L'IA avrebbe dovuto sostituire il lavoro umano.
Ha fatto l'esatto opposto.
Per la prima volta nella storia, gli esseri umani sono più economici del software.
Spesa in token per dipendente nelle migliori aziende
E l'IA sta creando più posti di lavoro di quanti ne elimini.
Crescita del personale dopo l'adozione dell'IA
La tecnologia ha sempre risolto un problema creandone un altro.
Negli anni '30 dell'Ottocento, l'avvento della ferrovia diede vita alla più grande opera di infrastrutture mai vista. Il chilometraggio dei binari americani aumentò di 120 volte in un decennio.
Poi il sistema si ruppe.
Il 5 ottobre 1841, due treni si scontrarono mortalmente sulla Western Railroad in Massachusetts a causa di un semplice fallimento di coordinamento.
Con la crescente complessità delle ferrovie, i singoli conduttori non bastavano più a garantire la sicurezza dei viaggi in treno. Le compagnie ferroviarie iniziarono così uno sforzo decennale: assumere manager per ogni area geografica, definire nuovi ruoli all'interno dell'organizzazione e stabilire gerarchie chiare con linee di riporto. Nacque il management moderno. Con esso, la ferrovia divenne la prima industria da miliardi di dollari, rappresentando al suo apice circa il 60% del mercato azionario.
L'IA sta rompendo di nuovo il sistema.
Abbiamo appena dato a ogni dipendente, anche ai peggiori, un numero infinito di risorse e un budget illimitato.
Gestire l'IA è più difficile che gestire le persone, perché l'IA scala le disfunzioni all'istante. Fortunatamente, possiamo imparare dal passato:
Le forze lavoro di agenti e quelle umane falliscono allo stesso modo.
Comprendere i 7 principali parallelismi tra le due sbloccherà i prossimi trilioni di dollari di creazione di valore dall'IA.
I 7 Parallelismi tra Forze Lavoro di Agenti e Umani
1. Tokenmaxxing significa risolvere i problemi a forza di risorse umane.
Il ciclo di hype del tokenmaxxing ha esaurito il suo corso in meno di un mese.
Ma la quantità di token spesi non è mai stata il vero problema.
Le persone spendono così tanto in token perché non sanno come usarli.
Forse 1 dipendente su 100 sa come fornire contesto all'IA. È una specie rara di persona che sa articolare chiaramente un processo, che ha la pazienza di empatizzare con una finestra di contesto inquinata, o che capisce anche solo cosa significhi.
Date un tool per agenti alle altre 99 persone e produrranno "loop".
2. I loop sono riunioni per preparare altre riunioni.
In Claude Code/Cowork, Copilot, l'Autoresearch di Karpathy o qualsiasi altro tool, i loop sono un cerotto per il fatto che quasi nessuno sa usare i prompt correttamente.
I loop sono un tentativo di forza bruta per compensare l'inadeguatezza umana. Gli agenti chiamano se stessi per sistemarsi solo perché un essere umano non ha mai articolato il compito in modo chiaro. La forza bruta diventa l'unica strada per il progresso del sistema. Tutto questo deriva dall'incapacità umana di comprendere il compito fin dall'inizio.
Stai spendendo token per spendere token.
3. I token sprecati sono la nuova inflazione del personale.
Oggi la maggior parte delle aziende è gestita male.
La stragrande maggioranza dei lavoratori non ha un impatto significativo sull'azienda. Sono ingranaggi della macchina, che timbrano approvazioni a ogni livello e assumono altri ingranaggi per alimentare una macchina che esiste per esistere.
Stanno facendo loop.
Spesso è più efficiente tagliare il loop. Elon ha tagliato l'80% del personale di X e l'azienda ha performato meglio. Gli operating partner del private equity vivono facendo arbitraggio su questa semplice constatazione.
Proprio come l'80% dei dipendenti non fa nulla, l'80% dei token oggi non fa nulla.
Le persone creano più persone. I token creano più token. Fare loop è il nuovo modo di costruire imperi.
