Uber afferma di aver individuato un approccio più sostenibile alla diffusione dell'IA dopo aver esaurito l'intero budget per l'intelligenza artificiale del 2026 entro i primi mesi dell'anno.

In un'intervista con The Information all'inizio di quest'anno, il chief technology officer di Uber Praveen Neppalli Naga ha riconosciuto di essere tornato "alla lavagna" sulle allocazioni di spesa dopo che l'azienda aveva incoraggiato i dipendenti a utilizzare gli strumenti di IA — in particolare Claude Code di Anthropic, un assistente di programmazione basato sull'IA che aiuta gli ingegneri a scrivere, sottoporre a debug e revisionare il software — il più ampiamente possibile. Uber aveva persino creato delle "classifiche" interne per classificare i software engineer in base all'utilizzo degli strumenti di IA.

La spinta rifletteva una tendenza aziendale più ampia nota come "tokenmaxxing", in cui le aziende incentivavano l'adozione dell'IA sul posto di lavoro, per poi ritirarsi quando i rendimenti dell'investimento non riuscivano a giustificare la spesa accelerata. Il termine deriva dai token — le unità di base di testo che i large language model elaborano e su cui i fornitori fatturano — rendendo il consumo grezzo di token una proxy approssimativa della spesa in IA. Uber non faceva eccezione, ma Naga ha dichiarato che l'azienda ha da allora sviluppato un modello di diffusione più efficiente.

"Stiamo osservando alcune tendenze molto interessanti sui costi dell'IA," ha scritto Naga in un post su X mercoledì. "Penso che sia un altro segnale che ci stiamo avvicinando alla fine della cosiddetta era del tokenmaxxing."

Naga ha spiegato che Uber ha quadruplicato il numero di dipendenti che utilizzano strumenti di IA frontier, il che ha ridotto il costo per token. L'azienda ci è riuscita grazie al miglioramento del prompt caching, alla modifica delle impostazioni predefinite dei modelli, alla valutazione dell'efficienza dei nuovi modelli e all'introduzione di cruscotti che consentivano agli ingegneri di monitorare l'utilizzo di IA e i costi su base oraria.

"Ci si potrebbe aspettare che i costi aumentino con l'accelerazione dell'adozione," ha proseguito Naga. "Abbiamo visto il contrario. Non perché abbiamo limitato l'accesso, ma perché abbiamo trattato l'efficienza come un problema di ingegneria piuttosto che come un problema di budget."

Rendimenti dell'IA: sfide crescenti

La pressione aumenta sulle aziende perché dimostrino i rendimenti dei sostanziali investimenti in IA. A luglio, Jim Reid, responsabile globale della ricerca macro e tematica presso il Deutsche Bank Research Institute, ha avvertito che i guadagni di produttività dell'IA sono ancora a anni di distanza.

Secondo Apollo, i margini di profitto dei Magnificent Seven — Apple, Microsoft, Nvidia, Alphabet, Amazon, Meta e Tesla — sono passati dal 15% al 25% tra il primo trimestre del 2023 e il primo trimestre del 2026, mentre il resto dello S&P 500 ha registrato solo una crescita dei margini del 10% nello stesso periodo — il che suggerisce rendimenti limitati dagli investimenti in IA al di fuori del settore tecnologico in senso stretto.

A maggio, Uber stava ancora cercando di tradurre gli investimenti in IA in miglioramenti misurabili dei prodotti.

"Quel legame non c'è ancora," ha dichiarato il presidente e chief operating officer di Uber Andrew Macdonald in un'apparizione al podcast Rapid Response. "Forse implicitamente c'è di più che viene consegnato, ma è molto difficile tracciare una linea tra una di quelle statistiche e 'Ok, ora stiamo davvero producendo il 25% in più di funzionalità utili per i consumatori.'"

Il paradosso di Jevons incombe sulla spesa per l'IA

Anche mentre Uber sviluppa strategie per ridurre i costi per token, l'azienda si trova di fronte a un rischio che gli economisti hanno da tempo evidenziato: il paradosso di Jevons, per cui la spesa totale per una risorsa aumenta anche quando il suo costo unitario diminuisce.

Prende il nome dall'economista del XIX secolo William Stanley Jevons, che nel 1865 osservò come il consumo di carbone fosse aumentato drasticamente nonostante il motore a vapore di Watt rendesse l'uso del carbone più efficiente. Il concetto si sta ora manifestando nell'IA.

Secondo il Silicon Data Token Expenditure Index, il prezzo di un singolo token è sceso di oltre il 90% dal 2023, ma la spesa per i large language model è raddoppiata dalla fine dell'anno scorso.

"Man mano che i token diventano più economici, le aziende non spendono meno, ma eseguono più agenti di IA, automatizzano più flussi di lavoro e generano più codice, spingendo la spesa aggregata verso l'alto anche quando il costo unitario dell'intelligenza crolla," ha scritto in un recente post sul blog il chief economist di Apollo Torsten Slok.

Un brief di Bain & Co. pubblicato a giugno ha rafforzato questa conclusione. Ha rilevato che i costi dei token si sono dimezzati da dicembre 2024 al 2025, mentre i token consumati sono cresciuti del 450% nello stesso periodo, via via che le aziende aggiornavano i propri strumenti di IA.

Naga ha segnalato un cambiamento nella filosofia di Uber verso la priorità della qualità rispetto alla quantità nella spesa per i token, sebbene non abbia rivelato se l'azienda stia consumando più o meno potenza di calcolo rispetto all'inizio dell'anno.

"Questo è il futuro dell'IA applicata su scala aziendale," ha concluso. "La prossima fase, come la vogliamo chiamare, non sarà caratterizzata da chi spende più token, ma da come le persone li utilizzano nel modo più efficiente possibile."

Questo articolo è stato originariamente pubblicato su Fortune.com.