'uso dell'IA. Gli analisti di settore criticano questo approccio, evidenziando come incentivi un utilizzo puramente quantitativo della tecnologia, disconnesso dalla produttività reale, e generi di conseguenza inefficienze operative e carichi infrastrutturali esorbitanti.
I precedenti: dallo studio del MIT al caso Amazon
I dubbi sulla reale convenienza economica dell'intelligenza artificiale trovano fondamento in recenti analisi accademiche e fallimenti aziendali:
Lo studio del MIT (2024): I ricercatori hanno calcolato che l'IA può sostituire in modo economicamente vantaggioso solo il 23% delle mansioni di base. Nel restante 77% dei casi, l'assunzione di personale umano si conferma l'opzione più economica. Il report prevede che, anche ipotizzando un calo dei prezzi dell'IA del 20% annuo, ci vorranno decenni per rendere l'automazione la scelta più conveniente sul mercato.
Il fallimento di Amazon "Just Walk Out": I negozi senza casse, progettati per utilizzare telecamere e sensori IA al posto del personale, hanno richiesto l'assunzione di oltre mille lavoratori da remoto per verificare manualmente il 70% delle transazioni a causa degli errori sistematici del software. I costi operativi hanno ampiamente superato quelli del personale di cassa tradizionale, portando Amazon alla chiusura di quasi tutti i punti vendita coinvolti.
Il rincaro delle infrastrutture e la riduzione dei sussidi
L'ecosistema dell'intelligenza artificiale si regge attualmente su ingenti sussidi commerciali. Microsoft e società specializzate in data center come Coreweave affittano potenza di calcolo a OpenAI a tariffe pesantemente scontate, operando spesso con margini negativi. Nonostante queste agevolazioni infrastrutturali, le proiezioni indicano che OpenAI potrebbe registrare perdite superiori ai 10 miliardi di dollari nel 2025, operando in rosso persino sugli abbonamenti di fascia alta da 200 dollari mensili.
In vista di potenziali offerte pubbliche iniziali (IPO) per società come OpenAI, Anthropic e xAI, queste aziende saranno sottoposte a un maggiore controllo finanziario per dimostrare redditività. Ciò porterà inevitabilmente a una drastica riduzione delle sovvenzioni attuali. A questo scenario si aggiunge l'aumento sistemico dei costi energetici, infrastrutturali e di approvvigionamento dei microchip, un fenomeno di carenza definito nel settore Rampocalypse.
Gli effetti sui prezzi finali per l'utilizzo dell'IA sono già evidenti: l'infrastruttura ChatGPT 5.2 di OpenAI ha registrato un costo di 1,75 dollari per token, segnando un rincaro del 40% in pochi mesi rispetto alla versione precedente, ChatGPT 5.1, venduta a 1,25 dollari.
Se da un lato gli attuali limiti economici dell'intelligenza artificiale allontanano il rischio di licenziamenti di massa nel breve termine, dall'altro gli osservatori economici evidenziano un paradosso critico. Il fatto che un'infrastruttura informatica globale risulti più costosa di un dipendente in carne ed ossa solleva interrogativi sull'attuale stagnazione salariale. I dati confermano che, dal punto di vista puramente contabile, la manodopera umana rimane oggi la risorsa più economica a disposizione delle aziende.