Perché le imprese faticano a calcolare il ritorno sull'investimento (ROI) dell'IA

La prima ondata di "tokenmaxxing" — in cui i CEO incoraggiavano un uso aggressivo e incontrollato dell'IA — si sta scontrando con una dura realtà mentre i budget aziendali sono sottoposti a un attento esame. Man mano che le aziende superano la fase di sperimentazione, la sfida centrale si è spostata dalla semplice adozione alla dimostrazione di un tangibile ritorno sull'investimento (ROI).

Dal tokenmaxxing alla responsabilità di budget

All'inizio di quest'anno, la Silicon Valley è stata travolta dal "tokenmaxxing", una tendenza in cui le organizzazioni hanno spinto l'uso dell'IA ai suoi limiti assoluti per massimizzarne le capacità. Tuttavia, le implicazioni finanziarie di questo entusiasmo sfrenato stanno ora venendo a galla. Secondo diverse segnalazioni, grandi player come Uber avrebbero esaurito i propri budget annuali per l'IA in pochi mesi.

Questo picco di consumo ha portato a una fase correttiva nel panorama aziendale. Stiamo assistendo a un ridimensionamento da parte di molte organizzazioni, come aziende che hanno tagliato le licenze Claude per specifici dipartimenti, e persino Meta che, a quanto pare, avrebbe interrotto la propria classifica interna di IA. Queste mosse segnalano un passaggio da una mentalità di "crescita a tutti i costi" a una di rigorosa disciplina fiscale e gestione delle risorse.

La ricerca dei "momenti magici" e degli agenti personali

Nonostante il restringimento dei budget, la partner di NEA Tiffany Luck rimane ottimista sul potenziale trasformativo dell'IA, in particolare nel settore consumer. Luck sottolinea l'importanza di identificare i "momenti magici": quegli istanti specifici in cui l'IA fornisce un'utilità innegabile e di alto valore all'utente finale.

Il settore si sta evolvendo oltre i semplici chatbot verso lo sviluppo di sofisticati agenti personali. Questi agenti rappresentano la prossima frontiera dell'IA, passando da strumenti reattivi ad assistenti proattivi capaci di gestire compiti complessi. Per i venture capitalist e i fondatori, l'obiettivo è superare le implementazioni generiche di LLM e costruire agenti specializzati che risolvano problemi ad alta frizione in modi che giustifichino i loro significativi costi operativi.

L'ascesa della gestione della spesa per l'IA

Mentre il divario tra l'hype sull'IA e la produttività reale si restringe, sta emergendo un nuovo sottosettore di startup per colmare questa lacuna. Le imprese faticano attualmente a monitorare i costi granulari delle chiamate API dei modelli, della capacità di calcolo e delle licenze utente rispetto al valore effettivo generato.

Ciò ha creato un'enorme opportunità per le startup focalizzate sull'osservabilità dell'IA e sulla gestione della spesa. Le aziende cercano strumenti che offrano trasparenza sul proprio stack di IA, permettendo loro di vedere esattamente dove vengono consumati i token e se questi stiano generando ricavi o stiano semplicemente aumentando i costi operativi. La capacità di associare la spesa per l'IA a specifici risultati di business sarà il fattore determinante per le imprese che integreranno con successo l'IA nei propri workflow principali.

Punti chiave