🎙️ The Long Table

The Long Table, presentato da DoiT, è una serie di conversazioni con persone che svolgono un lavoro di grande impatto nel mondo della tecnologia. Niente panel, niente pitch di prodotto, nessun copione. Riunisce professionisti con decenni di esperienza nei rispettivi settori, che parlano di ciò in cui credono davvero e di dove stanno andando le cose. Gli episodi completi sono disponibili in streaming su YouTube, Spotify e Apple Podcasts.
Anteprima Ep. 1: Amit Kinha e JR Storment, direttore esecutivo della Tokenomics Foundation, parlano di passato, presente e futuro dell'AI e dell'attribuzione dei costi cloud. Gli episodi completi sono disponibili sulle piattaforme podcast.
Disponibile su tutte le piattaforme podcast
Prenda posto al tavolo
Si iscriva agli aggiornamenti

Lasci la Sua email per ricevere avvisi senza spam quando escono nuovi episodi, oltre a contenuti e risorse esclusivi dello show. Può annullare l'iscrizione in qualsiasi momento.
<!-- Episode card -->
<article class="lt-card">
  <div class="lt-card__top">
  <div class="lt-card__thumb">
    <img src="https://media.doit.com/long-table/1d53f70a86f9-ep01-thumb-1080x1080-2x.webp" alt="JR Storment ospite di The Long Table" loading="lazy">
  </div>
  <div class="lt-card__body">
    <span class="lt-card__number">Episodio 01</span>
    <h3 class="lt-card__title">JR Storment: FinOps, tokenomics e cosa cambierà con l'AI</h3>
    <p class="lt-card__desc">JR Storment è l'ospite dell'episodio inaugurale per una conversazione sull'evoluzione del FinOps, l'emergere della tokenomics e su ciò che l'AI sta costringendo i leader ad affrontare in tema di consumo, valore e responsabilità.</p>
    <div class="lt-card__meta">
      <span class="lt-card__date">Ago 2026</span>
      <span class="lt-card__dot" aria-hidden="true">&middot;</span>
      <span class="lt-card__duration">52 min</span>
    </div>
    <div class="lt-card__platforms">
      <a href="https://www.youtube.com/@TheLongTable_DoiT" class="lt-platform" aria-label="Guarda su YouTube">YouTube</a>
      <a href="https://open.spotify.com/show/7Mt563pLWYsuYN92uFSUQ8" class="lt-platform" aria-label="Ascolta su Spotify">Spotify</a>
      <a href="https://podcasts.apple.com/us/podcast/the-long-table/id6807056597" class="lt-platform" aria-label="Ascolta su Apple Podcasts">Apple Podcasts</a>
    </div>
  </div>
</div>

  <details class="lt-card__transcript">
<summary class="lt-transcript__summary">
  <span class="lt-transcript__label">Legga la trascrizione completa</span>
  <span class="lt-transcript__chevron" aria-hidden="true">&#9660;</span>
</summary>

<div class="lt-transcript__body">
  <nav class="lt-transcript__toc" aria-label="Capitoli della trascrizione">
    <p class="lt-transcript__toclabel">Vai a una sezione</p>
    <ol>
      <li><a href="#cold-open">Apertura</a> <time>0:00</time></li>
      <li><a href="#welcome">Benvenuti allo show</a> <time>0:19</time></li>
      <li><a href="#finops-to-ai-reset">Dal FinOps in Citi al reset dell'AI</a> <time>0:49</time></li>
      <li><a href="#boards-ask-about-cost">Quando i board iniziano a chiedere dei costi dell'AI</a> <time>3:08</time></li>
      <li><a href="#token-maxing-rise-fall">Ascesa e caduta del token maxing</a> <time>5:30</time></li>
      <li><a href="#foundation-origin">Come è nata la Tokenomics Foundation</a> <time>8:58</time></li>
      <li><a href="#not-about-tokens">La tokenomics non riguarda i token</a> <time>13:39</time></li>
      <li><a href="#gas-price-problem">Il problema del prezzo della benzina nei costi dei token</a> <time>18:48</time></li>
      <li><a href="#where-finops-ends">Dove finisce il FinOps e inizia la tokenomics</a> <time>23:54</time></li>
      <li><a href="#model-selection">La scelta del modello e l'harness che lo circonda</a> <time>36:25</time></li>
      <li><a href="#energy-scarce-resource">L'energia come nuova risorsa scarsa</a> <time>40:37</time></li>
      <li><a href="#where-it-lives">Dove dovrebbe collocarsi la tokenomics in azienda?</a> <time>43:06</time></li>
      <li><a href="#blind-men-elephant">I ciechi e l'elefante</a> <time>46:04</time></li>
      <li><a href="#saas-pricing-agents">Il pricing SaaS nell'era degli agenti</a> <time>52:04</time></li>
      <li><a href="#shoulders-of-giants">Sulle spalle dei giganti</a> <time>59:35</time></li>
      <li><a href="#which-bucket-matters">Quale ambito conta di più: produzione, consumo o valore</a> <time>1:05:56</time></li>
      <li><a href="#shift-left-shift-up">Shift left, shift up</a> <time>1:12:52</time></li>
      <li><a href="#launch-speed">Un lancio tra più velocità e più rumore</a> <time>1:14:55</time></li>
      <li><a href="#favorite-ai-use">L'uso non convenzionale preferito dell'AI</a> <time>1:20:31</time></li>
    </ol>
  </nav>

  <div class="lt-transcript__content">
  <h3 class="lt-transcript__chapter" id="cold-open">Apertura <time>0:00</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">0:00</time></p>
    <p class="lt-turn__line">Questo è ciò che è la tokenomics in questo momento. Se chiedi a persone diverse, che si trovano in punti diversi della catena, di descriverla, ottieni risposte completamente diverse. Il fatto è che hanno tutti ragione, ma nessuno di loro vede il quadro più ampio.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="welcome">Benvenuti allo show <time>0:19</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">0:19</time></p>
    <p class="lt-turn__line">Allora, JR, grazie mille per essere qui nello show oggi. Non vedo l'ora di iniziare questa conversazione. Sono contento che siamo riusciti a organizzarla: due settimane fa ho lanciato l'idea e ora eccoci qui di persona. Sono entusiasta di passare la prossima ora e mezza a parlare di tutto ciò che riguarda la tokenomics.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">0:33</time></p>
    <p class="lt-turn__line">È davvero bello averti qui, nel mio territorio, la California del Sud. Ho l'impressione che ci vediamo sempre alle conferenze e quindi non riusciamo mai a sederci davvero a parlare. E il problema dell'AI, secondo me, è che cerchiamo tutti di ridurre tutto a riassunti e andare veloci. Quindi non vedo l'ora di scavare un po' più in profondità con te.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">0:48</time></p>
    <p class="lt-turn__line">Perfetto, entriamo nel</p>
  </div>
  <h3 class="lt-transcript__chapter" id="finops-to-ai-reset">Dal FinOps in Citi al reset dell'AI <time>0:49</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">0:49</time></p>
    <p class="lt-turn__line">vivo. Ok, allora partirei in realtà da quando tu e io abbiamo iniziato a parlarci: eri in Citi, sì, lavoravi nel mondo FinOps, e lo facevi lì, sai, grande azienda, tanti cloud, tutte quelle cose. Nel corso degli anni abbiamo visto molte aziende come Citi attraversare quel guado del come fare FinOps: dai primissimi innovatori che se lo inventavano, alla early majority che l'aveva più o meno sistemato, fino a diventarci davvero bravi, a maturare nel tempo. Poi è cambiato tutto, giusto, con l'AI un paio di anni fa, e in un certo senso siamo stati riportati all'inizio: come facciamo tutta questa roba, cose che, sai, facevi in Citi prima di arrivare dove sei ora? Ci avete messo anni a capire quelle cose, giusto? E nel frattempo anche tutti gli altri le stanno capendo, e siamo tornati essenzialmente al punto in cui era il FinOps, diciamo, nel 2020, con tutta la parte AI.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:36</time></p>
    <p class="lt-turn__line">Sì, è buffissimo. Trovo che anche nel FinOps ci siano sempre stati questi momenti in cui dovevi reinventare la ruota, no? Un esempio: credo nel 2014, VM, S3, bucket e tutto il resto. L'idea di ownership era davvero importante, e dicevamo: bene, tagghiamo le cose così possiamo davvero, sai, tirare fuori un po' di comprensione dal caos di file di costo che tutti hanno, dashboard, e poi arriva qualcosa come il serverless, che puoi taggare, e poi arriva Kubernetes, che è molto più orientato alla multi-tenancy. E quindi abbiamo risolto quel problema. Abbiamo detto: beh, i namespace sono simili, fanno da proxy per i tag. E con l'AI, però, credo ci sia questa grande spinta a guardarla quasi dicendo: beh, potremmo applicare una patch con le cose che funzionavano prima. Ma trovo che già in Citibank, quando eravamo lì, cominciavamo a vedere le crepe, i limiti. Hai una richiesta di provisioned throughput: beh, sembra un savings plan, e all'improvviso dici: "Beh, sai, tutti in azienda useranno l'AI, e vedremo una sola voce in fattura." E pensi: "Beh, come ragioniamo davvero sulla responsabilità, giusto?" E così all'improvviso iniziamo a pensare a tutte queste diverse iniziative, tipo: dovremmo avere un gateway con cui tracciare tutto ciò che entra ed esce? Anche adesso, penso che FinOps e tokenomics siano davvero interessanti perché, sai, all'inizio sembrano la stessa cosa, giusto? E poi, una volta che ho iniziato a imparare molto di più sulla tokenomics, ho capito che è quasi un'espansione del perimetro, sì, giusto, un'espansione del perimetro non solo della disciplina, ma anche di chi se ne</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">3:07</time></p>
    <p class="lt-turn__line">interessa. Giusto. E questa è una cosa</p>
  </div>
  <h3 class="lt-transcript__chapter" id="boards-ask-about-cost">Quando i board iniziano a chiedere dei costi dell'AI <time>3:08</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">3:08</time></p>
    <p class="lt-turn__line">che, sai. Questa settimana ho passato molto tempo con CEO di società di private equity, e il tema era tutto FinOps, o meglio AI, e AI dal punto di vista della governance e dei costi. E ripensandoci, non ricordo l'ultima volta in cui a livello di CEO si chiedevano a gran voce più informazioni sui costi, e non solo nel senso di "ehi, sai, il costo del cloud è molto importante per noi", ma più nel senso di: come misuriamo, come controlliamo e come facciamo a non impedire alle nostre aziende di usare l'AI senza mandare in bancarotta l'azienda. Sì, giusto. È un paradigma molto interessante.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">3:40</time></p>
    <p class="lt-turn__line">Tornerei a solo qualche mese fa. Ho iniziato a sentire da molte persone a quel livello che siamo un po' in un momento di crisi esistenziale rispetto a dove è arrivata l'AI, e sto pensando a marzo o aprile, quando, sai, c'era ancora tutto questo entusiasmo del tipo "usate quanta più AI possibile, sempre", le classifiche dei token, tutta quella roba. Ma sul tuo punto dei CEO che non parlavano di costi e dei board che non pensavano ai costi: la spesa AI cresce così drasticamente che all'improvviso hanno dovuto guardarla come un momento di crisi esistenziale, tipo: questa cosa andrà davvero a schiacciare i margini complessivi? E possiamo erogare i servizi che abbiamo sempre erogato con i modelli attuali che stiamo usando, facendo davvero tornare i conti? E quindi penso che ci sia stato un grande spostamento: dall'AI deve essere tutta trasformazione e innovazione, e, sai, come faccio la cosa che prima non potevamo fare usando l'AI, a: un attimo, non sono così sicuro che stiamo davvero ottenendo gli output che volevamo, e dobbiamo pensare ai costi più che al valore. E penso che ci sia stata un'oscillazione del pendolo: l'AI era tutta promessa, abbiamo oscillato, e penso per un breve periodo verso... Insomma, in questo momento viviamo in un mondo di tetti di budget e linee rigide su quanta AI le persone possono usare. E parlavo con un amico proprio stamattina, sai, che riceve email. È un'azienda Fortune 50, e ricevono email quotidiane. Il loro uso di token, i loro costi di token e il loro costo AI totale, e in realtà stanno ricevendo pressioni al ribasso per usarne meno, il che è sconvolgente rispetto a dov'eravamo tre mesi fa, quando dicevamo usatene sempre di più. E quindi abbiamo oscillato verso questo luogo di controllo e paura. Ci penso, e penso che inizieremo a oscillare di nuovo un po' di più verso: ok, come usiamo l'AI giusta per le cose giuste e ne ricaviamo il massimo valore? Ma è anche un momento strano. Investimenti enormi nel settore, e allo stesso tempo le persone riconoscono che usare più AI non è necessariamente</p>
  </div>
  <h3 class="lt-transcript__chapter" id="token-maxing-rise-fall">Ascesa e caduta del token maxing <time>5:30</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">5:30</time></p>
