Usare più intelligenza artificiale non equivale, di per sé, a produrre di più o meglio. È il messaggio centrale del memo di Amazon sul ruolo degli ingegneri nell’era dell’IA: conta il risultato del lavoro, non lo strumento usato per ottenerlo. Il documento, firmato da Terk Terkowitz, vicepresidente e distinguished engineer di Worldwide Amazon Stores, era stato condiviso internamente a settembre 2026 e pubblicato il 27 ottobre.
13
20
Chi è il “Renaissance Developer”
Amazon definisce “Renaissance Developer” il professionista capace di combinare strumenti di IA, giudizio umano e conoscenza del proprio ambito per costruire cose nuove.
20 Non significa però che l’IA debba entrare in ogni attività. Se gli strumenti disponibili non aiutano a svolgere un compito, l’ingegnere dovrebbe saperlo spiegare: per il memo, è «un riscontro, non una colpa».
10
20
Il criterio, dunque, non è dimostrare di aver usato una tecnologia, ma capire il problema, scegliere gli strumenti adatti e ottenere risultati utili. La guida riguarda anche i manager dello sviluppo software, chiamati a sostenere e valutare i team senza trasformare l’adozione dell’IA in una gara di attività.
5
31
Perché Amazon mette in guardia dal “tokenmaxxing”
Con “tokenmaxxing” si intende l’abitudine di massimizzare il consumo di token — le unità di testo elaborate dai modelli di IA — per rendere visibile il proprio uso degli strumenti. Amazon avverte che conteggiare token, adozione degli strumenti, modifiche al codice, revisioni o righe di codice non basta per misurare la produttività di un ingegnere. Sono indicatori di attività o di input, non una prova autonoma del beneficio per clienti o azienda.
7
11
31
Il memo collega questa critica anche ai principi di leadership di Amazon. Inseguire i token contrasta con la Frugalità; misurare il lavoro in righe di codice è in tensione con Inventare e semplificare. In entrambi i casi, spingere a consumare di più o a scrivere più codice può aumentare costi e complessità senza rendere il risultato più prezioso.
11
31
Questo non vuol dire che i dati di adozione siano inutili. Secondo quanto riportato sul memo, Amazon riconosce che possono essere correlati ai risultati, ma raccomanda di interpretarli con cautela e giudizio.
16 Una correlazione può suggerire dove indagare; non rende automaticamente una metrica un obiettivo valido. Se il team viene premiato per l’aumento dei token, può far salire quel numero senza migliorare il lavoro.
Cosa dovrebbero verificare i manager
La guida invita a osservare più da vicino i team vicini al 10° e al 90° percentile di adozione dell’IA.
16 Non è un invito a considerare i primi in classifica più efficaci, né quelli con un uso minore in ritardo: i dati sono un punto di partenza per fare domande, non un verdetto.
Per i team che usano poco l’IA, i manager possono verificare se gli strumenti attuali non sono adatti ai compiti svolti, se esistono ostacoli all’adozione o se si stanno trascurando opportunità utili. Per quelli che la usano molto, possono chiedersi se questo si traduca in risultati migliori o soltanto in più attività e costi. Sono piste di valutazione: il criterio centrale resta il valore prodotto dal lavoro.
La distinzione da tenere a mente
Il messaggio di Amazon non è «evitate l’IA» e nemmeno «usate una quantità prestabilita di IA». Agli ingegneri chiede di unire competenza, giudizio e strumenti; ai manager di interpretare con cautela i dati di adozione, invece di trasformarli in pagelle.
16
20
La distinzione è semplice: l’uso dell’IA è un input, mentre l’obiettivo è un risultato utile. Se per un’attività l’IA non serve, saper spiegare il perché può aiutare il team a capire i limiti degli strumenti disponibili, senza spingere nessuno a usarli solo per fare numero.
10