Il licenziamento dei dipendenti a causa dell’implementazione dell'IA si rivela economicamente ineficiente, poiché risulta più costoso.

Breve sulla situazione

Le moderne corporazioni stanno sempre più facendo usare l’IA ai propri dipendenti per aumentare l’efficienza del lavoro. Tuttavia le spese per queste tecnologie crescono più rapidamente del loro ritorno economico, e molte aziende già affrontano difficoltà finanziarie.

1. Microsoft: passaggio da Claude Code a GitHub Copilot CLI
- Cosa è successo

- Nel corso di sei mesi Microsoft ha introdotto nei suoi progetti l’IA‑programmatore Anthropic Claude Code, incoraggiando gli sviluppatori a sperimentare con esso.

- Ora l’azienda sta annullando la maggior parte delle licenze lavorative su Claude Code e spostando gli ingegneri verso il proprio strumento GitHub Copilot CLI.

- Perché è importante

- Nonostante la rinuncia alle licenze, Microsoft continua a investire in Anthropic: 5 miliardi di dollari di investimento e l’impegno ad acquistare capacità computazionali Azure per 30 miliardi di dollari.

2. Uber: flusso “budget” dell’IA
- Situazione

- In quattro mesi gli ingegneri di Uber hanno esaurito tutto il budget destinato all’IA fino al 2026.

- Precedentemente la direzione aveva incentivato l’implementazione dell’IA, anche creando classifiche dei dipartimenti per l’utilizzo delle tecnologie.

- Conclusioni

- Il costo di implementazione dell’IA diventa un serio ostacolo: il vicepresidente Nvidia per l’apprendimento profondo Brian Catanzaro ha notato che le spese per le risorse computazionali superano gli stipendi dei dipendenti.

3. Altri grandi attori
Azienda Misura di incentivo Problema
Meta ✴ Tabella leader “Clodonomica” (in onore di Anthropic Claude) Aumento del costo dei token con pagamento a consumo
Amazon Raccomandazione “massimizzare l’uso dei token IA” Incremento delle spese per calcolo

4. Previsioni e analisi
- Goldman Sachs

- Entro il 2030, il consumo di token IA potrebbe aumentare di 24 volte, raggiungendo 120 quadrilioni di token al mese.

- Anche con la riduzione del prezzo per token, le spese totali per l’IA continueranno a crescere.

- Gartner

- Il deployment di modelli con un trilione di parametri entro il 2030 potrebbe diventare più economico del 90 % rispetto al 2025.

- Tuttavia i modelli gestiti da agenti IA consumano più token rispetto alle soluzioni standard, quindi la riduzione dei costi non sempre compensa l’aumento delle spese.

5. Conseguenze per il business
- Rischio finanziario – le aziende potrebbero incorrere in spese impreviste di calcolo se il consumo di token supera la prevista diminuzione dei prezzi.

- Pianificazione delle strategie IA – i dirigenti devono rivedere budget e modelli di monetizzazione per evitare investimenti “persi” nell’IA.

6. Conclusione
L’implementazione dell’intelligenza artificiale rimane una priorità per i grandi giganti tecnologici, ma le crescenti spese di calcolo e token creano nuove sfide. Le aziende sono costrette a bilanciare il desiderio di aumentare la produttività dei dipendenti con le reali limitazioni finanziarie.