Boris Cherny, il creatore di Claude Code, ha pubblicato giovedì su X un framework in quattro passi per aiutare le aziende a capire se i loro investimenti in AI stiano davvero portando risultati. Il punto centrale è uno solo: smettere di guardare i token consumati e iniziare a misurare le ore di ingegneria risparmiate.
Il framework di Cherny parte da un problema reale che lui stesso descrive così: un ingegnere su dieci moltiplica la sua produttività grazie a Claude, mentre il resto dell’organizzazione non si è ancora adeguato. Il terzo passo del modello affronta direttamente la misurazione del ritorno. L’utilizzo da solo non basta — un dashboard che mostra quanti token vengono bruciati misura l’attività, non il valore. La domanda giusta, secondo Cherny, è se l’azienda avrebbe comunque speso risorse di ingegneria su quel compito, e quanto sarebbe costato in ore manuali. Quello è il ritorno. Il vero guadagno arriva quando la manutenzione avviene in sottofondo e i team possono concentrarsi sulla costruzione.
Questi post arrivano in un momento in cui il settore sta attraversando una transizione precisa. La fase del “tokenmaxxing” — spendere il più possibile per dimostrare impegno nell’AI — ha lasciato il posto a una pressione crescente sul ROI concreto. Il CEO di JPMorgan Jamie Dimon ha detto a CNBC che i costi dell’AI stanno salendo rapidamente e che le aziende saranno razionali come con qualsiasi altra risorsa. Sam Altman ha confermato che il tema dominava i corridoi del Sun Valley Conference. In questo contesto, la voce di Cherny non è solo quella di un ingegnere che condivide la sua metodologia: è la voce del creatore dello strumento che più di ogni altro sta trainando la crescita di Anthropic.
I numeri lo confermano. Claude Code ha raggiunto un miliardo di dollari di run rate nei primi sei mesi dalla sua uscita pubblica, e a febbraio 2026 aveva già superato i 2,5 miliardi. Lo stesso Cherny ha dichiarato di non aver scritto una singola riga di codice manualmente da novembre 2025. All’interno di Anthropic, la produttività per ingegnere è salita di circa il 70% dopo l’adozione diffusa dello strumento — e questo dato va letto sapendo che il team è triplicato nello stesso periodo. Cherny arriva a spedire 20-30 pull request al giorno gestendo cinque istanze parallele di Claude. Il suo strumento preferito è il modello più pesante, Opus 4.5: più lento, ma più affidabile nell’uso degli strumenti, tanto da risultare complessivamente più rapido dei modelli leggeri.
Anthropic nel complesso ha superato i 47 miliardi di dollari di run rate annualizzato a maggio 2026, partendo da 9 miliardi a fine 2025. La traiettoria — 87 milioni a gennaio 2024, 1 miliardo a dicembre 2024, poi 9, 14, 30, 47 miliardi — non ha precedenti nel software B2B. Oltre mille clienti enterprise pagano più di un milione di dollari all’anno, un numero più che raddoppiato in pochi mesi. Otto delle dieci più grandi aziende al mondo per fatturato sono clienti di Claude.
Il framework di Cherny ha però una sfumatura che spesso viene ignorata nel dibattito sul ROI. Fissare ogni progetto AI dietro una soglia di ritorno misurabile rischia di bloccare proprio le scoperte più utili. Claude Code stesso è nato come esperimento interno, senza un business case predefinito: solo dopo Anthropic ha riconosciuto il potenziale e lo ha trasformato in prodotto. Cherny non offre una formula precisa su quanto spazio riservare alla sperimentazione, ma indica la direzione: i team hanno bisogno di sicurezza psicologica per segnalare quando qualcosa non funziona, e di tempo che non sia completamente rendicontato nei deliverable trimestrali.
Il punto di arrivo di questa logica è uno scenario in cui il vero collo di bottiglia non è più la capacità di costruire software, ma la qualità delle idee. Cherny lo ha detto esplicitamente: quando l’AI gestisce esecuzione e manutenzione, la sfida si sposta interamente sulla definizione del problema. Per le aziende che ancora misurano il successo dell’AI in token bruciati, questo cambiamento di prospettiva è già in ritardo.
