Boris Cherny, il creatore di Claude Code, ha pubblicato un framework in quattro passi per aiutare le aziende a valutare se gli investimenti in AI stiano davvero portando ritorni concreti. Il punto centrale è smettere di contare solo i token consumati e iniziare a misurare in ore di ingegneria risparmiate. Il framework di Cherny affronta un problema reale: la discrepanza tra l’utilizzo dell’AI e il valore che genera all’interno di un’organizzazione. Secondo lui, non basta mostrare un grande uso di token: l’azienda deve capire se l’attività effettuata dall’AI avrebbe richiesto ingegneria manuale e quanto tempo sarebbe costata.
Un approccio pragmatico al ROI
Cherny sottolinea che il vero valore dell’AI emerge quando essa permette ai team di concentrarsi sulla costruzione piuttosto che sulla manutenzione. La sua metodologia include una misurazione chiara del lavoro evitato, non solo il consumo di token. Per lui, il ritorno reale si vede quando l’AI supporta il background, permettendo agli ingegneri di lavorare su challenge più significative.
La transizione del mercato AI
Il settore dell’AI sta cambiando. La fase del “tokenmaxxing”, dove si spendeva per dimostrare un impegno visibile, sta lasciando spazio a una richiesta di ROI concreto. Personaggi come Jamie Dimon di JPMorgan hanno espresso preoccupazioni sui costi crescenti, sottolineando che le aziende si comporteranno razionalmente riguardo a questa risorsa, come fanno con qualsiasi altra. Questo contesto rende il contributo di Cherny particolarmente rilevante, non solo come ingegnere, ma come creatore del prodotto che traina Anthropic.
I risultati di Claude Code
I numeri parlano chiaro. Claude Code ha toccato un miliardo di dollari di run rate annualizzato nei primi sei mesi dalla sua uscita, e a febbraio 2026 era già oltre i 2,5 miliardi. Cherny ha dichiarato di non aver scritto una linea di codice manuale da novembre 2025, un aspetto che testimonia l’efficacia del tool. All’interno di Anthropic, la produttività per ingegnere è aumentata del 70% dopo l’uso esteso di questo strumento.
Come funziona il modello di lavoro di Cherny
Cherny utilizza spesso il modello più pesante di Opus, Opus 4.5, che pur essendo più lento, risulta più affidabile nell’esecuzione delle attività. Con tale modello, riesce a spedire fino a 30 pull request al giorno gestendo cinque istanze parallele. Questo tipo di workflow è fondamentale per il posizionamento e l’efficacia del prodotto in un mercato sempre più composto da clienti enterprise.
La crescita esponenziale di Anthropic
Anthropic ha superato i 47 miliardi di dollari di run rate annualizzato a maggio 2026, una traiettoria senza precedenti nel software B2B. Sono oltre mille le aziende che spendono più di un milione di dollari all’anno, un numero che si è quasi raddoppiato negli ultimi mesi. Otto delle dieci società più grandi del mondo in termini di fatturato sono già clienti di Claude.
La sperimentazione al di fuori del ROI
Tuttavia, Cherny evidenzia anche un lato spesso trascurato: fissare ogni progetto AI su un ritorno misurabile potrebbe frenare le innovazioni più utili. Claude Code stesso è nato come esperimento interno senza un piano predefinito. Lui stesso non fornisce formule rigide per quanto spazio dedicare alla sperimentazione, ma sottolinea l’importanza della sicurezza psicologica e dello spazio non vincolato ai traguardi trimestrali.
Il futuro del lavoro con AI
Secondo Cherny, il vero collo di bottiglia non sarà più lo sviluppo del software, ma la capacità delle organizzazioni di produrre buone idee. Quando l’AI si assume la parte di esecuzione e manutenzione, la sfida diventa solo definire e formulare i problemi in modo corretto. L’ingegnere ribadisce che per chi ancora misura l’AI in token bruciati, questa visione è ormai in ritardo.