Tokenmaxxing: quando bruciare token diventa una metrica aziendale

Un ingegnere di Meta, nome non pubblico, ha consumato 281 miliardi di token in 30 giorni. A listino Anthropic, parliamo di un conto da oltre 1,4 milioni di dollari di sola inferenza. Non in un dipartimento. In una singola persona.

Come si è scoperto? Un altro ingegnere — stufo, divertito, o entrambe le cose — aveva messo su una dashboard interna chiamata Claudeonomics, visibile a tutti i dipendenti sulla intranet aziendale. Aggregava l'uso di token di oltre 85.000 persone, assegnava badge come "Token Legend", "Session Immortal", "Cache Wizard", e stilava la classifica dei primi 250. Nei 30 giorni osservati, Meta ha bruciato 60 trilioni di token. Circa 900 milioni di dollari.

Poi la notizia è uscita su The Information. Due giorni dopo, la dashboard era offline.

Benvenuti nel tokenmaxxing.

Il trend in una riga

Tokenmaxxing è la pratica — adesso quasi un meme, ma con conseguenze reali sul portafoglio — di massimizzare il consumo di token AI come se fosse una metrica di produttività. Più token bruci, più sei produttivo. Almeno secondo la metrica.

La parola arriva dagli engineer stessi, con quel suffisso "-maxxing" che nel gergo online significa spingere un parametro al massimo. In sei settimane è passata da meme interno a tema di copertina: ne hanno parlato Fortune, TechCrunch, Built In, e Gergely Orosz ci ha dedicato un numero del suo The Pragmatic Engineer.

Il trigger vero è stato Meta. Ma il fenomeno è diffuso: OpenAI ha una sua leaderboard interna (top user: 210 miliardi di token in una settimana), Sequoia Capital ha una leaderboard dei suoi dipendenti, Built In riporta che Visa brucia circa un trilione di token al mese, e The Pragmatic Engineer cita pratiche analoghe in Microsoft e altre aziende (Salesforce, al contrario, sta lanciando una metrica alternativa — le "Agentic Work Units" — come risposta al fenomeno).

Come si gonfia il conteggio

Qui entra la parte che Orosz aveva previsto in una riga: "I dev gameranno qualsiasi target legato a bonus o promozioni. Questa volta non è diverso."

Tra i metodi documentati da Edgen e dai thread interni trapelati:

Prompt lunghissimi — allegare interi repository al contesto, anche quando non serve
Agenti in parallelo — più sessioni aperte contemporaneamente, la maggior parte in idle, che bruciano token senza produrre nulla
Bot di trascrizione meeting — l'engineer collega un bot che trascrive ogni call, e il consumo viene attribuito al suo account
Modifiche triviali in massa — far generare all'agente migliaia di modifiche irrilevanti al codice

Un caso analogo segnalato in Amazon: uno script che gonfiava artificialmente il count di 10x. Ad aprile il consumo aziendale di Meta sui modelli Anthropic è passato da 6 a 73 trilioni di token in 30 giorni. Una crescita che nessun trend organico giustifica.

La linea dei leader tech

Il cortocircuito è che il tokenmaxxing non nasce dal basso. Nasce perché il management lo premia, o almeno lo suggerisce.

Tre citazioni che fanno da cornice:

Andrew Bosworth, CTO di Meta: "Posso immaginare che in futuro ogni ingegnere della nostra azienda avrà bisogno di un budget annuale di token." E ha aggiunto che il suo miglior ingegnere spende in token l'equivalente del suo stipendio, ma è 5-10 volte più produttivo.

Jensen Huang, CEO Nvidia (GTC 2026): "Se un ingegnere da 500k non usa almeno 250k di token, mi preoccupo seriamente."

Sonya Huang, Sequoia Capital: "Dovremmo tutti fare tokenmaxxing. La cosa che conta di più è che i dipendenti diventino profondamente AI-aware."