4. I token 100X sono i nuovi ingegneri 10X.
La promessa del software era che lo avremmo costruito una volta, lo avremmo fatto funzionare per sempre a basso costo e non avremmo mai dovuto supervisionarlo. L'IA ha infranto quella promessa. Non appena il software ha potuto fare qualsiasi cosa, non ha potuto fare nulla in modo prevedibile.
I token si comportano come una forza lavoro, e non appena vedi i token come dipendenti, le promesse dell'IA iniziano a crollare:
- "I token sono più precisi degli umani" ma solo se usati con il prompt giusto.
- "I token sono più veloci degli umani" eppure la velocità non significa nulla su 100 tentativi.
- "I token non fanno politica" ma costruiscono imperi di spesa di token.
- "I token non si dimettono" ma muoiono tra un rilascio di un nuovo modello e una nuova sessione.
- "Ci si può fidare dei token" eppure falliscono con sicurezza in una formattazione perfetta.
L'unico ambito in cui l'IA batte davvero gli umani è la scalabilità. Scalare gli umani brucia un'enorme energia tra reclutamento, onboarding e turnover. Scalare i token è immediato. Questo è esattamente il motivo per cui gestirli male è così costoso, e perché devi trovare e scalare il token 100X.
L'ingegnere 10X ha costruito l'era precedente delle aziende. Il token 100X costruirà la prossima.
Allo stesso modo in cui una manciata di dipendenti rende gli altri 10X più produttivi, per qualsiasi compito, una certa quantità di contesto token può ridurre lo sforzo dell'IA di ordini di grandezza. Esistono token che ti daranno una leva 100X.
Gli umani sono più economici dei token in media, ma i buoni token sono più economici su larga scala.
Il management li trasforma gli uni negli altri.
5. L'accumulo di contesto è la nuova forma di sicurezza sul lavoro.
C'è un enorme problema politico con l'IA all'interno dell'azienda, e peggiorerà solo.
I dipendenti non vogliono insegnare ai sistemi di IA la loro ricetta segreta.
Stanno iniziando a capire che questi sistemi non sono lì solo per "aiutarli" o "aumentare la produttività".
Guardate Meta, dove i dipendenti azionisti, che sono fortemente incentivati a fare funzionare l'IA, sono indignati che l'azienda usi il contesto dei dipendenti come dati di addestramento. Questo accade in un'azienda tecnologica… un conflitto che è un microcosmo di ciò che sta per accadere in tutti i settori.
https://x.com/Polymarket/status/2061903052966076882
La conoscenza tribale è stata sicurezza sul lavoro per secoli. Le gilde medievali tenevano segreti i loro metodi. L'IA è la prima tecnologia che chiede ai lavoratori di consegnare tutto in una volta.
Nessuno forma il proprio sostituto gratuitamente.
Le persone che detengono i token 100X hanno il minimo incentivo a consegnarli. Emotivamente, strutturalmente e politicamente, le aziende sono programmate per rifiutare la tecnologia più importante per il loro futuro.
6. Le valutazioni sono i nuovi OKR.
Il modo migliore per gestire una forza lavoro di token è lo stesso di quello per gestire gli umani: definire cosa significa "buono".
L'unico caso d'uso dell'IA di successo che è sfuggito alla politica è la programmazione. Ha ampliato la torta e reso ogni ingegnere migliore.
Il meccanismo sono le valutazioni. Il 99% dei ricavi odierni dell'IA proviene dalla programmazione perché la programmazione ha valutazioni integrate. Il codice funziona o non funziona.
Casi d'uso dell'IA più ampi e trasversali arriveranno solo quando qualcuno costruirà le valutazioni necessarie. Valutazioni specifiche contano più che insegnare ai tuoi dipendenti a fare prompt o dare loro un tool per chattare. Con esse, l'IA divorerà le parti dell'economia che il codice non ha mai potuto toccare.
Il vero lavoro del management è trasformare processi umani confusi in codice, esprimere il qualitativo come quantitativo.