    <p class="lt-turn__line">un buon modello di business. Sì, assolutamente. Penso che il token maxing sia durato circa quattro giorni, quando credo che Meta sia uscita a dire: "Sì, lo faremo." E sai, da un lato lo capisco, perché la tecnologia in sé, una volta che l'hai provata, sul tuo account ChatGPT personale o altro, ne vedi la potenza. Ricordo quando è uscito ChatGPT, credo fosse alla fine del re:Invent un paio di anni fa, e io e i miei amici lo usavamo senza sosta. Non ci credevamo. Credo di aver tradotto un annuncio di SageMaker in hindi solo per vedere se funzionava. Ha funzionato? Non so leggere l'hindi. L'ho mandato ai miei genitori. Mi hanno detto: "È un buon hindi." Bello, no? Quindi è... quando pensi al cloud pubblico, nessuno lo consuma davvero nel modo in cui consumiamo l'AI, giusto? E quindi penso ci sia questa pressione non solo a pensare ai casi d'uso di come può aiutare le aziende, ma la cosa davvero interessante è che adesso c'è una pressione sui CxO. A differenza del cloud pubblico, dove magari c'era la pressione a dire: "Ehi, spostatevi dai data center. C'è più resilienza, puoi scalare su e giù automaticamente, tutti i bei vantaggi del cloud pubblico che non sono spariti." Ma con l'AI c'è questa pressione: devi avere una storia per il board. Devi mostrare cosa stai facendo con l'AI. E penso che l'era della sperimentazione, del "proviamo dei POC, proviamo questo e quello", molto rapidamente, come dicevi tu, si sia trasformata in: beh, qual è il ROI? E il ROI non è nemmeno in termini di pressione a minimizzare i costi. È più: vogliamo investire nei posti dove è quantificabile, giusto? Dove aiuterà davvero. E se gli esperimenti non riescono a mostrarmi valore, vogliamo sapere in fretta quando tagliarli.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">7:00</time></p>
    <p class="lt-turn__line">Sì. Sì.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">7:00</time></p>
    <p class="lt-turn__line">Giusto. E so che, tipo, Uber e tutti quelli usciti quest'anno hanno detto: la nostra strategia per cui tutti possono usare l'AI... abbiamo già sforato il budget. E lo trovo sempre divertente. Cioè, come avresti potuto conoscere a gennaio il budget per una tecnologia del genere? Ogni settimana vado su Twitter ed è completamente diverso,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">7:15</time></p>
    <p class="lt-turn__line">giusto?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">7:16</time></p>
    <p class="lt-turn__line">Giusto. Prima OpenAI era incredibile. Poi Anthropic è incredibile. Ora i modelli open source sono incredibili. Modelli di reasoning, e avanti così. È proprio un fiume in piena di informazioni per tutti.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">7:26</time></p>
    <p class="lt-turn__line">E penso che stiamo attraversando la stessa cosa che abbiamo vissuto con il cloud: la gente diceva migrate il più velocemente umanamente possibile, portate tutto lì, e poi capiremo i costi dopo. E poi c'è stato un grande contraccolpo, ed è lì che in un certo senso è nato il FinOps, sai, a quei tempi. Siamo nella stessa situazione con l'AI, tranne che il cloud era fondamentalmente una cosa nuova. Era una questione di livello di piattaforma, giusto? Passavamo da un tipo di hosting a un altro. Sì, ci sono servizi migliori, sai, cose come BigQuery e Redshift e simili, che sono davvero difficili da fare in un data center. Ma era solo un modo diverso di fare quel livello tecnologico. E penso che dove sentiamo i casi interessanti con l'AI... odio usare questo termine perché è stato usato pesantemente nel mondo cloud e lo odiavo già allora, ma: casi d'uso di trasformazione. Sembra il termine più fumoso di sempre. È... sì, un attimo: non possiamo semplicemente dire "usa l'AI per fare meglio quello che già fai". Devo guardarla in termini di un ritorno 10x invece di un miglioramento del 50%, giusto? Quel genere di cose, che, sai, la gente sta capendo. E qui, per noi, quando guardiamo lo spazio della tokenomics, la conversazione passa improvvisamente dall'ottimizzare il livello di piattaforma nel FinOps a, nel mondo della tokenomics: come fa questa spesa AI a toccare ogni parte del business, e come facciamo da un lato persino a procurarcene abbastanza, abbastanza AI, sull'efficacia della token factory, per usare i termini di Jensen, fino a: come fanno questi costi AI in forte crescita e altamente variabili a cambiare il modo in cui devo riconfezionare la mia intera offerta per i clienti, e poi, si spera, nel mezzo, usarla in modo efficiente nel processo.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="foundation-origin">Come è nata la Tokenomics Foundation <time>8:58</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">8:58</time></p>
    <p class="lt-turn__line">Sì, a proposito di tokenomics, come tutti sappiamo, la Tokenomics Foundation è stata lanciata, credo un paio di mesi fa ormai, e di recente abbiamo annunciato un governing board, di cui faccio parte, quindi, piccolo indizio. Ma mi piacerebbe conoscere la storia di come è nata, giusto? Il FinOps ormai è ovunque. Sai, ogni volta che parlo con qualcuno... quando ho iniziato con il FinOps si chiamava cloud financial management, era, sai, ottimizzazione, e avanti così. E ora ci siamo compattati su questa parola, quindi mi piacerebbe sentire di più su qual era il ragionamento dietro l'avvio di una nuova fondazione.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">9:25</time></p>
    <p class="lt-turn__line">Partirei dal fatto che odiavo il nome tokenomics quando l'ho sentito. Ero davvero contrario, e in realtà l'ho anche sentito piuttosto tardi. Credo che quel termine, ora che ho fatto la ricerca a ritroso, sia nato a metà 2025, non applicato alle crypto, ma applicato a quest'area dal gruppo di SemiAnalysis, Dylan Patel e soci, che guardava all'efficacia delle token factory, giusto, e a come convertire NVIDIA o AMD o qualunque hardware in output di token. E poi verso gennaio del 2026 credo che altri abbiano iniziato a pubblicare paper, a parlare di quest'area. Ero a Manhattan, a New York, dove vivi tu. A un evento con un gruppo di CIO globali, e a questo evento c'era JPMC, e c'era BNY, e questi nomi erano pubblici al momento dell'evento. E c'erano questi CIO globali che parlavano di valore tecnologico, e ne ho preso uno da parte, azienda enorme, enorme, responsabile di miliardi e miliardi di budget, e gli ho detto: "Ehi, qual è la tua sfida principale in questo momento?" E questa persona non sapeva cosa facessi, non sapeva nulla di me, e senza esitare un secondo ha detto: tokenomics. Era aprile, e mi si è letteralmente stretto il cuore, perché ho pensato: "Oh, è un termine imperfetto per qualcosa che suona molto come quello che chiameremmo FinOps per l'AI", e l'ho un po' accantonato. Poi, più tardi quello stesso giorno, ero seduto con il responsabile delle piattaforme di un asset manager a Midtown Manhattan, e mi fa: "Cosa state facendo con questa cosa della tokenomics?" E poi la settimana dopo ero all'offsite della Linux Foundation. Il nostro CEO ci viene incontro, e lui è dentro tutte queste conversazioni con leader tecnologici in tutto il mondo, e mi fa: "Cosa state facendo con questa cosa della tokenomics?" Ed era un punto dopo l'altro dopo l'altro. E la cosa buffa in tutto questo era che si tratta di persone che hanno team, più livelli sotto di loro, che fanno FenOps e fanno FinOps da anni. E il FinOps sostiene l'efficienza della loro infrastruttura e del cloud e del cloud privato e del lavoro nei data center, e in tutte queste aree diverse. Ma non parlavano mai di quelle aree, perché fondamentalmente la tokenomics è una disciplina — e probabilmente dovremo passare 20, 30 minuti qui a parlare di cosa sia come disciplina. A metà anno ha iniziato a toccare le conversazioni a livello di board. Sì, perché la spesa stava schizzando in modo così drammatico, ma anche perché siamo in quest'era di scarsità. Giusto, queste aziende giganti che hanno bisogno di molta AI, o pensano di averne bisogno, venivano rate-limitate. Si vedevano ritirare i modelli. Non riuscivano a procurarsi l'hardware, quindi c'era un'incapacità di ottenere la cosa di cui sapevano di aver bisogno. E poi, dall'altro lato, avevano i board che li spingevano ai massimi livelli, e i CEO che arrivavano. E allo stesso evento a Manhattan ad aprile, avevamo questi CIO e CTO globali che raccontavano che i loro CEO, titani dell'industria, nei weekend andavano a casa a fare vibe coding e poi tornavano dal CIO globale dicendo: perché i tuoi team non riescono a fare questo? Quindi avevi CEO che dicevano: ho bisogno che tu cambi tutto quello che stiamo facendo, così, dall'oggi al domani, e guidi questa trasformazione enorme. E loro lì a pensare: beh, un attimo, ho il CFO accanto che dice: "Sì, ottimo, fate tutte queste belle cose, ma sai, abbiamo questo budget fissato l'anno scorso, e abbiamo, sai, dei prezzi azionari a cui pensare. Quindi non puoi andare a spendere fondi illimitati su questo." Quindi sono rimasti bloccati, di nuovo nel momento di crisi esistenziale: il mio board dice che devo trasformare. Il mio CEO mi spinge forte a consegnare tutta questa innovazione. Il mio CFO sta letteralmente sudando, perché quel piccolo costo AI che era così, piccolo rispetto alla spesa IT complessiva, è diventato così, e poi così, e continuava. In alcuni casi sentiamo di crescite del 50% mese su mese, mese su mese, nell'AI. Cosa ne facciamo? E così abbiamo iniziato a vedere nascere delle conversazioni su cosa fosse la tokenomics. Ora, cos'è la tokenomics, giusto? E questa è la prima cosa in cui ci imbattiamo sempre: dove inizia e dove finisce? Come si rapporta a cose esistenti come il VenOps? Ed è esattamente quello che abbiamo capito ad aprile, maggio di quest'anno: dovevamo andare a capirlo e definirlo.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">13:18</time></p>
    <p class="lt-turn__line">E quando pensi alla tokenomics, allora, il nome è interessante. Come dicevi, trovo che, avendola studiata ora, all'inizio la confusione potrebbe nascere dal fatto che c'è la parola token lì dentro: riguarda la valutazione dei token? È una disciplina, come dici tu? È una metodologia? Come definiresti la Tokenomics Foundation? Lo scopo della tokenomics.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="not-about-tokens">La tokenomics non riguarda i token <time>13:39</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">13:39</time></p>
    <p class="lt-turn__line">La tokenomics, diciamo, forse una disciplina, perché tutti stanno capendo che forma abbia. Fondamentalmente, riguarda il guardare l'intera supply chain dell'AI. Dal "ho creato cose in una AI factory a livello hardware", al "ho consumato queste cose, si spera in modo efficiente, e ho previsto il mio utilizzo e tutte queste cose", fino a "ho generato valore alla fine di tutto questo": quindi dall'energia, a quel livello di intelligenza, fino al valore. Ora, la parte del valore è davvero complicata qui, perché non riguarda i token, non riguarda i singoli servizi e non riguarda nemmeno i task completati. Riguarda quali sono i risultati che tutto questo sta generando. La cosa che devo sottolineare così tanto alle persone adesso, quando parlo con gente come te che è dentro questo mondo e lavora ogni giorno, che parla con i CEO, con i leader globali: la tokenomics non riguarda i token,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Speaker 1</strong><time class="lt-turn__ts">14:35</time></p>
    <p class="lt-turn__line">giusto?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">14:36</time></p>
    <p class="lt-turn__line">Strano: tokenomics, ma non riguarda i token. È proprio lì nel nome, eppure la tokenomics non riguarda di certo il contare i token. È un nome imperfetto per un concetto più complesso, e direi che, se dovessi trovare un sinonimo, la tokenomics riguarda l'economia dell'AI. Forse non ho reso giustizia alla nostra community con il mio keynote di annuncio, perché mi sono concentrato tantissimo sui token. Perché la cosa interessante dei token è che sono l'intero stato dell'AI: puoi tracciarli attraverso tutti i livelli. Ma come termine, la tokenomics non riguarda i costi dei token. Riguarda tutti i costi intorno all'AI. E per renderla ancora più complicata — ed è per questo che vediamo molti CFO coinvolgersi pesantemente in questa conversazione — non parliamo solo dei costi diretti dell'AI, giusto? Non parliamo solo dei costi dell'hardware e dei servizi e dei costi degli hyperscaler e della memoria. Parliamo di tutti i costi del personale coinvolto nella gestione dell'hardware e del data center, e dei costi di engineering per usare quei servizi, e poi dei costi del lavoro a valle. E vediamo molto di questo riversarsi in conversazioni su quante persone mi servono nella mia organizzazione in base agli output e input dell'AI. Qual è il valore di un engineer? Come dovremmo retribuire i nostri engineer? Che aspetto ha tutto questo? Quindi, per tornare all'inizio della tua domanda: di cosa parla la tokenomics? Di ottenere il massimo valore dalla tua AI, ma la definizione, o forse i confini di dove inizia e finisce, sono ancora poco chiari. C'è molto lavoro di definizione da fare,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">15:56</time></p>