Tre messaggi diversi ma convergenti: il consumo di token è un segnale di adozione, e l'adozione è un proxy di produttività. Chi non spende, non è aggiornato. Chi non è aggiornato, è il prossimo a uscire dalla lista dei nomi dopo il prossimo layoff.

Perché è un problema (anche se suona ragionevole)

Il ragionamento dei CTO non è assurdo. In una fase di transizione tecnologica, chi non prova gli strumenti resta indietro. Ma tra "prova gli strumenti" e "burna più token possibile" ci sono due salti logici che fanno a pezzi la metrica.

Primo salto: token ≠ output. Un agente che genera mille PR triviali consuma più token di uno che genera una singola PR ben pensata. La metrica premia il rumore, non il segnale.

Secondo salto: l'incentivo diventa sprecare. Se la tua posizione in classifica dipende dal consumo, razionalmente ti conviene tenere gli agenti accesi anche quando non servono. È la stessa dinamica delle "righe di codice" come metrica — e sappiamo tutti come è finita, quando è stata provata.

Orosz lo ha scritto con lo stile secco che lo contraddistingue: "Probabilmente è il trend con la vita più breve, perché è talmente dispendioso." Prima o poi qualcuno fa il conto dei 900 milioni bruciati in un mese in una sola azienda, e la dashboard viene staccata. Come è successo a Meta dopo 48 ore.

Il lato umano: brain fry e psicosi

Oltre al costo, c'è un tema che si sta facendo largo tra i ricercatori: chi burna token 16 ore al giorno sta bene?

Karpathy, in un post di marzo, ha descritto uno stato che ha chiamato "AI psychosis" — la sensazione di perdere il contatto con il codice quando deleghi tutto agli agenti e ti limiti a guardarli lavorare in parallelo. Uno studio congiunto di Boston Consulting Group e UC Riverside usa l'espressione "brain fry" per indicare il sovraccarico cognitivo da AI, correlato a più errori e a una maggiore propensione a cambiare lavoro.

Non è un argomento da newsletter wellness. È il motivo per cui la metrica "token consumati" è doppiamente cattiva: penalizza chi rallenta per pensare. E chi rallenta per pensare è, statisticamente, chi produce ancora il codice che funziona davvero.

Le alternative (esistono)

Se l'obiettivo è misurare se l'AI sta davvero spostando l'ago della bilancia, ci sono metriche migliori di "quanti token hai bruciato". Ne cito tre, tutte citate negli stessi articoli che raccontano il tokenmaxxing:

Tempo risparmiato per task — misurabile, concreto, confrontabile
Revenue attribuibile ad automazione AI — cosa ha generato che prima non generavi
Qualità dell'output (review umana) — se il codice finisce in prod senza rework

Brandon Sammut di Zapier lo sintetizza così: "Automatizzare il reporting settimanale, risparmiare sei ore a settimana e generare il 15% di lead in più ha più impatto che usare strumenti AI regolarmente." Non è un'eresia. È come si misurava la produttività prima che i token diventassero un feticcio.

Cosa vediamo da qui

Il tokenmaxxing sparirà, probabilmente in fretta. Non perché il management diventerà saggio — ma perché i CFO stanno iniziando a fare i conti. Le spese AI aziendali sono quadruplicate negli ultimi anni, e 900 milioni di dollari di inferenza in un mese in una sola azienda non passano inosservati a chi firma i bilanci.

Quello che resterà è la domanda vera: come misuri davvero se un engineer sta usando bene l'AI, senza trasformare la misura in un gioco? Non abbiamo ancora la risposta. Ma sappiamo due cose.

La prima: la risposta non è "conta i token".

La seconda: se sei in un'azienda dove stanno costruendo una leaderboard di token, probabilmente è il momento di fare una domanda a chi ti ha assunto. Magari prima che la dashboard venga rimossa — come a Meta — quando la cosa diventa troppo imbarazzante per restare online.

Fonti: