Il costo dell'intelligenza artificiale per Uber: un bilancio da rivedere Negli ultimi anni, l'intelligenza artificiale (IA) è stata presentata come il futuro delle aziende, promettendo un aumento esponenziale di produttività e innovazione. Tuttavia, Uber ha recentemente evidenziato un aspetto meno…
Il costo dell’intelligenza artificiale per Uber: un bilancio da rivedere
Negli ultimi anni, l’intelligenza artificiale (IA) è stata presentata come il futuro delle aziende, promettendo un aumento esponenziale di produttività e innovazione. Tuttavia, Uber ha recentemente evidenziato un aspetto meno roseo di questa narrativa: l’uso intensivo di strumenti di IA, come Claude Code, non sempre porta a risultati tangibili. La questione centrale è la difficoltà nel misurare il ritorno sugli investimenti, sollevando interrogativi su come le aziende possano sfruttare al meglio queste tecnologie emergenti.
L’aumento dei costi e l’assenza di risultati
Andrew Macdonald, presidente e COO di Uber, ha messo in luce l’importanza di stabilire un legame diretto tra il consumo di token nell’uso dell’IA e i risultati pratici ottenuti. Infatti, il budget dedicato all’IA è stato rapidamente esaurito, riservando sorprese ai team tecnici. Il CTO Praveen Neppalli Naga ha rivelato che, nonostante l’adozione di strumenti di coding assistito sia elevata — con il 95% degli ingegneri che li utilizza almeno mensilmente — il consumo di token cresciuto esponenzialmente non si traduce necessariamente in un incremento delle funzionalità per gli utenti finali. Ogni volta che un modello viene attivato per interagire con il codice, ci si trova di fronte a un aumento dei costi che non è ancora giustificato dai risultati.
La necessità di una misurazione più rigorosa
Macdonald ha sottolineato che, nonostante l’impatto positivo percepito nei flussi di lavoro, non è facile trovare una correlazione tra l’aumento dei token e una crescita misurabile nei progetti realizzati. Questo solleva un’importante riflessione sul modo in cui le aziende, comprese quelle italiane, devono approcciare l’adozione dell’IA. La fase pilota e di esplorazione è ovviamente necessaria, ma è fondamentale definire metriche chiare per valutare l’effettivo ritorno operativo. Indicatori come il costo per pull request, la qualità del codice generato e il tempo risparmiato diventeranno sempre più cruciali per giustificare l’uso della tecnologia.
L’applicazione pratica e le decisioni strategiche
La situazione di Uber mette in evidenza come l’IA debba essere considerata non più solo come una “voce sperimentale” ma come una spesa operativa da giustificare di fronte alla direzione aziendale. In un contesto dove le pressioni su budget, assunzioni e roadmap sono sempre più forti, le aziende potrebbero dover prendere decisioni difficili: dall’integrazione di strumenti più controllabili all’implementazione di soglie rigide per i casi d’uso. Questa transizione è fondamentale per ridurre i costi e garantire che l’investimento in IA porti a risultati concrete e misurabili.
Conclusione
In un mondo dove l’IA sta diventando sempre più centrale nelle strategie aziendali, il caso di Uber funge da avvertimento per le aziende italiane e non solo. È essenziale che l’adozione di queste tecnologie avvenga con una chiara comprensione dei costi e dei benefici. Stabilire metriche chiave per valutare il ritorno sull’investimento e adottare pratiche più rigorose nella gestione dei budget AI possono aiutare le aziende a ottimizzare le risorse e massimizzare il valore. In questo modo, non si limiteranno a seguire la tendenza, ma potranno effettivamente trarre vantaggio dall’innovazione tecnologica.