    <p class="lt-turn__line">e in un certo senso penso che sia una feature, non un bug, giusto? Il motivo per cui ci serve una fondazione intorno a questo è che ci servono le persone più intelligenti a pensarci. Come nel FinOps prima, sai, ognuno cerca di fare a modo suo. Magari c'è uno strumento disponibile. Magari hai il tuo foglio di calcolo su cui fai i conti. Sì. E per me il framework FinOps ha fatto davvero clic per il fatto che non si tratta di fare tutte le cose, giusto? Si tratta di: cosa serve alla tua azienda adesso, e c'è un modo per partire sia quando non hai nulla sia se sei avanzato. Tipo, adoro il modello crawl, walk, run in questo. Giusto: se ti concentri davvero solo sull'ottimizzazione, beh, ci sono un sacco di cose che puoi fare, ed ecco come pensare all'ottimizzazione delle tariffe, all'ottimizzazione dell'uso. Ed è una di quelle cose a cui, certo, probabilmente potresti arrivarci da solo, ma per molte aziende che non hanno l'investimento per assumere una persona FinOps, e non hanno una persona dedicata, o un team, o un esercito di persone — per alcune aziende che conosciamo, dove hanno risorse dedicate a pensare a come allochiamo i costi, come otteniamo l'ottimizzazione, come costruiamo la governance — la fondazione fa un sacco di lavoro per darti gran parte dei compiti già svolti da persone che hanno già risolto questo problema. E penso che con la tokenomics la sfida interessante sia che il perimetro è molto più grande, giusto? Il perimetro, come dici tu, non riguarda solo l'efficienza di minimizzare il costo. Quello è un vettore, ed è una parte davvero importante. Ma penso che molto riguardi anche: come sappiamo dove investire di più, giusto? Mentre con il cloud pubblico era: sì, migreremo, per esempio, dai data center, oppure, per un'azienda cloud-native: teniamo i costi a un livello che ci soddisfa.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">17:24</time></p>
    <p class="lt-turn__line">Sì.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">17:24</time></p>
    <p class="lt-turn__line">Con l'AI, penso ci sia pressione anche dall'altro lato, e immagino questa curva a campana. Conosci il meme: se hai un dipendente che non usa nessuna AI, sta sul lato sinistro, e dici: beh, devi usare l'AI, e questo riguarda davvero non solo l'engineering ma il marketing, le vendite, e via dicendo, perché ti rende davvero più efficiente. Dall'altro lato, se stai usando troppa AI, la domanda è: beh, cosa stai facendo? Hai speso 10.000 dollari, e cosa hai ottenuto in cambio? E penso che nel mezzo ci sia il motivo per cui non è una tecnologia di cui puoi dire: la nostra azienda non ne ha bisogno, ce ne preoccuperemo dopo, giusto? Mentre il cloud pubblico è ancora in costruzione... pensiamoci. Hai ogni singola azienda, privata, pubblica, Fortune 100, Fortune 5, che deve rifletterci a fondo perché sa che può essere trasformativa per l'impresa. Ma, sai, penso che oltre a questo, l'idea che tutti imparino l'AI e inizino a usarla automaticamente... Il motivo per cui gli FDE esistono ovunque è che non è così facile, giusto? Integrarsi nel contesto esistente della tua azienda e assicurarsi... sono sicuro che ci hai provato: provi a scrivere qualcosa con un Claude generico, non capisce le tue idee, non capisce il tuo contesto, non capisce il tuo modo di pensare, e una volta che inizi a giocarci e a costruire file di skill o quel che è, ti aiuta davvero a fare brainstorming, a creare un output con cui sei a posto, e alla fine ad arrivare a un punto autonomo dove l'essere umano nel loop non serve davvero più.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">18:47</time></p>
    <p class="lt-turn__line">Sì.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="gas-price-problem">Il problema del prezzo della benzina nei costi dei token <time>18:48</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">18:48</time></p>
    <p class="lt-turn__line">Ti faccio questa domanda: sui token, sul costo dei token e tutto ciò che c'è intorno, come pensi al livello di unità, giusto? Cioè, parliamo di token, e sono davvero curioso di sentire la tua opinione, perché io ho un'analogia che uso, ma</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">19:02</time></p>
    <p class="lt-turn__line">beh, qual è la tua analogia?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">19:03</time></p>
    <p class="lt-turn__line">Allora, sai, cerco di ricondurla a... credo di averla usata con qualcuno ieri: guardare solo i costi dei token è come guardare il prezzo della benzina, giusto? Stai per partire per un viaggio in auto e cerchi di calcolare quanti soldi ti servono per la benzina, e se guardi solo il prezzo della benzina a 4 dollari al gallone, ti aiuta fino a un certo punto, ma devi anche capire che tipo di auto sto guidando. Ho un'auto da corsa? Ho un'ibrida? Quanto dura? Quante tappe faremo? Non tiene conto di: e se avessimo preso la svolta sbagliata e avessimo guidato 50 miglia dall'altra parte? E avanti così. E per me guardare i costi dei token in isolamento è molto simile, giusto? Ed era simile l'anno scorso, quando l'idea dei modelli di reasoning, degli agenti, stava ancora decollando, ma non era ancora davvero ovunque. E ora puoi avere... sono sicuro che è capitato anche a te: chiedi a Claude di fare qualcosa, ti allontani, torni e sta ancora pensando, e tu: no, ehi, ehi, stai pensando troppo su</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">19:54</time></p>
    <p class="lt-turn__line">questa cosa, stai pensando troppo su questa cosa, giusto? Ed è un po' come gestire una persona, no? A volte affidi a qualcuno un progetto, sparisce in una rabbit hole per due settimane e torna. E tu: un attimo! Se solo ti fossi confrontato con me, giusto, con le tue prime idee, avremmo risparmiato un sacco di tempo. E questo tocca anche la cosa interessante, credo, della tokenomics e dell'AI in generale: ora stiamo pensando a come gestire lavoratori non umani, giusto? E questo tocca anche quel lato all'estrema destra dell'equazione della tokenomics, cioè: come pensi alla contabilizzazione dei lavoratori non umani, e puoi capitalizzare il lavoro che fa un agente, come fanno alcuni CFO, giusto? E allo stesso modo solleva conversazioni regionali davvero interessanti. Il costo di un engineer a San Francisco è molto diverso dal costo di un engineer in un'altra area geografica, giusto? E quindi la quantità di AI con cui vuoi abilitare quella persona cambierà, giusto? E quindi, tornando al tuo punto del guardare solo il prezzo della benzina: a volte hai la Camry, e a volte hai la Ferrari. Ma, sai, l'obiettivo può essere arrivare da un punto all'altro, oppure può essere farsi un bel viaggio on the road, e tutte queste cose devono entrare nel conto.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">20:53</time></p>
    <p class="lt-turn__line">Sì, soprattutto... credo che Gartner sia uscita l'anno scorso, o quest'anno in realtà, con il dato che se usi reasoning token può costare dalle cinque alle 30 volte di più rispetto a prima. E penso che i token avessero senso dal punto di vista del prezzo prima: se hai un chatbot, sai che i token di input, il modello che usi, hanno un prezzo, e i token di output. E ora hai agenti che possono fare chiamate e pensare da soli, possono fare un sacco di reasoning, e quello a cui tieni davvero è l'output. Ma anche a livello di output, se un modello che costa meno per token impiega il doppio del tempo ad arrivare all'output perché fa un sacco di reasoning, in modalità molto verbosa, rispetto a un modello che magari costa molto di più ma può arrivare più in fretta al risultato che volevi — potrebbe essere più economico nel lungo periodo. Potrebbe essere più economico per task, più economico, quel che è. Quindi la mia tesi è davvero che l'inquadramento vada astratto di un livello, cioè: qual è il punto, giusto? Cosa stai facendo con l'AI? È per potenziare qualcosa? Per esempio, se hai un call center e vuoi usare l'AI per le chiamate andate a buon fine, giusto? L'80% delle domande sono le stesse. Se sei un hotel: ehi, posso fare il check-in più tardi? Posso fare il check-out più tardi? E se puoi usare l'AI per rispondere a quelle cose, beh, quello a cui tieni davvero non è il prezzo in token per farlo. Ti importa qual è il costo per risultato di una chiamata andata a buon fine. E penso che senza quel livello di informazione, se guardi solo una fattura, sia molto difficile giustificare. Sì, abbiamo speso un milione di dollari il mese scorso su Bedrock o Vertex AI o qualsiasi modello. Dovremmo investire di più o no?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">22:22</time></p>
    <p class="lt-turn__line">Sì, e io</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">22:23</time></p>
    <p class="lt-turn__line">penso che quella conversazione a livello di CxO richieda questo livello di chiarezza dei dati, che non riguarda solo il costo, ma anche il lato ROI, il lato valore della tokenomics.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">22:34</time></p>
    <p class="lt-turn__line">A volte mi sento vecchio quando ripenso ai tempi del cloud, perché ormai il cloud ha quasi 20 anni, ma la conversazione che si faceva nei primi anni 2010 su questo è in realtà super simile a quella di adesso: prima del cloud, in pratica nessuno poteva tirare su un mucchio di risorse o infrastruttura e causare all'azienda un sacco di costi dall'oggi al domani, nel modo in cui lo facevano gli engineer nel cloud quando hanno avuto per la prima volta accesso ad AWS e a tutte queste cose. E gran parte della reazione era al passaggio da quel ciclo di procurement lungo e lento che esisteva nei data center, dove sapevi quanto avresti speso, a un cloud che improvvisamente ha fatto saltare tutto; e poi l'abbiamo riportato sotto controllo, perché, sai, possiamo mettere enablement e guardrail e tutte queste cose intorno a come gli engineer possono tirare su le risorse. E ora stiamo accelerando quel percorso nel mondo AI, dove adesso ogni singola persona nella tua organizzazione può spendere soldi, ma anche ogni singola persona nella tua organizzazione può davvero avere un impatto enorme su quello che fa, giusto? E quindi, guardando questo percorso e pensando a cosa credo debba succedere con la tokenomics e queste cose, stiamo arrivando a un punto in cui ripensiamo la tecnologia non solo come un modo per migliorare la velocità di produzione del widget, giusto? Ma come trasformiamo, di nuovo. Ti rigiro la domanda: dove vedi i confini tra la tokenomics e i modi precedenti di fare queste cose, FinOps o altro?</p>
  </div>
  <h3 class="lt-transcript__chapter" id="where-finops-ends">Dove finisce il FinOps e inizia la tokenomics <time>23:54</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">23:54</time></p>
    <p class="lt-turn__line">Sì, domanda interessante. Trovo che ci siano due modi di pensarci. Uno è che le lezioni imparate dal FinOps possono essere applicate qui, e si sta espandendo. Giusto: nel FinOps, davvero, come dicevi, non pensavamo al costo come qualcosa di più di un prezzo unitario per fare qualcosa. Giusto: serviamo i nostri clienti, i ricavi sono questi, o il costo cloud è tot. Ma ci sono certe cose nel FinOps adesso che, credo, proprio per via dell'AI, lo stanno costringendo a evolversi, giusto? Un esempio è quest'idea per cui l'ownership è il motivo per cui fai il chargeback a qualcuno, giusto? Showback e chargeback di solito si basano sul tagging. Dici: beh, il tuo team ha tirato su questa cosa, quindi dovresti esserne owner. Dovresti ottimizzarla, dovresti governarla. Dovresti essere efficiente usando tecnologie tipo un cluster EKS o simili. E trovo che con l'AI, ormai, iniziamo già a vedere le crepe in quel modello, giusto? Quando pensi a qualcosa come il serverless o un cluster Kubernetes condiviso, quello che succede è che, sai, prendi la cosa serverless, il tuo team la tira su, e un altro team è quello che la consuma senza sosta, e la fattura arriva a te perché è taggata a tuo nome. Allo stesso modo in Kubernetes, va bene, puoi delegare dicendo: questo namespace o questo nodo o quel che è appartiene a te, è il tuo costo. Ma ci sono tutti questi costi ausiliari, giusto? Se hai un servizio, per esempio, di proprietà del team di prodotto TMA, e generano una tonnellata di costi di egress verso internet, stanno facendo qualcosa lì. Quel costo non è taggato, e il meglio che avevamo era probabilmente: beh, dividiamolo proporzionalmente. Aggiustiamo un po' i numeri, perché... esatto, giusto. E penso che con l'AI, soprattutto adesso, questo sia il default e non, sai, la modalità avanzata del multi-tenant o quel che è, sì. E quindi siamo costretti ad affrontarlo comunque nel FinOps, e quindi penso che molte di queste cose succederanno sul lato tokenomics. Risolvere il ROI è un altro esempio. Nel FinOps era la unit economics, giusto? E guarda, parlo con i clienti... sono 15 anni o 10 anni che parliamo di unit economics. Molte aziende non ci sono ancora arrivate, perché è un</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">25:56</time></p>
