- Cos’è: Il tokenmaxxing è la pratica dei dipendenti tech di usare agenti AI in modo deliberatamente inutile solo per gonfiare il consumo di token e soddisfare i KPI aziendali.
- Le cause: Le aziende (come Amazon con il software MeshClaw) premono per dimostrare il ritorno sui miliardi investiti in AI, spingendo i dipendenti a simulare produttività per salvare il posto in un mercato instabile.
- I rischi: Oltre all’enorme spreco economico e di calcolo (GPU), incentivare l’uso massiccio di AI porta i dipendenti a disattivare i guardrail di sicurezza, esponendo i sistemi aziendali a gravi bug e perdite di dati.
Cos’è il tokenmaxxing
C’è un’espressione nuova che sta circolando nei corridoi di Amazon, e dice tutto quello che serve sapere sulla traiettoria attuale della tech industry. Si chiama tokenmaxxing, ed è la pratica di creare agenti AI deliberatamente inutili al solo scopo di gonfiare il proprio consumo di token AI tracciato dall’azienda. Non per essere più produttivi, non per risolvere problemi, ma per apparire più allineati alle metriche che la dirigenza ha deciso essere il segnale di “adozione AI” da premiare.
Il fenomeno è stato documentato in un report del Financial Times ripreso da Fast Company, ed è emerso da testimonianze di dipendenti Amazon anonimi. Il quadro è preciso: Amazon ha lanciato uno strumento AI interno chiamato MeshClaw, ispirato a una piattaforma esterna chiamata OpenClaw, e ha cominciato a tracciare quanto i dipendenti lo usano. Ufficialmente, le metriche non entrano nelle performance review. Ufficiosamente, i manager le guardano comunque, le leaderboard interne esistono, e la pressione per dimostrare adozione AI si è trasformata in una corsa al token che ha perso ogni connessione con la produttività.
Tradotto in linguaggio comune: l’AI doveva risolvere problemi. È diventata un problema che i dipendenti risolvono con altra AI inutile, per non perdere punti contro colleghi che fanno la stessa cosa. È il classico fallimento delle metriche aziendali quando vengono applicate in modo meccanicistico.
Cosa è MeshClaw e da dove viene
Secondo le testimonianze raccolte dal FT, MeshClaw è uno strumento AI interno di Amazon che permette ai dipendenti di deployare codice, smistare email, interagire con applicazioni come Slack e automatizzare task ripetitivi. Una nota interna citata da Fast Company descrive le sue capacità in termini che suonano quasi inquietanti: lo strumento “sogna durante la notte per consolidare ciò che ha imparato, monitora i tuoi deployment mentre sei in meeting, e triagia la tua email prima che tu ti svegli”.
MeshClaw è ispirato a OpenClaw, un altro strumento AI noto sia per le sue potenzialità di produttività sia per i suoi rischi. La caratteristica distintiva di entrambi gli strumenti è che girano in locale sull’hardware dell’utente, dando un livello di autonomia che la maggior parte degli agenti AI cloud-based non possiede. Questa autonomia, però, ha un costo in termini di sicurezza.
L’esempio più noto del rischio risale a inizio 2026, quando la direttrice di alignment di Meta Superintelligence Labs ha guadagnato visibilità virale per un caso in cui OpenClaw ha quasi cancellato l’intero contenuto della sua inbox email. Un evento che ha sollevato domande serie su quanto sia prudente dare ad agenti AI accesso autonomo a sistemi operativi reali con dati reali. Come abbiamo analizzato discutendo della crescita esplosiva degli agenti AI nel 2026, il problema dei guardrail su questi sistemi è la differenza tra prototipo e produzione.
Non sorprende che alcuni dipendenti Amazon abbiano espresso scetticismo. “Il default security posture mi terrorizza”, ha detto uno di loro al FT. “Non sono pronto a lasciarlo agire da solo per conto suo.”
Tokenmaxxing: quando l’AI diventa un KPI da gonfiare
Il cuore del fenomeno è la psicologia delle metriche aziendali e segue un pattern ben documentato in economia comportamentale. Quando un’organizzazione adotta una metrica per misurare un comportamento desiderato, i lavoratori ottimizzano per la metrica, non per il comportamento sottostante. È quello che gli economisti chiamano legge di Goodhart: “quando una misura diventa un obiettivo, smette di essere una buona misura”.
Amazon, secondo le testimonianze, ha un target del 80% di developer che utilizzano AI ogni settimana. Il consumo di token è tracciato su una leaderboard interna. Un portavoce Amazon ha contestato l’esistenza di una metrica company-wide e delle leaderboard, sostenendo che i dipendenti hanno solo accesso a dashboard personali del proprio uso AI. Ma le testimonianze raccolte dal FT raccontano una realtà diversa, in cui i manager osservano comunque queste metriche, e i dipendenti reagiscono di conseguenza.
“C’è solo tanta pressione per usare questi strumenti”, ha detto un dipendente. “Alcuni stanno semplicemente usando MeshClaw per massimizzare il consumo di token.” Un altro ha aggiunto: “I manager le guardano. Quando tracciano l’utilizzo, si creano incentivi perversi, e alcune persone diventano molto competitive su questo.”
