Un’ondata di dati di metà 2026 mostra che gli strumenti di intelligenza artificiale (AI) generano pesanti costi nascosti, con fino all’82% delle spese sulle AI in azienda che si perde tra correzione di bug, riscritture e ritardi nelle revisioni prima di arrivare in produzione.
Le difficoltà emergono su tre fronti: i team di ingegneria rilasciano codice poco affidabile, Oracle si indebita pesantemente per costruire la capacità AI e OKX sta ristrutturando il modo in cui valuta i talenti in un contesto lavorativo “AI-first”.
Il costo del codice generato dall’AI
Entelligence AI ha intervistato 2.444 aziende e ha rilevato che per ogni dollaro speso in AI token, 0,44 dollari vengono impiegati per correggere bug, 0,27 dollari per riscrivere codice generato dall’AI, e 0,11 dollari si perdono nei ritardi tra review e merge.
Il report di Lightrun “State of AI-Powered Engineering 2026” spiega in dettaglio che il 43% del codice generato con l’AI necessita ancora di debug manuale in produzione dopo aver superato i controlli qualità.
Nessun responsabile tecnico intervistato si è detto pienamente sicuro dei risultati messi in produzione. Questa tendenza si riflette anche nel rilascio di AI di Coinbase e nella divisione del codice AI di Cardano.
La scommessa a leva di Oracle
Oracle ha accumulato circa 108 miliardi di dollari di debiti totali, raccogliendo altri 50 miliardi di dollari nel 2026 tramite debito e azioni per finanziare la costruzione di data center AI.
Il free cash flow è vicino a -13 miliardi di dollari. Più di 300 miliardi di dollari dei 553 miliardi di dollari di backlog di Oracle sono legati a OpenAI, un cliente che lo scorso anno ha perso circa 14 miliardi di dollari.
Questa esposizione si allinea agli avvertimenti sul tema della crisi dei costi AI per le aziende e della bolla di ricavi AI. La pubblicazione dei risultati Oracle del 16 giugno metterà alla prova la validità della scommessa sulla domanda AI.
Reset del capitale umano
Il CEO di OKX, Stax Xu, sostiene che gli agenti AI accelerano l’esecuzione, ma rendono anche visibili i lavoratori che puntano più sulla gestione della percezione che sui risultati.
L’exchange ora lega le valutazioni dei dipendenti alla competenza nell’uso dell’AI, allineandosi a una serie di mandati AI negli exchange nel settore.
“Non è l’AI a cambiare fondamentalmente i licenziamenti. È che l’era AI cambia fondamentalmente i requisiti di talento”, ha spiegato in dettaglio Stax Xu.
I dati indicano che l’AI offre capacità reali, ma i costi operativi, finanziari e organizzativi arrivano potenzialmente più rapidamente di quanto i mercati avessero previsto.
Se i risultati di giugno e i dati relativi all’ingegneria riusciranno a chiudere il divario, saranno determinanti per il resto del ciclo.