    <p class="lt-turn__line">obiettivo aspirazionale per molti versi,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">25:58</time></p>
    <p class="lt-turn__line">ed è difficile, perché i dati che servono per fare il pricing unitario non arrivano dal cloud, giusto? Arrivano dal tuo business. E quindi, se per esempio il costo di qualcosa sta in Salesforce, un altro vive in Excel, un altro vive là, provare a collegare i puntini ha molto senso. Sai, cosa ho ottenuto in cambio? Ma penso che con l'AI, soprattutto ora, non sia più un nice to have. Aspirazionale, come dici tu. Sì, è la cosa che devi risolvere, perché altrimenti come puoi investire soldi in questo ambiente estremamente costoso, estremamente veloce, dove, sai, c'è qualcosa che vuoi fare con l'AI nella tua azienda? Sì,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">26:35</time></p>
    <p class="lt-turn__line">e in realtà penso — forse una presa di posizione leggermente controversa dato il momento — penso che in futuro vedremo di nuovo più token maxing come concetto, perché questo pendolo tornerà indietro. E in questo momento c'era un "tieni la testa bassa se non stai usando l'AI". Ora c'è un "tieni la testa bassa se ne stai usando troppa". Ma, sai, in realtà vogliamo che le persone siano messe in condizione di usarla. L'altra cosa interessante che iniziamo a vedere intorno alla tokenomics — e arrivo tra un attimo alla unit economics — è come tutto questo si ricolleghi all'investimento di capitale nel data center e come si connetta, all'estrema destra, ai prezzi delle azioni. La settimana scorsa leggevo il report sugli utili di SpaceX, e lì in mezzo c'era una discussione sul loro revenue per watt nel data center, e citavano un numero: il loro revenue per watt nel trimestre precedente era questo, ed è salito. È stato un salto enorme, tipo 3x o giù di lì nel trimestre in corso, e poi sono riusciti a prenderlo e dire sostanzialmente: beh, se sappiamo quanti gigawatt stanno aggiungendo in capacità, sappiamo qual è il revenue per watt adesso, possiamo proiettare in avanti il fatturato AI. E questo in effetti ha guidato — era la tesi o ipotesi di quell'articolo — gran parte dei rally azionari che hanno visto. Lì la supply chain della tokenomics è in azione: l'unità centrale da quel lato è "ho questa capacità, quanto posso venderla per watt in quel caso" e metterla sul mercato. Quello è facile per un'azienda di infrastruttura, giusto? E penso che stiamo vedendo — questa è probabilmente più una conversazione da Fortune Hunter — tipo: come possiamo monetizzare il nostro accesso a GPU e hardware correlato? Dal lato di tutti gli altri, penso che la conversazione sulle unità stia diventando più complicata, perché non è solo "come ho completato il task più in fretta?" È: come ho usato l'AI per generare più ricavi e output? Cioè, ho ricevuto una chiamata letteralmente mentre guidavo fin qui, da qualcuno in un'azienda enorme, e stanno lentamente licenziando molto personale perché stanno abilitando più output. Almeno questo è il messaggio che ricevono, giusto, da persone potenziate dall'AI. Quindi, qual è la misura giusta? E la misura giusta, credo, non è una singola metrica unitaria. Non lo è mai stata, ma è su base per team, per organizzazione, per prodotto. Come otteniamo prima più efficienza da quelle singole unità? E poi, come generiamo più ricavi a valle? E stiamo vedendo molto di quel collegamento, ed è anche per questo che facciamo questo lavoro. Mi hai chiesto cos'è la tokenomics, e vorrei poterti dare una risposta facile, e ho un'opinione, ma penso che l'industria lo stia ancora capendo. Quello che sappiamo — e torno alla tua domanda iniziale sul perché lo facciamo — è che il termine tokenomics e l'idea che racchiude sono nello zeitgeist in questo momento a ogni livello, tra i CEO e i CFO e i CIO e persino in questi report sugli utili di aziende da mille miliardi di dollari, perché mette insieme il pensiero attorno a un concetto: c'è un'intera supply chain intorno all'AI che inizia con l'energia e ha come risultato finale ricavi e prezzi azionari, e c'è un mucchio di lavoro nel mezzo che dobbiamo collegare. E in questo momento c'è un mucchio di discipline separate, e il FinOps è una di quelle discipline separate: sta lì a quel livello di piattaforma, cloud, tecnologia variabile, SaaS, software, queste cose; e poi hai altre persone dei data center di là che fanno queste cose e costruiscono investimenti di capitale; e poi hai tutto un altro gruppo di persone di business che fanno queste cose, e la tokenomics punta in un certo senso a metterle insieme. Quindi, per quanto si possa descriverla semplicemente come prendere energia, trasformarla in intelligenza e generare valore a valle, o dire che è sinonimo di Denops per l'AI — e in parte lo è — qui si sta sviluppando un filo più grande, e penso che vedremo nascere essenzialmente una nuova disciplina. E io cerco di non essere dogmatico — e penso sia davvero difficile per chi è in questo spazio — su come si chiamerà, e se ingloberà le cose vecchie o se le cose nuove saranno una cosa nuova: semplicemente non lo sappiamo ancora. Ed è per questo che sono così entusiasta di fare conversazioni come questa con te, per capirlo.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">30:26</time></p>
    <p class="lt-turn__line">Sì, alla fine della fiera è solo un nome, giusto? Ancora adesso penso: FinOps — è financial operations? È financial...? Oh,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">30:33</time></p>
    <p class="lt-turn__line">odiavo quel termine. Lo so, è... comunque un nome terribile, però. Anche quello, sì,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">30:37</time></p>
    <p class="lt-turn__line">è solo un nome, e penso che il valore di qualcosa come la FinOps Foundation e ora la Tokenomics Foundation sia che stiamo costruendo in un certo senso alla luce del sole, giusto? Nessuno l'ha risolto perché, a essere onesti, per ogni azienda diversa sarà una soluzione diversa. Come il framework, che non era prescrittivo. Era più: beh, di cosa hai bisogno, giusto? Qual è la cosa a cui stai dando priorità in questo momento? È avere chiarezza sui dati, e una volta che hai quei dati, vuoi pensare a come essere più efficiente? E se hai l'efficienza, come previeni il momento "fin-oops", come mi piace chiamarlo. Anche a me piace quella, sì. E sono sicuro che, soprattutto nella tokenomics, le domande sono simili, ma molto specifiche per l'AI.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">31:18</time></p>
    <p class="lt-turn__line">Beh, e c'è un'altra cosa. A proposito dei momenti FinOps: nelle ultime settimane mi hanno chiesto — e io dico no, no — se la tokenomics sia un rebrand del FenOps, che sia a livello di disciplina o a livello di fondazione. E la risposta è: assolutamente no. C'è stato un momento, mentre facevo la ricerca su se tirare su una nuova fondazione o cosa fare in generale — ho avuto questo periodo incredibile di cinque o sei giorni in cui sono riuscito ad avere al telefono 20 delle Fortune 25, persone che conoscevo lì dentro, in questo spazio, e la gente accettava chiamate di sabato e domenica, alle sette di mattina di sabato, per parlare di queste cose — e una di quelle persone ha detto: è buffissimo che tu me lo chieda, se è la stessa cosa o diversa, perché sono appena uscito da una riunione con il nostro, credo fosse il loro CIO, che ha detto: la roba FinOps è davvero importante, e ho bisogno che tu te ne occupi, perché è la maggior parte della nostra spesa, è un blocco enorme. Ma ho bisogno che tu la converta in business as usual: lo fai da anni, continua così. Ho bisogno che tu reindirizzi tipo l'80% delle tue persone più brillanti ad andare a capire questa cosa della tokenomics, perché sta scalando come una pazza e il nostro board sta facendo domande. E quello è stato un po' un momento decisivo per me: devi continuare a fare il lavoro FinOps in cui sei diventato bravo, e poi devi anche andare a capire questa cosa nuova. E quindi, quando l'ho messo nella prospettiva di cosa facciamo in fondazione: manteniamo tutto ciò che facciamo dal lato FenOps Foundation. FenOps X vive; ora ha una conferenza sorella. La formazione vive. I working group vivono. Tutto succede lì, e il nostro team vive lì. E stiamo tirando su un nuovo team per andare a risolvere questo punto interrogativo: cos'è questa cosa e come si fa? Perché ha bisogno di un mucchio di investimenti, e non possiamo smettere di fare il lavoro FenOps, perché se lo facciamo, tutti i costi lì impazziranno, le nostre previsioni salteranno e avremo problemi. E quindi stiamo vedendo come si evolve. E col tempo, penso che la domanda diventi: è tutto la stessa cosa, o sono cose diverse, una e l'altra? E questo è quello che penso capiremo strada facendo. Sì,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">33:15</time></p>
    <p class="lt-turn__line">e quella domanda veniva già sollevata per l'ITAM, giusto? L'ITFM. Avremo una fusione, un pasticcio</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">33:20</time></p>
    <p class="lt-turn__line">già adesso, giusto? Sì,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">33:21</time></p>
    <p class="lt-turn__line">e trovo che il lato valore, il ROI per esempio, esista da sempre anche nel FinOps. Ma andava bene stimarlo, perché era una spesa controllata. Era una cosa controllabile che potevi vedere, e potevi avere guardrail su tutto. E in realtà le persone che toccano il cloud sono il team di engineering, il team DevOps, gli SRE, il team IT, e penso che a livello di CxO fosse: beh, mi fido del mio CTO o CIO o IT director; ce l'hanno sotto controllo. E anche se i dati non sono perfetti, anche se non facciamo la unit economics, va bene, perché sappiamo che quello che ci interessa è la spesa cloud totale in aggregato. E alla fine, ciò per cui usiamo davvero il cloud è gestire processi di business, costruire, sai, software o quel che è. E con l'AI è molto diverso, perché con l'AI fai due cose. Uno: potresti potenziare il tuo prodotto, se lo vendi, così che i tuoi clienti abbiano un'esperienza migliore, giusto? Potresti poter dire: invece di imparare le configurazioni, dimmi in inglese cosa vuoi fare, e ci pensiamo noi.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">34:20</time></p>
    <p class="lt-turn__line">Già.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">34:21</time></p>
    <p class="lt-turn__line">Ma poi c'è anche quest'altro lato, di cui non credo il FinOps abbia mai dovuto preoccuparsi: l'AI può aiutarti con l'efficienza operativa interna, giusto? Non hai gente del marketing che tira su istanze EC2 per migliorarsi le giornate, ma con l'AI, beh, adesso sì, esatto, giusto? E quindi questo è sempre esistito: una riga di codice sbagliata poteva trasformare una t3 micro da un centesimo l'ora a 99 dollari l'ora, se su AWS la facevi diventare una p5. E con l'AI ora, sai, tutti hanno accesso a un equivalente di chatbot, che sia controllato perché ne limiti il perimetro, e i guardrail che esistono oggi sono solo un numero: diciamo, ehi, ti limitiamo a 200 dollari al mese, e se hai una buona ragione lo allarghiamo. E sai, se sei uno che usa queste tecnologie, non è che puoi dire: ehi, ho solo una domanda, sbrigatela in background. Usi Claude, è Fable Five o questo e quello, e penso che tutti, ovviamente, vogliano la massima intelligenza possibile, giusto? Non sono allenati a pensare: beh, per questo task dovrebbe bastare il modello Haiku. Vogliono la massima intelligenza, ovviamente. E penso che la fase di sperimentazione dell'imparare l'AI richieda davvero un budget di spesa: per imparare l'AI non puoi fare un corso di 40 ore e poi è fatta. Il modo migliore per imparare è usare l'AI. Sai, ho molti amici che mi chiedono: "Ehi, come divento davvero, davvero esperto di Claude?" E io: "Perché non provi a chiederlo a Claude?" Giusto? Tipo: cosa mi sto perdendo? Cosa posso farci? E penso che questa natura esplorativa dell'AI significhi anche che è davvero difficile capire, al primo gennaio quando fai il budget, o a novembre per l'anno successivo, quale sarà la spesa. Giusto, il paradosso di Jevons. Sì, certo, i token diventeranno sempre più economici. Ma quello che significa allora è: beh, sai, i token per l'inferenza allo stesso livello... DeepSeq ha appena</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">36:12</time></p>
