Il dato di Uber — budget Claude Code 2026 esaurito in 120 giorni — viene letto come un problema di prezzo. È un problema di contabilità.
Un agente che consuma molto e produce risultati che valgono più di quanto costano è un agente che lavora bene. Il costo in sé non dice niente. Quello che manca è la riga che collega la spesa all’esito: quale agente, su quale task, con quale risultato.
E manca per un motivo strutturale. L’agente AI è il primo membro della forza lavoro che non lascia traccia di cosa ha fatto, se non lo si obbliga. Una persona produce ticket, commit, decisioni annotate: la sua attività è ricostruibile a posteriori. Un agente brucia token e restituisce un output; i tentativi falliti, i recuperi sbagliati, i loop di ri-prompt evaporano. Non si fa FinOps su un lavoro che non lascia registro.
C’è poi la parte che quasi nessuno mette a bilancio: gran parte dello spreco di token è spreco di accuracy. Un agente che recupera il contesto sbagliato, ripete la chiamata, gira a vuoto, sta pagando senza produrre. Alzare l’accuracy e ridurre i token non sono due obiettivi diversi: sono lo stesso obiettivo visto da due lati. Un agente affidabile è anche un agente economico.
La domanda utile non è quanto spendere in AI. È quale agente si sta pagando per fare cosa, e come lo si verifica.
