I lavoratori cinesi ora mettono in scena una finta produttività da AI per i loro capi
A gennaio, l’amministratore delegato di Nvidia Jensen Huang ha scatenato quella che i lavoratori tech cinesi ora chiamano l’ondata Tokenmaxxing. La sua affermazione, ampiamente diffusa online, era che sarebbe stato profondamente a disagio se un ingegnere da 500.000 dollari l’anno avesse bruciato meno di 250.000 dollari di token in un anno. In tutte le grandi aziende internet cinesi, il numero di token consumati dagli strumenti di AI è rapidamente diventato un indicatore dell’impegno. Usa i modelli intensamente e sembri dedito; usali poco e sembri che non stia facendo il tuo lavoro.
A giugno è arrivato il conto. Le aziende che avevano incoraggiato un uso quasi illimitato dei modelli linguistici di grandi dimensioni hanno iniziato a esaminare il ritorno di quella spesa. Il cambiamento non ha calmato nessuno. Al contrario, secondo un resoconto ampiamente condiviso dell’anno all’interno delle aziende tech cinesi, ha acuito l’ansia: i lavoratori ora dovevano dimostrare che gli strumenti di AI stavano dando risultati, anche quando gli strumenti facevano poco del lavoro.
Il risultato è un nuovo tipo di performance d’ufficio. I dipendenti tengono le sessioni aperte, generano documenti lunghi e lanciano prompt il cui scopo principale è lasciare una traccia visibile di attività. Il punto non è l’output ma la registrazione dello sforzo. Un lavoratore che svolge tranquillamente un compito senza AI rischia di sembrare più lento di un collega che avvolge lo stesso compito in uno spesso strato di bozze generate dal modello. In un anno in cui le decisioni sull’organico vengono prese in base a metriche di produttività, questo è un rischio reale.
Questo è il punto scomodo della storia dell’adozione dell’AI. Gli strumenti sono davvero utili per redigere, riassumere e programmare, ma i guadagni sono disomogenei e difficili da attribuire a una singola persona. I manager vogliono un numero misurabile. I conteggi dei token, le cronologie dei prompt e le dashboard di utilizzo ne forniscono uno. Ciò che misurano è l’attività, non il valore, e i dipendenti hanno imparato a ottimizzare per la misura piuttosto che per l’obiettivo.
Il modello riecheggia le precedenti implementazioni di software aziendali, quando la frequenza di accesso e il numero di licenze diventarono il metro per strumenti che nessuno usava bene. L’AI aggiunge una variante: poiché i modelli sono economici da chiamare e facili da eseguire in parallelo, la performance è quasi gratuita da produrre. Un lavoratore può fabbricare in un pomeriggio un’impressione convincente di efficienza guidata dall’AI, il che rende la metrica ancora meno affidabile.
Per le aziende cinesi, la posta in gioco va oltre le politiche d’ufficio. Le imprese sono sotto pressione per giustificare le ingenti spese in potenza di calcolo e abbonamenti ai modelli, e molte stanno riorganizzando i team partendo dal presupposto che l’AI aumenterà la produzione. Se i guadagni di produttività sono in parte teatrali, quei piani poggiano sulla sabbia. Alcune organizzazioni stanno reagendo passando a revisioni basate sui risultati, giudicando il lavoro finito piuttosto che l’uso degli strumenti, anche se la transizione è disomogenea.
C’è anche un costo umano. I lavoratori descrivono la stanchezza di mantenere una performance che non finisce mai, e la riluttanza ad ammettere che uno strumento non è stato d’aiuto. La paura di restare indietro, il FOMO che ha alimentato il boom dei token, non è svanita; ha semplicemente cambiato forma. Ora l’ansia riguarda il dimostrare i rendimenti piuttosto che il dimostrare l’entusiasmo.
La prossima prova arriva quando le aziende stabiliscono i budget per l’anno a venire. Osservate se i datori di lavoro cinesi abbandoneranno i token e le dashboard di utilizzo in favore di prodotti rilasciati, ticket risolti e ricavi, e se i dipendenti smetteranno di trattare l’attività di AI come una forma di sicurezza del posto di lavoro. Fino ad allora, il segno più visibile dell’adozione dell’AI in molti uffici potrebbe essere la sua apparenza.