    <p class="lt-turn__line">annunciato aumenti su alcuni dei suoi prezzi per token. Giusto, giusto. Ed ecco la natura altamente variabile di tutto questo. Ma penso ci sia una cosa che stavi toccando, che è sempre l'apertura di questa conversazione: iniziamo tutti a parlare di selezione del modello.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">36:24</time></p>
    <p class="lt-turn__line">Sì,</p>
  </div>
  <h3 class="lt-transcript__chapter" id="model-selection">La scelta del modello e l'harness che lo circonda <time>36:25</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">36:25</time></p>
    <p class="lt-turn__line">e la selezione del modello è critica. Direi che è una delle cose più caratterizzanti della tokenomics nel livello di ottimizzazione, perché pensiamo a produzione e consumo, che include l'ottimizzazione, e poi al lato valore. Ma una delle mie citazioni preferite di Dario, di un paio di mesi fa, è che i modelli stanno arrivando alla fine dell'esponenziale, nel senso che i modelli, release dopo release, non stanno migliorando in modo drastico. Tipo: sono passato da 4.8 a 5, speravo che mi cambiasse la vita, e non è cambiata davvero, giusto? E quindi il modello è una parte importante di questo, e il modello è spesso dove facciamo la conversazione sui token, ed è lì che sta molta della conversazione sul costo dei token. Ma l'altra parte è l'intero harness intorno al modello, e i livelli di contesto, e i livelli di intelligenza, e la memoria, e le persone, e la formazione di quelle persone, e l'abilitare le persone. E quindi penso che nella tokenomics come disciplina e nella fondazione avremo un insieme di lavori che riguarderanno sempre la selezione del modello, la selezione dei prompt, il prompt engineering, assicurarsi di non rompere la KV cache, tutte queste cose fondamentali. Ma sempre di più vediamo persone dire: "Beh, come faccio a capire come portare dentro tutto il contesto di cui il mio business ha bisogno?" Perché, guarda, mi è successo ieri con qualcuno del mio team. Ragazzo fantastico. Lo nomino: Stephen Arthur. Lui ha un mucchio di hardware a casa sua, è tutto protetto, e ci fa girare sopra modelli open weights, ed è fantastico, sai, i token sono quasi gratis perché ha speso tutti i soldi nell'hardware. E stavo ricevendo degli output da lui, e pensavo: questo non va bene. E ci siamo resi conto che io ho tutto un setup Claude di qua con il resto del team, tutto connesso, e il suo modello open weights, che per certi versi dovrebbe essere più potente ed è sicuramente più conveniente, mancava di tutto questo contesto. Quindi gli ho detto: ehi, ho bisogno che tu riporti parte di quella roba di qua. E questo porta a: non si tratta di costo per token, giusto? Io sono il titolare del budget in questo caso, e gli sto dicendo: per favore smetti di usare l'opzione più economica, perché ti manca quel contesto. E vediamo le grandi aziende là fuori — non farò nomi di singole aziende, ma i giganti tecnologici — che dicono: "Sì, sì, possiamo sostituire qualsiasi modello tu voglia, ma noi abbiamo accesso a tutti gli altri tuoi dati, nel tuo database, nel tuo data store, nelle tue email, nel tuo calendario, nel tuo CMDB." Tutta questa roba è davvero dove sta il valore. E poi, tra l'altro, dobbiamo sempre tornare al fatto che la tokenomics riguarda quel totale: il costo dei token, la selezione del modello, è la punta dell'iceberg, giusto? E se ci concentriamo troppo lì, guardiamo l'albero e ci perdiamo la foresta. È</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">38:51</time></p>
    <p class="lt-turn__line">buffo che tu menzioni il lato tokenomics dei modelli open source, giusto. AT&amp;T è uscita la settimana scorsa, nei loro risultati credo, dicendo che usano fino al 25% della loro spesa token su open source e vogliono arrivare tipo al 70% o qualcosa del genere. E sai, è buffo, perché all'inizio, quando ho visto per la prima volta la creazione di token nella Tokenomics Foundation, ero piuttosto confuso, perché, sai, la mia mentalità era: beh, da practitioner FinOps, mi importava davvero di segregare i dati, ottimizzarli, governarli. Non mi è mai importato davvero dell'energia che AWS usa per creare un token, per esempio. Ma più imparo, più vedo che ci sarà un mix di modi diversi in cui creiamo i token, giusto? Potrebbe essere il cloud, ovviamente. Potrebbero essere, sai, questi service provider, ma ci sono anche questi neocloud, Fireworks, che possono ospitare modelli open source. E l'efficienza non è, sai, la stessa: lo stesso hardware che gira su AWS, GCP, questi neocloud, il tuo data center, otterrai output molto diversi. Ci sono molti guadagni di efficienza che stanno facendo, e come fai davvero a confrontare per dire dove investiamo in futuro? Devi guardare la creazione dei token, giusto? E devi capire qual è il metro con cui possiamo avere una discussione onesta su: investiamo di più? Dovremmo tornare al data center e comprare semplicemente un mucchio di hardware NVIDIA, o dovremmo continuare a pagare per Claude? Come dici tu, perché l'ecosistema è dove vogliamo stare, e anche se è più economico, potrebbe richiedere molto più caricamento di contesto o, sai, copiare dati in giro per poterlo usare. Contro: vale il premium, premium tra virgolette, di usare qualcosa come Claude perché lavora più veloce, finiamo per usare meno token e riusciamo ad arrivare all'output che volevamo davvero senza, sai, nove ore di botta e risposta con Claude, che è divertente, ma a volte anche sfiancante.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="energy-scarce-resource">L'energia come nuova risorsa scarsa <time>40:37</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">40:37</time></p>
    <p class="lt-turn__line">Beh, non stavo dicendo che Claude fosse migliore in quel caso, ma nell'istanza di Claude che stavo usando ci sono connessioni MCP a un mucchio di altri sistemi che usiamo, c'è molta memoria condivisa, ci sono file di skill, c'è accesso, sai, ai nostri database, e sono tutte quelle connessioni a renderlo prezioso. Quindi potremmo tranquillamente sostituire Claude, in quel caso, con il modello locale che fa girare lui, se quel modello locale avesse le connessioni a tutte quelle cose. Ma voglio tornare a quello che hai detto sull'energia, perché questa è un'area davvero interessante. Dove la gente dice: "Beh, in cosa è fondamentalmente diverso dal FinOps?" E l'abbiamo toccato un po' alla conferenza, ma il FinOps presume che tu possa semplicemente andare a procurarti gli asset di cui hai bisogno, e che siano lì, scala infinita, scala infinita, sono lì. Premi un pulsante, o scrivi codice, e arriva. E questo tocca anche l'ITAM, che hai menzionato, giusto? Che tocca molto di più gli aspetti di compliance e sicurezza, e gli aspetti di procurement e sourcing. Ma quando inizi a pensare ai servizi AI, e in particolare se sei una grande azienda che lo fa su larga scala, devi dire: non so se posso avere accesso all'hardware. Non so, anche se uso un cloud provider, se quel cloud provider avrà l'energia necessaria nel momento in cui devo tirare su quella grossa cosa, qualunque essa sia, che sto tirando su. E l'energia diventa... E voglio anche chiarire: quando parliamo di energia, non parliamo necessariamente di sostenibilità, anche se potremmo, quella è una sottoparte. Ma l'energia diventa un asset limitato a cui dobbiamo pensare: ne abbiamo abbastanza? Se siamo un grande provider che fa girare molte cose. E poi dobbiamo anche pensare ai costi di quell'energia, che alimentano il mio revenue per watt in quell'esempio di SpaceX o altro. E quindi stiamo vedendo arrivare le prime conversazioni sull'energia. E quando parlo con, sai, provider di data center con cui lavoriamo, loro stanno cercando di ottenere non solo il costo giusto per l'energia, ma anche le fonti giuste, giusto? Gli servono i generatori diesel di backup e la rete, e devono comprare solare, e gli serve tutto il mix, perché non ne trovano abbastanza. Ma tutto questo si riavvolge nell'idea che nel mondo AI c'è scarsità di risorse, e alcuni provider sono più lenti perché non hanno abbastanza energia e abbastanza hardware, e alcune delle grandi aziende non riescono a comprare ciò che gli serve. Quindi la tokenomics guarda anche a quell'area di sinistra: cioè, per usare le parole di Jensen, l'efficacia della token factory, come prendo energia, con l'hardware giusto e il giusto investimento di capitale — dicevi tu, e lo dico spesso anch'io — per produrre token, ma in realtà per produrre semplicemente un servizio AI. Ora, quei servizi possono essere ricondotti al token in qualche aspetto, ma sono tutti i livelli avvolgenti di memoria e database e storage e tutte le cose intorno.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="where-it-lives">Dove dovrebbe collocarsi la tokenomics in azienda? <time>43:06</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">43:06</time></p>
    <p class="lt-turn__line">Sollevi un punto interessante sul lato energia, giusto? Rispetto al FinOps, dove eravamo davvero concentrati sul cloud e sul suo utilizzo, e ovviamente, sai, abbiamo iniziato a espanderci ai data cloud, al SaaS. Credo che cloud plus fosse un termine che usavamo prima,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">43:21</time></p>
    <p class="lt-turn__line">alcuni sì, giusto, anche noi per un po', sì, e</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">43:24</time></p>
    <p class="lt-turn__line">e trovo che, almeno con l'AI, per via di queste considerazioni che devi fare, non basta dire: beh, useremo i modelli open source, giusto, costa meno. Beh, costa meno, ma dove li fai girare? Farai girare il tuo hardware? Avrai le fonti di energia per alimentare davvero questa roba? Lo farai girare su un altro provider, quindi è comunque essenzialmente infrastructure as a service, e avanti così. E penso che la domanda che ho è: in un'organizzazione, in qualsiasi organizzazione che ora sta pensando alla tokenomics — e non è una di quelle cose nice to have per dopo, giusto? Quando penso al FinOps, spesso può essere: siamo troppo piccoli per il FinOps, non ci serve davvero una persona dedicata, non ci servono strumenti, ce la gestiamo. Ma la tokenomics è l'opposto: è "ci serve qualcuno concentrato su questo", e spesso arriva dal board e dai CxO. Dobbiamo concentrarci sulla tokenomics perché la sua potenza, sai, la capacità di trasformare, come dicevi prima, il nostro intero business è troppo enorme per essere ignorata. Dove pensi che la tokenomics come disciplina si collochi, diciamo, in un'impresa? Sta tradizionalmente con il team FinOps? Dovrebbe essere una disciplina del tutto diversa, come i CAIO che vediamo ovunque adesso? Dove pensi che finirà?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">44:34</time></p>
    <p class="lt-turn__line">Non lo so. Stiamo molto attenti a non definire — a meno che non vediamo davvero lo schema ripetersi ancora e ancora e ancora — un practitioner della tokenomics nel modo in cui credo esista quello FinOps, perché tocca così tante aree diverse. Se chiami al telefono qualcuno di un NeoCloud e gli chiedi della tokenomics, o chiami qualcuno in un cloud e gliene chiedi, o chiami qualcuno in una grande banca a New York che sta in un team finance, otterrai risposte completamente diverse su cosa sia e dove stia. E quindi, dalle conversazioni che sto avendo in questo momento, la vediamo come un termine per descrivere un insieme di capacità, o una disciplina, potresti dire, ma che deve essere distribuita in tutta l'organizzazione, in molti posti diversi. E quindi sento da molte delle nostre persone in queste grandi aziende: ricevono la chiamata, essenzialmente dall'alto, dal CEO, che dice: "Ho bisogno che tu metta in piedi la practice di tokenomics, e ho bisogno che tu ci aiuti a capire le persona giuste e cosa dobbiamo assumere e il team." E non posso dire con chiarezza, in questo momento, esattamente dove dovrebbe stare o chi dovrebbe guidarla. Vedo alcuni segnali. Ci sono casi in cui alcuni la mettono proprio accanto al FinOps — bene, facile. Ma allora di solito guardano solo quel livello di consumo nel mezzo. Alcuni la mettono nel team del chief AI officer. Alcuni, quando c'è molto hardware di mezzo, la spostano, sai, più a sinistra verso chi sta in quell'area. È come quella parabola dei ciechi e dell'elefante.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">46:00</time></p>
    <p class="lt-turn__line">Qual è la parabola? Non la conosco. Non l'hai mai sentita? Ok, ok. Mi piacerebbe sentirla. Ok,</p>
  </div>
