Secondo il gruppo di ricerca di Gartner, entro il 2028, i costi legati all’utilizzo dell’intelligenza artificiale per lo sviluppo supereranno il salario medio di uno sviluppatore. Questo trend potrebbe invertire la relazione costi-benefici, spingendo molte aziende a riconsiderare l’automaticità basata sull’IA in favore del lavoro umano.
Questa tendenza è alimentata in primo luogo da un aumento esponenziale nel consumo di tokens, necessari per alimentare e addestrare modelli di Large Language Models (LLM). Questo consumo si moltiplica esponenzialmente quando utilizziamo modelli con agenti, rispetto ad un semplice utilizzo di chatbot per supporto.
I Costi di Consumo dei Tokens
Uno studio del 2024 ha mostrato che i modelli con agenti richiedono circa 1000 volte più tokens rispetto a quelli che semplicemente svolgono analisi o forniscono supporto tramite chat. Questo salto drastico in termini di consumo non è trasparente per molte organizzazioni e si somma ad un modello di contabilizzazione spesso non chiaramente comunicato dagli fornitori di IA.
L’effetto cumulativo di questa situazione è che molte aziende sono in ritardo rispetto alla capacità di comprendere l’impatto finanziario di questi modelli. Nitish Tyagi, analista senior chez Gartner, osserva che i team di svilupo spesso priorizzano velocità e semplicità nell’utilizzo dei modelli, compromettendo la fattibilità finanziaria.
Un Rischio di Costo Esponenziale
Gartner evidenzia come, senza un modello operativo chiaramente definito, i costi dell’utilizzo dei modelli IA possano crescere molto più rapidamente dei benefici attesi in termini di produttività. I rischi non riguardano solo gli sviluppatori bensì anche gli utenti non tecnici, che accedono a queste tecnologie senza una governance chiara.
Frequentemente, le aziende non sono in grado di misurare efficacemente il rapporto costo-impatto di questi modelli rispetto al business. Questa mancanza di maturità genera preoccupazione fra i responsabili tecnici e un aumento del budget non pianificabile in modo accurato.
Strategie di Sviluppo Sostenibile
Per affrontare questi challenge, Gartner propone una strategia di utilizzo mirato dell’IA, suggerendo di introdurre un piano decisionale interno che permetta di stabilire quando adottare l’IA e a quale livello di autonomia.
Il gruppo di lavoro identifica tre modelli operativi distinti:
- Pilotaggio Manuale: dove lo sviluppatore lavora interamente da solo.
- Collaborativo: dove lo sviluppatore utilizza strumenti IA per accelerare il processo.
- Automatico: dove l’IA prende il controllo completo di alcune attività.
Secondo Nitish Tyagi, questa stratificazione permette di adottare l’IA in maniera responsabile. L’idea principale è evitare l’utilizzo generalizzato e non ponderato, soprattutto per le aziende che non hanno ancora una roadmap chiara in materia.
Un Cambiamento di Approccio
Gartner conclude sostenendo che l’espansione indiscriminata dell’IA nello sviluppo software non è sostenibile a lungo termine. Le aziende che vorranno mantenere la loro competitività dovranno adottare strategie di governance chiare e misurabili.
La tecnologia dovrà quindi essere vista come una risorsa complementare agli sviluppatori, non come una sostituzione economica. Un’analisi costi-benefici precisa, una formazione sulle potenzialità dell’IA e una politica di budgeting rigoroso saranno essenziali per evitare sprechi tecnologici.