Il risultato pratico è che parte del budget AI di Amazon viene bruciato per generare numeri, non per generare valore. Agenti AI creati per task che non esistono. Query inutili lanciate al solo scopo di consumare token. Workflow automatizzati artificialmente per gonfiare l’attività tracciata. È AI security theater, costoso e improduttivo, ma utile alla narrativa interna sull’adozione AI.
Non solo Amazon: l’epidemia del settore tech 2026
Amazon non è un caso isolato. Il tokenmaxxing è un fenomeno che attraversa tutta l’industria tech 2026, e ogni grande azienda lo sta vivendo in qualche forma.
A OpenAI e Anthropic, secondo il FT, i singoli dipendenti elaborano miliardi di token a settimana come parte della normale operatività. A Meta e Shopify, i manager fattorizzano il consumo di token nelle performance review in modo esplicito. A Google, anche i dipendenti non-tecnici vengono spinti a usare l’AI nei loro workflow quotidiani, con un’aspettativa di adozione che diventa una sorta di obbligazione professionale informale.
La logica delle aziende è comprensibile dal punto di vista del management. Hanno investito decine di miliardi in infrastruttura AI, devono dimostrare ROI ai consigli di amministrazione, hanno bisogno che i dipendenti diventino produttori di valore AI per giustificare la scala dell’investimento. Senza adozione interna massiccia, il narrativa “stiamo costruendo il futuro dell’AI” si sgonfia.
La logica dei dipendenti è altrettanto comprensibile dal punto di vista individuale. Si trovano in un mercato del lavoro tech 2026 in piena turbolenza, con aziende come Cloudflare che hanno tagliato il 20% del personale citando esplicitamente l’AI come fattore determinante. Apparire “non allineati con l’AI” in questo contesto è un rischio professionale serio. Apparire “molto allineati” è una forma di sopravvivenza. Quindi si gonfia il consumo di token, anche quando non serve, anche quando si capisce che la produttività non sta aumentando.
L’azienda traccia, il dipendente ottimizza, la metrica si scollega completamente dalla realtà. E in mezzo, l’AI brucia GPU time, energia, capitale infrastrutturale per generare attività priva di significato sostanziale.
Il vero rischio: agenti AI con accesso e nessun controllo reale
C’è un aspetto del fenomeno che va oltre la perdita economica e tocca la sicurezza operativa. Quando si incentivano i dipendenti a usare agenti AI il più possibile, si finisce per disincentivare i guardrail di sicurezza. Un agente AI configurato con controlli rigidi consuma meno token, perché viene fermato più spesso. Un agente AI configurato in modo permissivo consuma più token, perché esegue più azioni autonomamente.
La gamification dell’adozione AI seleziona implicitamente la configurazione meno sicura
Le conseguenze potenziali sono significative. Agenti AI con accesso a email aziendali, a repository di codice, a sistemi di deployment, a strumenti di collaborazione come Slack. Configurati in modo permissivo per ragioni di efficienza apparente. Tracciati per metriche che premiano l’azione, non la cautela. È un cocktail di rischio operativo che si sta normalizzando in aziende che dovrebbero saperne di più sulla cybersecurity.
L’incidente OpenClaw con la direttrice di alignment di Meta Superintelligence Labs è stato pubblico e virale, ed è stato un caso fortunato perché nessun dato critico è andato perso definitivamente. Gli incidenti analoghi che stanno avvenendo nelle aziende meno mediaticamente esposte non finiscono sui giornali, ma stanno avvenendo. La cultura del tokenmaxxing rende questi incidenti più probabili, non meno.
Un portavoce Amazon ha dichiarato a Fast Company che la società “accoglie volentieri il feedback dei dipendenti sulle loro esperienze con gli strumenti AI” e che “team dedicati di esperti di AI generativa e sicurezza” lavorano su test di sicurezza e controlli. È una risposta diplomatica e non sbagliata, ma non affronta il punto strutturale: le metriche di adozione AI tracciate dall’azienda creano incentivi che vanno in direzione contraria alla cautela operativa, e nessuna quantità di security team può completamente compensare incentivi mal progettati.
La lezione del caso Amazon
Quello che il caso MeshClaw racconta non è una stranezza di una singola azienda. È il fallimento metodico di un’intera industria nell’integrare l’AI in modo che generi valore reale invece di metriche autoreferenziali. Le aziende tech che dovrebbero essere le più sofisticate nel design di sistemi di incentivi stanno commettendo lo stesso errore base che il management ha commesso per decenni: confondere l’attività con la produttività, premiare il volume invece del risultato.
La differenza, rispetto agli errori di management classici, è la scala. Stiamo parlando di centinaia di milioni di dollari di GPU time che vengono bruciati in agenti AI inutili creati per soddisfare KPI scollegati dalla realtà operativa. È il classico costo nascosto della cattiva governance algoritmica.
Per i dipendenti che vivono questa situazione quotidianamente, l’unica strategia praticabile è giocare al gioco mentre lo si gioca, senza prendersi troppo sul serio le metriche. Per le aziende, il momento di tornare a misurare valore reale invece di token consumati sta arrivando, e arriverà più velocemente di quanto i CFO siano pronti ad accettare.