  <h3 class="lt-transcript__chapter" id="blind-men-elephant">I ciechi e l'elefante <time>46:04</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">46:04</time></p>
    <p class="lt-turn__line">l'ho sentita alle elementari, ma ci sono questi sei ciechi, nessuno dei quali ha mai visto un elefante, e vengono portati in questo palazzo per fare esperienza di un elefante per la prima volta. E l'elefante è in mezzo alla stanza, e i sei ciechi si avvicinano all'elefante da angolazioni diverse, e uno mette le mani sulla proboscide e dice: "Oh, un elefante! È come un serpente." E un altro mette le mani sulla coda: "Un elefante! È come una corda." Un altro tocca la zampa e dice: "L'elefante! È come un tronco d'albero." Questo è ciò che è la tokenomics in questo momento. Chiedi a persone diverse, che stanno in parti diverse della catena, di descriverla, e ottieni risposte completamente diverse. Il fatto è che hanno tutti ragione, ma nessuno di loro vede il quadro più ampio.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">46:45</time></p>
    <p class="lt-turn__line">È davvero interessante. Penso che forse sia perché il FinOps è vittima del proprio successo. Nel senso che, sai, quando pensiamo al FinOps, quando abbiamo avviato la fondazione, c'erano tante cose da imparare. C'è stato un sacco di lavoro da fare per portarlo dov'è oggi. E quando sentiamo Tokenomics Foundation, penso che forse ci sia una, sai, percezione tipo: oh figo, l'avete già risolto</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">47:06</time></p>
    <p class="lt-turn__line">giusto, e</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">47:07</time></p>
    <p class="lt-turn__line">e la gente non ricorda che c'è voluto così tanto lavoro, così tanta materia grigia di persone che tiravano e spingevano su quest'idea di come si fa una disciplina per il cloud, per arrivare dove siamo oggi</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">47:18</time></p>
    <p class="lt-turn__line">assolutamente, e abbiamo iniziato... quando dico "abbiamo", intendo anche Mike Fuller, che è il co-autore del libro FinOps, e che descrivo sempre come il cervello dietro il FenOps. Abbiamo iniziato ad avere queste conversazioni nel 2014, giusto? E solo nel 2018 abbiamo pensato: oh, forse qui c'è davvero una disciplina, e poi abbiamo provato a documentarla nel 2019, e poi direi che verso il 2021 ci sembrava di averla ben inquadrata, e nel 22, 23, 24 si vedevano practice mature, e poi l'AI ha fatto saltare tutto, giusto, e reset. Ecco perché, sì, come dici tu, queste cose non si capiscono dall'oggi al domani, e siamo esattamente di nuovo in quel ciclo con la tokenomics, dove stiamo avendo queste conversazioni profonde tipo: cos'è, chi la fa. E abbiamo fatto tutto questo, sì, cinque anni fa nel FinOps, ma non ha mai avuto questo livello di attenzione, e non è mai stato così — stavo per dire urgente, ma non è mai stato così critico da capire, perché il cloud a quel punto era solo un pezzo, e poi la gente ha capito come applicare il FinOps ad altre aree. Ma qui torniamo a quel momento di crisi esistenziale, dove collettivamente, come industria — e sono così contento che voi lo stiate facendo, e tutti gli altri membri si stanno agganciando — dobbiamo risolverlo, perché non vogliamo vedere la storia della cloud repatriation ripetersi nell'AI, dove entra tutto questo investimento e poi la gente dice che non ne vale davvero la pena, giusto? Voglio dire, questo ha conseguenze per le singole aziende, giusto? E ha grandi conseguenze anche per l'economia globale. E capire questa cosa e fare questo lavoro di efficienza — sembra che la stia facendo più grandiosa di quello che è, ma dobbiamo davvero capire come incanalare tutto questo investimento in valore e output, giusto? E portare con noi le persone nel processo.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">48:47</time></p>
    <p class="lt-turn__line">Sì, in un certo senso penso che entrambe le fondazioni, quello che ti danno davvero alla fine, è la fiducia per usare le tecnologie, giusto? La fiducia di spendere nel cloud senza preoccuparsi che, beh, la fattura stia salendo, giusto? La unit economics ti aiuta a capire: beh, il prezzo unitario in realtà sta scendendo, stiamo facendo più volume. Sì. L'esempio che usavo è: se finisci sulla prima pagina di TechCrunch e sei una società Series A, e ti arriva l'alert di anomalia che dice che hai triplicato la tua fattura cloud negli ultimi due giorni, impazziamo tutti, la guardiamo, e qualcuno fa: sì, perché abbiamo triplicato il traffico.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">49:15</time></p>
    <p class="lt-turn__line">Era il Black Friday. Abbiamo fatto tutti questi soldi. Esatto. E c'è, sai, tutta quella storia del "ciò che viene misurato viene migliorato", e probabilmente la citerò male, ma credo sia la legge di Goodwin, che in sostanza dice che una volta che metti un target su una misura, la misura smette di essere utile, perché inizi a... E questa è in realtà la sfida anche con la unit economics: vogliamo arrivare a una unit economics in cui guardiamo il valore di business rispetto al costo, ma se iniziamo a ottimizzare solo sul costo per transazione — assolutamente — quella potrebbe essere la metrica sbagliata, giusto? E quindi questo è, credo, uno dei problemi della unit economics come concetto a cui le organizzazioni sono arrivate, e penso che spesso le conversazioni sulla unit economics si siano fermate a quel livello di piattaforma. Tipo: qual è la misura di unit economics per la piattaforma? E non si è collegata abbastanza al prodotto.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">49:59</time></p>
    <p class="lt-turn__line">Sì, e la gamification, giusto: appena hai una metrica per qualcuno... il token maxing è nato perché qualcuno ha detto: devi usare più token, devi imparare a usare l'AI. Ok, ma la qualità di quello che fai è molto diversa. C'è chi fa ripetutamente le stesse domande, e c'è chi sta davvero imparando e applicando e diventando più efficiente nel proprio modo di lavorare per ottenere lo stesso output a cui teneva davvero. Ma se metti una misura tipo: anche limitazioni come "questo gruppo dovrebbe spendere solo 100 dollari a settimana o al mese in AI", penso che ti perdi un po' il quadro più grande, cioè: cosa ti danno davvero quei 100 dollari? Questo è il punto, e vuoi poterlo quantificare e misurare, perché se non puoi misurarlo, allora diventa un numero di costo, e quello è un valore assoluto, giusto? E sai, è buffo: credo che all'inizio, forse l'anno scorso, due anni fa, ci fosse sempre un budget separato per l'AI. Proviamo un sacco di cose, sai, va bene sperimentare, POC, quel che è. E sempre di più adesso si dice: sì, o verrà inglobato nel nostro budget complessivo per il cloud,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">50:56</time></p>
    <p class="lt-turn__line">oppure sarà separato</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">50:58</time></p>
    <p class="lt-turn__line">per i team. Sì. Cambiando argomento per un attimo, mi piacerebbe sentire la tua opinione su come pensi che evolverà il panorama per le aziende SaaS, dove tradizionalmente il modello era basato sui seat, e all'improvviso adesso... sai, con un modello a seat, e se usi il cloud, hai la unit economics, puoi controllarla, hai protezione dei margini. Con l'AI, diciamo che integri un chatbot nell'esperienza per il tuo cliente... penso che tutti ricordiamo la storia di Chipotle, quando qualcuno ha scoperto che, beh, se martello il chatbot di Chipotle, è un GPT personale. È gratis. Sì, non devo farci niente. E quindi il modello di addebito, soprattutto per questi servizi SaaS che stanno uscendo, soprattutto se sei un business SaaS esistente e ci aggiungi questa cosa... c'è così tanta variabilità in gioco adesso, giusto? Potresti avere un cliente che dice: invece delle API, colpirò il tuo server MCP, o chiederò in inglese ogni cinque secondi. Mentre prima i costi API li potevi gestire, ma, sai, se hai un traduttore LLM nel mezzo, va comunque all'API a prendere gli stessi dati, solo che la gente lo fa in un modo diverso, per loro più facile. Come pensi che evolverà l'industria quando pensi al pricing SaaS? Ho</p>
  </div>
  <h3 class="lt-transcript__chapter" id="saas-pricing-agents">Il pricing SaaS nell'era degli agenti <time>52:04</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">52:04</time></p>
    <p class="lt-turn__line">visto oggi un titolo su un'azienda il cui prezzo azionario era crollato, e il nome che gli avevano appiccicato, l'epitaffio o come si dice, era: oh, sono solo un wrapper di AI, giusto? E questa è la grande questione. Penso che il rischio per molte aziende SaaS in questo momento — e questo arriva a una domanda più esistenziale per le aziende SaaS e software — sia: dove sta il valore? Il valore sta nell'AI sottostante? Sta nella conoscenza specializzata che ci metti sopra? Sta nei dati che hai? Che aspetto ha? La componente a consumo variabile è enorme in questo momento, e la cosa che manca in quella conversazione... sai, dicevi che puoi tracciare le chiamate API, gestirle, prevederle. È qui che entra l'agentico. Non abbiamo ancora detto molto "agentico", comunque. Il che</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">52:50</time></p>
    <p class="lt-turn__line">significa che siamo sopravvissuti un'ora senza dire agente. Incredibile. Il che,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">52:53</time></p>
    <p class="lt-turn__line">sai, chiedi al chatbot di quell'offerta SaaS di fare una cosa, e non sta solo facendo la cosa. Sta tirando su una serie di agenti. Agenti che interagiscono con agenti e vanno a creare altri agenti e loop e retry e fallimenti, e questo può aggiungere molto valore, ma può anche semplicemente aggiungere un sacco di costi dietro, giusto? E quindi, sai, sento molte conversazioni... ero in call stamattina con un gigante — chiamiamola azienda SaaS, tu potresti chiamarla azienda di piattaforma, loro potrebbero definirsi azienda cloud — e usano molti modelli AI diversi che girano ai clienti, e devono riprezzare come vendono ai loro clienti e capire qual è il loro beneficio e come appaiono i loro margini su quello. Ne sento altri che faticano semplicemente a ribaltare direttamente i costi dei modelli, e senti alcuni che lo fanno così, diretto, altri che ci mettono un markup. Alcuni fanno sistemi a crediti. Alcuni fanno crediti più markup diretto. Sembra che... voglio dire, per tornare a 20 anni fa, Salesforce è stata una delle prime a fare un modello SaaS sopra tutto questo e a capire il pricing. Siamo tornati al punto zero con tutto questo, adesso. Voglio dire, si gioca senza esclusione di colpi: non ci sono modi giusti o sbagliati di prezzare a questo punto, ma tutti devono capire la componente variabile e poi capire se sono un'azienda AI o un'azienda wrapper di AI. E puoi avere valore se stai solo facendo da wrapper all'AI? E che aspetto ha? Quindi, per arrivare alla tua domanda, in fin dei conti: il modello basato sui seat resterà? Penso di sì, ma iniziamo a vedere biforcazioni tra: il seat è per un umano o è per un agente, giusto? Credo... chi era? ServiceNow ha fatto, credo, titoli forse buoni e cattivi con la loro storia del casello: se hai agenti che la colpiscono, ti addebitiamo in modo diverso. E in effetti, immagino abbia un certo senso, perché io posso digitare solo fino a una certa velocità, ma i miei agenti possono andare avanti tutta la notte.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">54:41</time></p>
    <p class="lt-turn__line">In un certo senso, l'idea che avevamo iniziato nel FinOps sui costi SaaS in arrivo sta accelerando l'adozione del FinOps, giusto? Perché all'improvviso, come dici tu, i costi SaaS magari non erano inclusi nel FinOps quando erano basati sui seat, perché pensavi: beh, non ci preoccupiamo davvero di aggiungere e togliere seat ogni giorno. Mentre il beneficio dell'efficienza FinOps, sai, è che l'azione che fai adesso, il costo si risparmia adesso. Giusto: hai un cluster Kubernetes che ottimizzi, immediatamente vedi il beneficio. Non aspetti un anno o quel che è.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">55:13</time></p>
    <p class="lt-turn__line">Mi mancano già quei giorni. Il FinOps è così pulito in quel senso. È pulitissimo. Fai un'azione, ottieni risultati immediati o abbastanza rapidamente, totalmente tracciabili, e abbiamo perso un po' di quello.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">55:21</time></p>
