C’è una parola che sta circolando negli uffici dove l’intelligenza artificiale è largamente utilizzata. Tokenmaxxing indica un comportamento distorto: usare strumenti di AI generativa per produrre loop infiniti, utili solamente a far vedere che stanno lavorando.
Sappiamo che il token è la moneta con la quale paghiamo ogni singolo output generato dall’AI, e qualcuno ha pensato bene di usarlo come unità di misura della redditività del lavoratore. Da qui il nome, che unisce i token e quel suffisso “-maxxing” del gergo online, dove indica lo spingere una cosa fino all’eccesso. Quello che si massimizza, qui, è l’apparenza del lavoro.
È un fenomeno di malcostume con una coda materiale. Da un lato racconta come cambia la recita dell’ufficio quando arriva una tecnologia nuova. Dall’altro lascia un conto energetico e ambientale salato, che non interessa a nessuno nel momento in cui clicca “invia”.
Una parola nuova per un gesto antico
Far sembrare di lavorare è una pratica vecchia quanto il lavoro dipendente. La mail spedita alle sette di sera per far vedere l’orario, la riunione convocata per occupare un’agenda, il documento di quaranta pagine quando ne bastavano tre. L’antropologo David Graeber aveva descritto interi ruoli costruiti attorno al nulla operativo, i lavori del tutto inutili che chiamava bullshit jobs. Il tokenmaxxing è la versione aggiornata di quel gesto, con una differenza che pesa sulle spalle di tutti.
Prima, gonfiare il lavoro costava fatica all’impiegato. Scrivere quaranta pagine inutili richiedeva tempo e noia, e questo funzionava da freno naturale. Adesso quel freno è saltato. Un modello generativo produce quaranta pagine in pochi secondi, le riassume, le riespande, le traduce, le ritraduce, genera tre varianti dello stesso report e una slide per ciascuna.
E il resto del tempo? Va riempito. Ed è qui che parte il loop.
Come gira il loop
Il meccanismo è quasi sempre lo stesso. Si parte da un compito reale e piccolo. Lo si dà in pasto al modello. Si chiede un riassunto, poi un riassunto del riassunto, poi una versione più formale, poi una più sintetica della versione formale. Si generano risposte a domande che nessuno ha posto, si producono analisi di scenari che nessuno leggerà, si impostano automazioni che richiamano altre automazioni. Il volume cresce, l’output si moltiplica, la cartella condivisa si riempie. Il valore aggiunto resta fermo dov’era all’inizio.
Più output genera chi recita, più lavoro reale scarica su chi deve controllarlo. Il tokenmaxxing non crea valore e in aggiunta ne distrugge a valle, perché sposta il costo della verifica sugli altri.
Il conto che non si vede
Ogni richiesta a un modello generativo consuma elettricità in un data center lontano (o vicinissimo quando te li costruiscono sotto casa). Quanto di preciso resta oggetto di stime molto diverse. Le prime valutazioni indicavano per una richiesta a un modello di grandi dimensioni un consumo nell’ordine di dieci volte quello di una ricerca tradizionale, mentre dati più recenti ridimensionano parecchio quel divario. Resta fermo che generare testo richiede più calcolo che restituire un elenco di link, e a questo si aggiunge l’acqua usata per raffreddare le macchine, voce rilevante in molti impianti.
Il singolo prompt inutile pesa pochissimo. È questo che lo rende insidioso. Il costo marginale percepito da chi lo scrive è vicino allo zero, mentre il costo aggregato di milioni di loop inutili moltiplicati per milioni di postazioni diventa una voce non trascurabile. Le agenzie che monitorano l’energia segnalano la crescita rapida della domanda elettrica legata ai data center; sul totale globale l’AI pesa ancora una quota contenuta, e il problema sta nella traiettoria più che nel livello di oggi. Una parte di quella domanda alimenta calcolo che non serve a nulla.
Conviene tenere separati due livelli. Il fatto è che il calcolo dell’AI ha un costo fisico in energia e acqua.
La notizia aberrante è che una quota di questo costo finanzia lavoro fittizio, e quella quota è uno spreco netto, senza il beneficio che giustifica il consumo quando l’AI viene usata bene.
La colpa sta a monte, non sul lavoratore
Qui arriva il punto che mi sta più a cuore. Il tokenmaxxing è una risposta difensiva di chi si trova a operare in un ambiente di lavoro che misura tutto.
Nelle grandi organizzazioni e in molte multinazionali il dipendente è sorvegliato in modo continuo con punteggi di redditività che scorrono in dashboard che il manager guarda ogni giorno. Chi vive dentro questa pressione continua cerca un modo per proteggersi, e generare volume con l’AI è il sistema di autodifesa più efficace che abbia a disposizione.
In questo quadro la responsabilità del singolo si ridimensiona. La persona pungolata di continuo a produrre di più fa quello che il sistema le chiede di fare, alimenta le metriche che verranno lette come prova del suo valore. La colpa vera sta in chi ha deciso che misurare in modo ossessivo le performance degli addetti, spingendoli senza sosta verso numeri più alti, fosse il modo giusto di mandare avanti un’azienda. Il controllo continuo produce la recita continua. Lo strumento pensato per liberare tempo finisce per generare lavoro che prima non esisteva, e lo fa perché qualcuno ha confuso l’attività con il risultato.
Si sa che l’occasione rende l’uomo ladro e non mi sento di biasimarli, onestamente lo farei anch’io.
L’articolo rientra nell’attività di analisi e informazione economico-finanziaria della redazione, impegnata da oltre vent’anni nello studio dei mercati e delle dinamiche industriali.
Disclaimer: Il presente contenuto ha finalità esclusivamente informative e non costituisce sollecitazione al pubblico risparmio né raccomandazione personalizzata di investimento. Ogni decisione deve essere valutata in autonomia alla luce della propria situazione patrimoniale e del proprio profilo di rischio.