La suite di valutazioni di un'azienda diventerà la sua risorsa più preziosa.
Proprio come gli OKR sono fondamentali per sfruttare una forza lavoro umana per un output ottimale, le valutazioni saranno fondamentali per sfruttare una forza lavoro di token infinitamente scalabile. Le valutazioni sono la strada per far funzionare i token 100X.
Inoltre, non ci saranno due aziende con lo stesso set di valutazioni. Le valutazioni saranno la chiave del vantaggio competitivo. Un'organizzazione che utilizza valutazioni generiche o agenti generici non ha alcun vantaggio.
7. La prossima opportunità da un trilione di dollari è l'azienda di trasformazione.
Le aziende acquistano impegni sui foundation model, il layer applicativo e build interne da anni. Tutto questo nasconde una verità brutale sull'economia:
Nessuno ha ancora un'IA che funzioni in modo affidabile.
La Silicon Valley è così convinta di questo fallimento che la sua ultima ossessione è scommettere contro le aziende di oggi. Le startup "Neofirm" o "AI Native Services" vengono finanziate per catturare i 21 trilioni di dollari di spesa per i servizi nell'economia della conoscenza, sulla base della teoria che gli incumbent, impantanati nelle loro politiche e processi, non riusciranno mai a gestire la transizione da soli.
Le neofirm potrebbero benissimo fornire la pressione competitiva che catalizzerà l'adozione dell'IA da parte delle "tradfirm". Ma i maggiori asset dell'IA risiedono ancora all'interno degli incumbent: processi differenziati che già funzionano, scalabili attraverso canali di distribuzione che esistono già.
In effetti, le prossime aziende più grandi non divoreranno la spesa per i servizi esistenti. Venderanno un tipo di servizio completamente nuovo agli attori esistenti:
Le "aziende di trasformazione AI" saranno 10X più grandi di qualsiasi neofirm.
La trasformazione sembra un progetto una tantum. Ma c'è un paradosso di Jevons al lavoro: ogni caso d'uso che un'organizzazione adotta ne rivela altri dieci. Più un'azienda diventa abilitata dall'IA, più trasformazione consuma, mentre la frontiera di ciò che è possibile avanza quotidianamente. Gli sforzi continui di trasformazione AI diventeranno l'unico modo per competere.
Considerate Palantir, sulla carta l'azienda più facilmente disruptibile da Claude nel mondo del software: un'azienda da mezzo trilione di dollari che costruisce a mano applicazioni su misura per le imprese. Secondo la logica che ha reso il SaaS quasi non investibile, $PLTR dovrebbe essere a zero prima di $NOW.
Non lo è, perché Palantir non ha mai venduto software. Vendeva trasformazione.
Ma la trasformazione stessa si è evoluta dai tempi di Palantir. In un mondo incentrato sull'IA, è più di ontologie, software personalizzato e rari prompt su misura. Il vero lavoro sta nelle valutazioni, nella minimizzazione dei token, nella comprensione di un'azienda così profondamente da poterla programmare.
Codificare le sfumature di ogni azienda in agenti diventerà il più grande compito economico del decennio.
È tempo di gestire.
Ogni fase del boom dell'IA ha avuto il suo cliché guida.
Ci hanno detto di vendere picconi durante una corsa all'oro, e abbiamo costruito infrastrutture. Ci hanno detto di vendere "Service-as-a-Software", e abbiamo costruito neofirm. Abbiamo abbastanza infrastrutture. Abbiamo abbastanza servizi. Ora il lavoro è far funzionare i treni in orario.
È tempo di ispezionare l'impresa: trovare i token 100X, registrare i loop che funzionano e dirigere l'intelligenza che viene massicciamente sprecata.
Gli umani sono appena diventati più economici del software.
Qualcuno deve ancora dire a entrambi cosa fare.
Grazie a Sam Wolfe, David Oks, @WillManidis e @Alex_Danco per il loro contributo. E a @ClaudeAI Fable 5, funzionante con troppi loop, per l'aiuto nella stesura di questo testo.