    <p class="lt-turn__line">Ma ora, in un certo senso, come dici tu, se sono aziende SaaS o aziende tecnologiche, in mancanza di una parola migliore — SaaS forse non è più la parola giusta — se fanno pricing variabile, sai, il tuo costo AI non è solo la spesa interna sui token, perché a tutti questi SaaS viene addebitato il consumo e potrebbero iniziare a farti pagare per il loro consumo, ribaltandoti gli addebiti. E quindi all'improvviso, quando pensi: beh, qual è il nostro budget AI totale? Come pensi a queste cose di lato, giusto? Cose che potrebbero perfino superare quello che spendi internamente di pura AI tra virgolette. Se un'azienda, un provider SaaS che usi, ti fa pagare perché tutti usano il loro nuovo chatbot scintillante per rispondere alle cose, e la fattura arriva a te, giusto? Quindi, all'improvviso, capire qual è il costo totale di possesso — che, di nuovo, è facilissimo da dire, costo totale di possesso,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">56:10</time></p>
    <p class="lt-turn__line">il TCO,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">56:10</time></p>
    <p class="lt-turn__line">il TCO, giusto? Ed era già difficile prima, ma penso che adesso capire dove sta nel budget, giusto... E penso davvero che quest'idea di ownership contro consumo continuerà a ripresentarsi ancora e ancora e ancora. Se un team di prodotto usa quattro provider SaaS, sono tutti addebiti a consumo, hanno spesa AI, hanno anche cose dinamiche nel cloud: tutto quello messo insieme è il costo di costruire quel prodotto. Non è solo una cosa o l'altra o quel che è. E questa biforcazione di "questo costo sta con questo team, quel costo sta con quel team"... In un certo senso, tutte le conversazioni che avviamo nel FinOps verranno accelerate. Le convergenze, per esempio, di ITFM, ITAM e FinOps insieme avvengono perché, beh, ora non c'è scelta.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">56:53</time></p>
    <p class="lt-turn__line">Beh, e ci stavo giusto pensando anch'io, perché parte di questa roba sul TCO è classico ITFM — assolutamente — somma tutti i costi, assicurati che ci siano. Come nota a margine, una delle migliori descrizioni di TCO che ho sentito di recente era tokens, caffeine, and outputs, che è molto più figa di total cost of ownership. Ma è qui che penso che dobbiamo tutti mollare un po' di dannato dogma su cosa sia la disciplina, dove stia, perché ti serve quella vista TCO ITFM. Ti serve la roba di compliance delle licenze ITAM, il procurement. Ti serve il lavoro FinOps su costi variabili, responsabilità ed efficienza, la scala della tokenomics lungo quella supply chain, e l'entrare nei modelli e nel caching e in tutte le cose che gli altri semplicemente non fanno. Devono venire tutte insieme, ed è tutta una questione di valore tecnologico.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">57:39</time></p>
    <p class="lt-turn__line">Sì,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">57:40</time></p>
    <p class="lt-turn__line">il valore tecnologico è la cosa, e infatti abbiamo persino rinominato il nostro piccolo ombrello nella Linux Foundation come ombrello del valore tecnologico, perché si è aperto a ventaglio, ha dentro la tokenomics. Ora facciamo lavoro intorno all'ITFM. Sai, ci sono i dati di billing e i costi e l'utilizzo, cose come la specifica FOCUS, di cui facevi parte nello steering committee ai tempi, ai tuoi tempi in Citi. Ma è tutto incentrato sul fatto che dobbiamo mettere insieme tutti i dati per prendere le decisioni. E parlavi di responsabilità. Non l'abbiamo toccata molto, giusto? Una delle cose più belle della terra del FenOps — e so che voi avete prodotti e cose in quest'area — era che potevi davvero prendere una porzione della spesa infrastrutturale e dire: "Questa è tua. Questa è tua." E quando fai un'azione, posso mostrarti che quell'azione ha avuto impatto, giusto? Ecco perché sto così attento a dire: un attimo, la tokenomics non riguarda i costi dei token, giusto? Sì, lì dentro ci sono i costi dei token. Allo stesso modo in cui diciamo che il FinOps non riguarda solo la tua istanza,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Speaker 1</strong><time class="lt-turn__ts">58:32</time></p>
    <p class="lt-turn__line">giusto?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">58:32</time></p>
    <p class="lt-turn__line">Giusto. E... o se stai viaggiando con il tuo tassista, il tuo autista Uber, tua madre, e ti dicono: oh, lavori nel cloud, fai lo storage dell'iPhone, giusto? Le tue foto. Beh, no, il cloud non riguarda nemmeno lo storage. È un costo totale, giusto? E quindi dobbiamo pensare allo stesso modo in cui il Fenops è arrivato a coprire tutte le cose diverse, grazie all'ITFM e all'ITAM e a tutte le altre discipline. E la tokenomics deve davvero pensare a quell'insieme completo, e anche non perdere gli apprendimenti di tutte queste altre parti dell'organizzazione che li hanno sviluppati. E direi che questa è stata la mia più grande... quando la gente chiede: perché avete scorporato la tokenomics? Io dico: in realtà non abbiamo scorporato noi la tokenomics. Stava già succedendo nelle organizzazioni. Sentivamo da leader FinOps di aziende giganti, che possedevano tutta l'infrastruttura, che c'era un'altra parte dell'organizzazione che stava andando a reinventare principi base di responsabilità e gestione del consumo in altre aree AI, senza sfruttare tutta la conoscenza che abbiamo accumulato collettivamente negli ultimi 20 anni, giusto? E quindi la tokenomics deve guardare tutto questo. E si scopre che c'è anche della roba nuova.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="shoulders-of-giants">Sulle spalle dei giganti <time>59:35</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">59:35</time></p>
    <p class="lt-turn__line">Sì, in un certo senso stiamo quasi sulle spalle dei giganti. Tutto il lavoro che abbiamo fatto su ITAM, FinOps, non viene buttato via, giusto? Quello che stiamo davvero dicendo è che forse è una chiamata alle armi: tutte queste funzioni separate su cui lavoriamo individualmente per migliorare, con l'AI in un certo senso si uniscono. È una forza unificante per dire: per risolvere come massimizziamo il valore dell'AI nella nostra azienda in modo quantificabile, servono tutte queste funzioni, come gli Avengers di team diversi: ITAM, ITFM, sai, finance, procurement, tutti questi ruoli che sono sempre esistiti. Ma ora c'è una missione condivisa: ok, come abilitiamo l'AI nella nostra azienda senza mandarci in bancarotta e senza limitarci e restare indietro?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:00:16</time></p>
    <p class="lt-turn__line">Sì, giusto. È</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:00:17</time></p>
    <p class="lt-turn__line">un equilibrio così delicato da trovare, nel mezzo. Tornando al tuo punto del pendolo che oscilla avanti e indietro: man mano che i modelli diventano più economici, man mano che usciamo da questa mentalità del "oh no, stiamo spendendo troppo", ho la sensazione che, man mano che iniziamo a mostrare il valore che viene creato — perché in questo momento magari non è quantificabile, e la paura dell'ignoto è: beh, stiamo spendendo il 50% in più ogni singolo mese in AI, e il nostro budget di un anno fa significa che abbiamo già toccato i limiti. Ma se ti mostrassi il valore che ne hai davvero ottenuto, all'improvviso diresti: raddoppiamo su questo. Troviamo posti dove investire più soldi su questo, invece che altrove, per far crescere la nostra azienda, perché vediamo i ricavi crescere grazie a questo. Vediamo l'efficienza operativa grazie a questo. E penso che molta della paura non sia tanto sul "dobbiamo usare l'AI o no". Sappiamo che useremo l'AI. La paura, credo, è spesso che non riusciamo davvero a dire se la stiamo usando correttamente, giusto? Sì, il che parte da</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:01:11</time></p>
    <p class="lt-turn__line">visibilità e responsabilità e quelle cose. Fa parte di quello. Sai, però mi hai un po' perso quando hai menzionato gli Avengers, perché ho iniziato a pensare a quale disciplina sarebbe quale Avenger.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:01:20</time></p>
    <p class="lt-turn__line">Sì, penso che Hulk sarebbe sicuramente... Nessuno vuole essere Hulk. Sì, esatto. Ma sì, in un certo senso, questa conversazione... ricordo che a FinOps X, negli ultimi due anni, era tipo... persino Gartner l'aveva menzionato. Beh, dove staranno ITAM e FinOps? Giusto. Ricordo, credo ne avessi parlato tu. Sono stati tra i primi a dire</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:01:38</time></p>
    <p class="lt-turn__line">che si sarebbero uniti. Esatto. Sì.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:01:40</time></p>
    <p class="lt-turn__line">E avevano delineato tipo tre possibili scenari. L'ITAM assorbe il FinOps, il FinOps assorbe quel che è, oppure si fondono o quel che è. E per me è tipo: questo è il punto in cui non si fonderanno perché sono discipline diverse. Ci rendiamo conto che è tutta la stessa disciplina.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:01:55</time></p>
    <p class="lt-turn__line">E dobbiamo smetterla anche con la storia della stessa disciplina. E questa era una delle cose. Allora, avevamo questo executive forum che abbiamo avviato come FinOps Foundation, e poi, sai, abbiamo portato dentro l'ITAM, e pre-tokenomics, e parlavano tutti di come tutte queste cose diverse stessero insieme, e ogni volta che facciamo un executive forum ci sono tipo 10 argomenti, e poi, verso marzo di quest'anno, loro: sì, non ci importa di niente, di niente, tranne che dei costi AI che scalano. E quando abbiamo iniziato a dire: beh, è, sai, ITFM, o ci sono le varianti TBM, o è ITAM o SAM o ITSM o FinOps o scegli il tuo acronimo — questi leader che ricevevano la spinta dal board erano tipo: non ci importa, non chiedeteci di fare altre conversazioni su dove sta questa cosa. Vogliamo solo mostrare il valore delle cose, giusto? E, incredibilmente, se pensi ad alcune di queste conversazioni che stavamo avendo a quel punto: se vado a chiedere a un CIO globale, ehi, chi fa il FinOps per te? Rispondevano: ok, c'è questo team, e sta nel team di platform engineering o nel loro, sai, team di infrastruttura. Faccio la stessa... questo è un esempio reale, non posso dire l'azienda, ma sai, mi hanno dato la persona FinOps che fa tokenomics. Tipo: beh, devo presentarti il team del CFO. Devo presentarti il team del chief AI officer. Devo presentarti quelli di là. C'era una portata molto più ampia, giusto? E penso che, in quell'aspetto di quello che abbiamo sentito negli executive forum, stiamo vedendo una vera integrazione della tecnologia nel business, adesso. Tipo: ogni azienda ora è un'azienda tecnologica. Le banche sono aziende tecnologiche, e l'AI lo sta rendendo tale. Quindi non possiamo più pensare a nessuna di queste cose come discipline individuali.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:03:28</time></p>
    <p class="lt-turn__line">Sì, penso che l'AI in un certo senso le unisca, nel senso che mi serve questo livello di dati e responsabilità, diciamo, dal FinOps, giusto? Perché spesso trovo che quello che viene ignorato di FinOps e AI è che, se hai un agente, giusto — e pensiamo all'efficienza nel FinOps, diciamo un database o VM o Kubernetes — vogliamo assicurarci di consumare solo ciò che ci serve, e l'utilizzo è una buona metrica. E allora immagina un mondo in cui il tuo cluster Kubernetes adesso scala di 1000 volte in un mese. Il team che ne è owner dirà: "Beh, sì, però siamo efficienti. È all'80% di utilizzo. Stiamo scalando in modo appropriato." E all'improvviso ti rendi conto: "Ok, beh, il costo è salito, ma cosa otteniamo in cambio?" Potrebbe essere qualche agente impazzito che qualcuno ha creato che dice: "Ehi, devo scalare", o "devo chiamare questa cosa 1000 volte al giorno". Giusto? Quel singolo team non riceve quella fattura. Già, quello che sta davvero creando la causa. L'ownership sta con questo team di piattaforma, e loro dicono: "Beh, stiamo scalando in modo appropriato. Cosa vuoi che facciamo? Non possiamo spegnere il server di qualcun altro, giusto?" E il team da cui vai, quello che possiede il server, dice: "Beh, non siamo noi a consumarlo. Noi forniamo un servizio nella nostra azienda." E quindi spesso trovo che anche solo guardare la spesa AI sia spesso una lezione educativa: beh, la spesa AI è il risultato di queste quattro cose diverse.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:04:46</time></p>
    <p class="lt-turn__line">Verissimo, verissimo, e penso che se guardi, prova a... il token maxing,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:04:49</time></p>
    <p class="lt-turn__line">sì,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:04:50</time></p>
