Microsoft frena il tokenmaxxing: budget di token per ogni divisione e modello di default più economico

Per circa diciotto mesi il messaggio interno di Microsoft è stato semplice: usa l’intelligenza artificiale il più possibile, ovunque, in ogni team. Quella stagione sembra finita. Un’email interna firmata da Jay Parikh, vicepresidente esecutivo dell’azienda, ha chiesto ai dipendenti di ridurre il consumo di token e ha introdotto per la prima volta un tetto di spesa formale sull’AI, divisione per divisione. La frase che riassume il cambio di rotta è diventata subito virale tra gli addetti ai lavori: secondo Parikh, “tokenmaxxing is not what we are optimizing for”, cioè spremere quanti più token possibile non è l’obiettivo da inseguire.

La notizia, riportata per prima da 404 Media, non riguarda un prodotto o un modello nuovo. Riguarda qualcosa di più rivelatore: come una delle aziende più esposte sull’AI sta imparando a controllarne i costi al proprio interno.

Cosa dice davvero la mail di Jay Parikh

Il contenuto della comunicazione è concreto. A partire da luglio 2026 ogni divisione di Microsoft opera con un budget di token assegnato, un tetto oltre il quale la spesa in AI viene monitorata e messa sotto esame. I dipendenti possono controllare il proprio consumo individuale attraverso una dashboard interna, e i dati raccolti raccontano perché il tema è diventato urgente: molti ingegneri spendono da qualche centinaio a diverse migliaia di dollari al mese solo in token.

Nella stessa mossa, Microsoft ha cambiato il modello di default usato internamente, sostituendolo con un’alternativa OpenAI più economica, cioè la famiglia GPT-5.6. È una scelta coerente con la fase attuale del mercato, segnata da tagli di prezzo aggressivi che abbiamo raccontato quando OpenAI ha ridotto dell’80% il prezzo di GPT-5.6 e ha acceso una nuova guerra dei prezzi.

Parikh ha però chiarito un punto che conviene non fraintendere: l’obiettivo non è usare meno intelligenza artificiale, ma ottenere più valore da ogni token speso.

Il termine tokenmaxxing è nato tra gli sviluppatori per indicare la tendenza a massimizzare l’uso dei token, spesso trasformata in una sorta di gara interna. Alcune realtà hanno persino sperimentato classifiche che mostrano chi consuma di più, nella convinzione che un consumo elevato equivalga a maggiore produttività. La mail ribalta questa idea alla radice, perché il numero di token bruciati non è una medaglia da esibire ma un costo da giustificare.

Perché Microsoft mette un freno proprio adesso

Il paradosso che sta dietro a questa decisione è il cuore della vicenda. Il prezzo per singolo token è crollato di circa il 98% dalla fine del 2022, eppure le bollette dell’AI in azienda sono più che triplicate. Come è possibile che una cosa costi molto meno di prima e allo stesso tempo faccia spendere molto di più?

La risposta sta nel modo in cui lavorano gli strumenti moderni. Gli agenti autonomi non si limitano a completare una riga di codice o a suggerire una frase: leggono interi progetti, pianificano, provano, correggono e ripetono il ciclo molte volte per portare a termine un singolo compito. Ogni passaggio consuma token, e un’attività che un tempo richiedeva poche centinaia di token oggi ne può bruciare centinaia di migliaia. Il prezzo unitario scende, ma il volume esplode, e alla fine è il volume a comandare la bolletta.

Microsoft aveva già dato un segnale in questa direzione. A maggio l’azienda aveva silenziosamente cancellato gran parte delle licenze di Claude Code nel gruppo Experiences and Devices, invitando gli ingegneri a migrare verso GitHub Copilot entro la fine dell’anno fiscale. La mail di Parikh porta quella logica su scala aziendale.

Il conto, insomma, non tornava più. E quando i conti non tornano, prima o poi arriva un budget.

