Uber ha esaurito il budget AI annuale in soli quattro mesi e il COO Andrew Macdonald ammette che non c'è un legame misurabile tra spesa in AI e funzionalità utili consegnate agli utenti.
Questa dichiarazione apre un interrogativo più ampio su come le aziende tech misurino il ritorno reale degli investimenti in intelligenza artificiale.
Uber ha consumato l’intero budget annuale dedicato all’intelligenza artificiale entro aprile 2026, quattro mesi dopo l’inizio dell’anno. Ma la domanda che preoccupa il management non è quanti token siano stati generati, bensì se tutto quel denaro abbia prodotto qualcosa di concreto per gli utenti finali.
Uber e gli investimenti AI: il problema della misurabilità
Andrew Macdonald, presidente e chief operating officer di Uber, ha rilasciato un’intervista a Rapid Response in cui ha ammesso apertamente che la connessione tra il consumo crescente di Claude Code di Anthropic e la consegna di funzionalità utili ai consumatori non è ancora dimostrabile. “Quel collegamento non c’è ancora”, ha detto Macdonald. “Forse implicitamente qualcosa viene spedito in più, ma è molto difficile tracciare una linea tra una di quelle statistiche e un effettivo 25 percento di funzionalità utili in più per i consumatori.”
Il problema non è tecnico ma strategico: come si giustifica una spesa che cresce a ritmo sostenuto quando i suoi effetti non si misurano in modo diretto? Macdonald ha indicato che nei prossimi trimestri la situazione potrebbe diventare più chiara, ma ha riconosciuto che oggi è difficile farlo, anche quando alcuni indicatori di base mostrano tendenze significative.
Token contro headcount: il nuovo equilibrio che non torna
Il tema si intreccia con una scelta già dichiarata dall’amministratore delegato di Uber, Dara Khosrowshahi: l’azienda sta compensando la crescita della spesa in intelligenza artificiale riducendo le assunzioni di personale umano. Una sostituzione che sulla carta sembra razionale, ma che diventa difficile da difendere se il rapporto costi-benefici rimane opaco.
“Dovremo cominciare a parlare di consumo di token e dei costi associati rispetto all’headcount”, ha detto Macdonald. Il punto è preciso: se non riesci a tracciare una linea diretta tra investimento AI e funzionalità prodotte, quella sostituzione diventa sempre più difficile da giustificare nei confronti del board e degli azionisti.
Uber ha investito 3,4 miliardi di dollari in ricerca e sviluppo nel 2025, il 9 percento in più rispetto all’anno precedente. Un aumento significativo che, per ora, non si traduce in metriche di output altrettanto chiare.
Non è un problema esclusivo di Uber. Come dimostrano le recenti riflessioni sul fenomeno del tokenmaxxing emerso in Amazon, la difficoltà di misurare il valore reale dell’AI nel flusso di lavoro aziendale è un tema diffuso nel settore, spesso aggravato da pressioni interne che incentivano l’uso dell’AI a prescindere dai risultati.
Un segnale che l’industria non può ignorare
Le dichiarazioni di Macdonald arrivano in un momento in cui gran parte delle aziende tech sta aumentando in modo aggressivo la spesa in AI scaricando sempre più spesso i maggiori costi sui prezzi finali per imprese e utenti consumer, e non di rado procedono senza framework consolidati per misurarne il ritorno. Meta ha recentemente annunciato licenziamenti massicci riposizionando migliaia di dipendenti su divisioni AI. Cloudflare ha tagliato il 20 percento della forza lavoro citando esplicitamente l’intelligenza artificiale. In tutti questi casi, la premessa è che l’AI produca valore sufficiente a compensare la riduzione del capitale umano.
Uber è forse la prima grande azienda a dire ad alta voce che quella premessa non è ancora verificabile con dati alla mano. Macdonald non ha messo in discussione l’AI come tecnologia, ma ha posto una questione metodologica seria: senza metriche di output affidabili, il consumo di token rischia di diventare un costo operativo senza un corrispettivo misurabile in prodotto. Il fatto che questa consapevolezza arrivi dall’interno di un’azienda che ha già esaurito il budget AI in quattro mesi rende la riflessione ancora più significativa. Se l’industria non sviluppa strumenti migliori per misurare il ritorno sugli investimenti in AI, il rischio è che la razionalizzazione dei costi diventi il vero driver delle decisioni, non la produttività.
