Lo strumento che prometteva di rendere gli ingegneri più produttivi ha consumato l'intero budget annuale dell'azienda in soli quattro mesi. Il caso Uber è uno specchio per tutte le grandi imprese.
C'è qualcosa di paradossale in quello che sta succedendo a Uber. L'azienda che ha rivoluzionato la mobilità urbana si ritrova ora a dover ripianificare i propri conti a causa di uno strumento pensato per risparmiare tempo e denaro: l'intelligenza artificiale.
Il 15 aprile 2026, il CTO di Uber Praveen Neppalli Naga ha ammesso pubblicamente una sconfitta inattesa: l'intero budget annuale destinato all'IA è già esaurito, a soli quattro mesi dall'inizio dell'anno. La causa? Un assistente alla programmazione. Nello specifico, Claude Code di Anthropic, che si è diffuso nell'organizzazione ingegneristica di Uber più velocemente di quanto chiunque in finanza avesse previsto, e a un costo che nessuno aveva modellato.
Un'adozione fuori controllo
Uber ha dato accesso a Claude Code al proprio team di ingegneria a dicembre 2025. A febbraio 2026 l'utilizzo era già raddoppiato. Ad aprile, il conto aveva consumato l'intero budget annuale.
Non si è trattato di un'adozione casuale. L'azienda ha costruito classifiche interne che stilavano una graduatoria degli ingegneri in base all'utilizzo degli strumenti IA, trasformando l'adozione in una competizione. Una strategia che ha funzionato benissimo - forse troppo. Il 95% degli ingegneri di Uber usa oggi strumenti IA ogni mese, e il 70% del codice scritto proviene dall'intelligenza artificiale.
I risultati produttivi sono concreti: circa l'11% degli aggiornamenti al codice backend in produzione è ora scritto da agenti IA, che gestiscono tutto, dall'abbinamento delle corse alla definizione dinamica dei prezzi fino alla correzione dei bug.
Il meccanismo che ha fatto saltare i conti
Il problema non è nella qualità dello strumento, ma nel suo modello di prezzo. Claude Code a 200 dollari al mese per ingegnere sembra gestibile a livello individuale. Moltiplicato per mille ingegneri che eseguono flussi di lavoro agentici su larga scala, si arriva a 2,4 milioni di dollari l'anno prima di qualsiasi utilizzo aggiuntivo tramite API. E quando quegli stessi ingegneri fanno girare agenti in parallelo e usano lo strumento per refactoring dell'intero codebase, il consumo di token si moltiplica ulteriormente.
Nessun sistema di approvazione era stato costruito per intercettare abbonamenti che si scalavano viralmente in tutta l'organizzazione ingegneristica. Il risultato è quello che Naga ha descritto senza giri di parole: "sono tornato al punto di partenza, perché il budget che pensavo di dover utilizzare è già andato."
Un problema sistemico, non solo di Uber
Il caso Uber non è isolato. Secondo i dati del settore, le organizzazioni hanno speso in media 1,2 milioni di dollari in applicazioni IA nel 2026, con un aumento del 108% rispetto all'anno precedente.
Le analisi di settore indicano ora di pianificare budget 2-3 volte superiori alle stime iniziali, e prevedono che la spesa per strumenti IA raggiunga il 20-30% delle spese operative totali entro fine 2026, con oltre mille dollari per sviluppatore come nuova soglia minima per i team che usano più strumenti.
Il paradosso è evidente: più uno strumento funziona bene, più viene usato. Più viene usato, più costa. E in assenza di meccanismi di governance adeguati, il successo stesso diventa il problema.
Cosa succede adesso
Uber sta ora valutando Codex di OpenAI come alternativa, mentre continua ad espandere il proprio stack di strumenti IA. Ma la vera sfida non è tecnica: è organizzativa. Come si governa l'adozione di strumenti potentissimi senza soffocarla? Come si misura il ritorno sull'investimento quando la produttività aumenta ma i costi crescono sei volte?
Per ora, la risposta più onesta l'ha data il CTO di una delle aziende tecnologiche più sofisticate al mondo: sono tornato al punto di partenza. In un settore abituato a presentare l'IA come la soluzione a tutti i problemi, è un'ammissione che vale quanto un bilancio.