Un problema che va ben oltre Microsoft

Microsoft non è affatto sola davanti a questi numeri. Da giugno un elenco crescente di grandi aziende, da AT&T a Meta, da Uber a Walmart fino ad Amazon, ha iniziato a mettere tetti o freni alla spesa in AI dei dipendenti. Il motivo è quasi sempre lo stesso: gli strumenti a consumo, pagati per token, si comportano in modo completamente diverso dalle licenze software tradizionali, quelle a postazione che i reparti finanziari sanno da anni come mettere a bilancio.

Una licenza per utente ha un costo prevedibile, dato dal numero di postazioni moltiplicato per una tariffa fissa. Un agente AI, invece, ha un costo che dipende da quanto lavora, e quindi diventa imprevedibile per sua stessa natura. Aziende come Adobe, Atlassian e Citi hanno introdotto forme di limitazione o almeno di visibilità sulla spesa, segno che il problema è ormai strutturale e non un semplice capriccio contabile.

Anche chi costruisce i modelli sta ragionando sull’efficienza più che sulla potenza pura, come mostra la scelta di Amazon di ridimensionare la famiglia Nova per concentrarsi su un unico modello di frontiera. Il messaggio che arriva da fronti diversi è convergente: contano di più il costo per compito e il valore prodotto, non il numero di parametri o di token consumati.

Dalla sperimentazione alla disciplina di spesa

Ciò che rende questa storia importante è il segnale di maturità che porta con sé. Per due anni le aziende hanno adottato l’AI in modalità sperimentale, con budget quasi illimitati e la convinzione che i guadagni di produttività avrebbero ripagato qualunque spesa. Quella fase si sta chiudendo, e non per delusione verso la tecnologia, ma per il suo successo: proprio perché funziona e viene usata tanto, ora va gestita.

Sta emergendo una nuova disciplina, che diversi osservatori hanno già ribattezzato FinOps dell’AI: misurare, attribuire e ottimizzare la spesa in token con lo stesso rigore con cui da anni si gestiscono i costi del cloud. Non significa rinunciare agli agenti o fare marcia indietro, ma scegliere il modello giusto per ogni compito, evitare di impiegare un sistema costosissimo dove ne basta uno leggero, e rendere ogni team responsabile di ciò che consuma.

Vale la pena guardare al contesto finanziario. Microsoft non è un’azienda in difficoltà, anzi: i suoi ultimi conti trimestrali hanno battuto le attese su ricavi, utile operativo e utile netto. Se persino chi macina profitti record decide di mettere un tetto ai token, è perché la spesa in AI, lasciata senza controllo, può crescere più in fretta dei benefici che genera.

Un dipendente che ha condiviso la mail l’ha descritta come l’ammissione definitiva che l’azienda non può più permettersi di lasciare i propri collaboratori usare i suoi strumenti AI senza alcun limite.

Cosa cambia concretamente per te

Se lavori con l’intelligenza artificiale, come libero professionista o all’interno di un’azienda, la lezione è diretta: usa pure l’AI, ma sappi quanto costa. Il periodo in cui il consumo di token era un dettaglio da ignorare sta finendo, e la capacità di scegliere il modello adatto, misurare la spesa e giustificare il valore prodotto diventerà una competenza richiesta quanto saper scrivere un buon prompt.

C’è anche un risvolto strategico per i fornitori. Se i grandi clienti iniziano a premiare l’efficienza, chi offre modelli capaci di fare di più con meno token guadagna un vantaggio competitivo reale, e la corsa non sarà più soltanto ai benchmark ma al costo per compito completato. È un terreno su cui si giocheranno molte delle mosse dei prossimi mesi.

La direzione, comunque, è ormai chiara: il mercato dell’AI aziendale sta passando dalla fase dell’entusiasmo a quella della gestione, in cui ogni token ha un prezzo e ogni divisione ha un limite. Continua a seguirci per capire come questa nuova disciplina dei costi cambierà gli strumenti che usi ogni giorno e le strategie delle aziende che li costruiscono.