    <p class="lt-turn__line">quello era... voglio dire, il token maxing è un ottimo esempio: se metti un target su una singola metrica, otterrai l'output sbagliato. Sai, se metti un target su, sai, l'uso di un martello, avrai un sacco di finestre sfondate nel tuo ufficio, ma spaccherai quella metrica del martello, giusto? Ed è la stessa cosa con le metriche di utilizzo di Kubernetes: ottimo, è molto utilizzato, ma è utilizzato per cose che non aggiungono davvero valore. Ed è qui che dobbiamo uscire da discipline e silo intorno alla tecnologia e ricollegarla al business.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:05:16</time></p>
    <p class="lt-turn__line">Partendo dal fatto che, sai, dentro la tokenomics c'è la creazione dei token, c'è il consumo, il valore. Quale pensi avrà l'impatto più grande, diciamo nel prossimo anno? Faccio parte del governing board, e c'è molta enfasi su dove lavoriamo. Qual è la priorità su cui lavorare? Ce n'è uno che per te spicca di più, nel senso di: questa cosa dobbiamo farla bene il prima possibile — e queste cose sono davvero importanti — ma se risolviamo prima questa, delle tre discipline... non discipline, tre</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:05:46</time></p>
    <p class="lt-turn__line">ambiti, ambiti,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:05:47</time></p>
    <p class="lt-turn__line">ambiti della tokenomics, quale spicca di più per te, se ce n'è uno?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:05:51</time></p>
    <p class="lt-turn__line">Lo ammetto: da membro del governing board, lo chiedo a te: quale pensi dovremmo affrontare per primo?</p>
  </div>
  <h3 class="lt-transcript__chapter" id="which-bucket-matters">Quale ambito conta di più: produzione, consumo o valore <time>1:05:56</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:05:56</time></p>
    <p class="lt-turn__line">Sì, bella domanda. Penso che il valore sia dove si arriva alla fine, giusto? Perché se non capisci il consumo, se non capisci la creazione, è davvero difficile arrivare al lato valore. Ma il ROI più grande — nessun gioco di parole, so che probabilmente fa parte della conversazione sul valore — è la questione del "e quindi?", rispondere al: abbiamo fatto tutta la spesa, ed è buona o cattiva? Ti serve il lato valore per dire: beh, cosa otteniamo in cambio, giusto? Siamo più produttivi? Stiamo facendo crescere i ricavi grazie a questo? Riusciamo ad avere efficienza operativa? E penso, di nuovo, al nice to have della unit economics nel FinOps. Ho parlato con molti clienti che dicevano: sì, quella è roba del 2030, amico. In questo momento voglio solo ottimizzare. In questo momento voglio solo, sai, lo showback. Voglio solo che i team si sentano responsabili. Penso che con l'AI sia: sì, possiamo mostrarti tutti i dati, ma dobbiamo rispondere alla domanda a livello C e a livello di board. Il "e quindi": dovremmo fare di più di questo, di meno di quello? Dovremmo raddoppiare la nostra spesa AI perché, anche se sta aumentando, dovrebbe aumentare di più? Perché guarda cosa stiamo ottenendo in cambio. Giusto. Quindi per me è il valore, e penso sia il più difficile, dato che a volte è così qualitativo, giusto? Se uso il modello A rispetto al modello B, e il mio testo di marketing è molto migliore con il modello B, ma costa 10 volte di più, è molto più lavoro per le aziende capire come collegare i puntini, giusto? Diciamo, per esempio, il marketing. Ho speso 1.000 dollari su Claude per fare dei one-pager per una conferenza. Non che spenderei 1.000, forse, vabbè. Se qualcuno sta ascoltando: ipoteticamente, ipoteticamente, giusto? Ma per ricollegarlo al valore: non sarà il numero. Non sono solo le ore che ho risparmiato usando Claude, per esempio. Forse la metrica sono gli MQL. Forse è quante persone, adesso, grazie a un testo più incisivo, che connette, che magari è più personalizzato in ogni singola email che mando... sai, ottenere queste cose non è facile, giusto? Sul lato valore c'è molto. Penso sia legare così tanti eventi separati che accadono per arrivare alla cosa reale. È lì che penso che molto del valore — di nuovo, nessun gioco di parole — verrà davvero dalla tokenomics: qual è un framework? Se sei un'azienda SaaS e vendi, sai, servi i clienti, cosa significa valore per te? Rispetto a... immagina una realtà che è una banca, giusto? Fai un sacco di analisi per i tuoi grid workloads o HPC workloads. Forse è per transazione. Ma se sei nel retail, giusto, e fai assistenza clienti, i call center ora sono più efficienti. Quindi penso che il valore non sarà una sola cosa. Dove pensavamo alla unit economics come: beh, trova il divisore, giusto? Un milione di dollari diviso n è la tua unit economics. Qui sarà molto più: beh, quali sono i diversi pezzi per arrivare all'obiettivo finale per definire il valore? E potrebbe esserci: sì, il passo A è semplicemente avere il prezzo in token a livello di unità, o meglio di risultato, e poi potrebbe essere: beh, quello è collegato al nostro valore di produttività risparmiata. Qual è il valore di ricavo? Qual è la x? Potrebbero essere più cose quelle che definiamo come valore.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:08:52</time></p>
    <p class="lt-turn__line">Il valore è assolutamente, credo, dove dobbiamo concentrarci. Controbatterei un po' dicendo che in un certo senso dobbiamo fare tutto, perché tutti gli ambiti sono profondamente connessi, e questo torna al numeratore, denominatore, come lo vuoi impostare, nella unit economics. La gente sottovaluta quanto sia difficile ottenere quel costo totale sulla cosa, che sia spesa AI o spesa cloud o altro. E quindi c'è lavoro da fare lì, giusto? Collegare, tracciare attraverso un certo uso della tecnologia per connettere tutti i costi associati, e poi avere la conversazione interna con i team finance tipo: stiamo includendo i costi reali delle persone associati a quella cosa? E penso che stiamo anche vedendo, sul lato produzione, la conversione di energia e capitale in servizi. C'è un mucchio di lavoro lì che storicamente era fatto solo da un paio di grandi hyperscaler, a cui non dovevamo pensare, diciamo, nel mondo FinOps, e a cui ora dobbiamo pensare di più. Hai menzionato prima i modelli open weights: potremmo passarci sopra un sacco di tempo. Penso sia una parte importante del mix. Sai, la Linux Foundation era su quella grande iniziativa un paio di settimane fa, che riguardava, sai, assicurare che gli open weights facciano parte della conversazione, e anche quella è solo una delle frecce nella faretra, giusto? Tipo, una grande azienda avrà degli open weights e dei modelli frontier e della buona vecchia roba di machine learning sul back end, e quindi penso che dobbiamo guardare a come essere più efficienti in quello. Dobbiamo guardare al livello di consumo, allocazione, ottimizzazione, responsabilità. Il lato valore è probabilmente il più inesplorato, credo, per molti versi. E stiamo cercando di vedere: ci sono cose coerenti che possiamo fare lì sul lato valore, dal consumo al valore? Perché alcune aziende hanno misure simili. Ma ci saranno anche cose specifiche di settore, sotto. Abbiamo essenzialmente un quarto working group, un quarto ambito, se vuoi — produzione, consumo, valore e, sotto, la terminologia definitoria, i framework base fondamentali, le persona, chi fa il lavoro, che devono essere sviluppati. E con tutto questo, per ricollegarlo alla quarta parte del nostro piccolo gruppo dell'ombrello del valore tecnologico alla Linux Foundation: c'è la specifica FOCUS, che in realtà è l'unico pezzo che direi ormai standardizzato, perché la usano tutti gli hyperscaler e, sai, un mucchio di generatori di dati. Ma cosa dobbiamo mettere nella specifica FOCUS per portare avanti alcuni di questi concetti AI? Sì, concetti di spesa token, sì, concetti LLM, ma c'è anche una vera sfida in questo momento: le persone acquistano lo stesso pezzo di AI — in questo caso potremmo dire un token o qualcos'altro — da più posti diversi. Quindi io potrei prendere il mio Claude da quattro fonti diverse in questo momento. Potrebbe essere diretto, potrebbe essere rivenduto, potrebbe essere con carta di credito enterprise, potrebbe essere, sai, usato sotto il cofano da qualche altro servizio che me lo rivende. Ed è per questo che tutto si tiene con la supply chain della tokenomics, se vuoi: se qualcosa va storto a livello di data center, non si riversa solo sul pricing di un'azienda; si riversa sul pricing di ogni azienda, perché è tutto interconnesso, giusto? E quindi, abbiamo parlato dei ciechi e dell'elefante, e di come ognuno ne abbia una vista diversa. L'altra metafora dell'elefante qui è: come si mangia un elefante? Un boccone alla volta, giusto? Quindi stiamo tirando su diversi working group, ognuno per lavorare su ciascuno di quelli. Ma al centro di tutto questo c'è l'educazione, giusto? Prima di tutto, allineiamoci, così che quando il membro del board va dal CEO, e il CEO va dal CFO, e il CFO va da tutti gli altri e dice: "Cosa facciamo con questa cosa della tokenomics?", dobbiamo tutti essere sicuri di parlare dello stesso elefante, giusto? E di non parlare di una sola componente, e poi capire la responsabilità, giusto? Chi deve fare quali parti? Perché sì, voglio dire, i costi dei token contano, ma sono una fettina minuscola. La selezione del modello conta, ma è una fettina minuscola, e poi conta tutto l'altro lavoro che tutte queste altre parti dell'organizzazione stanno facendo. L'altra cosa di cui non abbiamo parlato è un altro termine. Aspetto sempre di vedere quanto ci mette qualcuno a dire shift left.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="shift-left-shift-up">Shift left, shift up <time>1:12:52</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:12:52</time></p>
    <p class="lt-turn__line">Ah, sì, il mio amico preferito, lo shift left. Sì.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:12:55</time></p>
    <p class="lt-turn__line">Allora, qual è la tua visione sullo shift left e la tokenomics e l'AI e come sta cambiando le cose?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:13:01</time></p>
    <p class="lt-turn__line">Sai, penso che quello che sta davvero succedendo non sia lo shift left. Penso che in realtà quello che abbiamo fatto sia ciò di cui parlavamo l'anno scorso, cioè lo shift up, giusto? Ed era un grande problema che avevamo: dove, sai, da practitioner FinOps, magari vai in sala e inizi a parlare di savings plans e indici di efficienza, e il CxO ti fa: parlami di questa cosa completamente diversa, giusto? Parlami della cosa che mi interessa, cioè: devo fare previsioni per i prossimi tre anni, dove andrà l'investimento? Penso che con l'AI sia partito dal livello alto, giusto? Non c'è bisogno di fare shift up perché è iniziato quassù, giusto? Sono i CxO a fare pressione per dire: mi serve questo livello di granularità, mi serve questa valorizzazione, mi serve questo livello X di dati su tutta la spesa che abbiamo, e non siamo noi, da practitioner FinOps, a cercare di convincere un CxO a interessarsene dal basso. Era dal basso verso l'alto, esatto. La dinamica</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:13:50</time></p>
    <p class="lt-turn__line">è stata top-down,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:13:51</time></p>
    <p class="lt-turn__line">giusto? Quindi, sai, con lo shift left: per me la promessa dello shift left era il dato giusto alla persona giusta al momento giusto, così da poter davvero prendere una decisione migliore, e questo significa qualcosa di diverso per ognuno. Non era solo, sai, lo shift left degli engineer che ricevono i dati per prendere decisioni migliori. Era anche il procurement: potevano capire su quali SKU devono negoziare sconti. Potevano essere i team di prodotto, ricevere il dato che, sì, in un ambiente non-prod, questa nuova feature che stiamo lanciando è troppo costosa, giusto? Quindi lo shift left è sempre stato darti accesso a quel dato, questa ricchezza di dati che riceviamo ogni singola ora dai cloud service provider e quant'altro, e distillarne le informazioni rilevanti per la persona giusta. E, sai, ci siamo arrivati un po', ma per me con l'AI non è solo shift left, è anche shift up allo stesso tempo, e la velocità con cui dobbiamo mettere in atto queste cose non sarà un orizzonte di cinque anni: doveva essere fatto ieri, giusto?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:14:44</time></p>
    <p class="lt-turn__line">Già.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:14:44</time></p>
    <p class="lt-turn__line">Quindi una domanda per te: rispetto a quando hai avviato la FinOps Foundation, com'è stato diverso questa volta con la Tokenomics Foundation?</p>
  </div>
  <h3 class="lt-transcript__chapter" id="launch-speed">Un lancio tra più velocità e più rumore <time>1:14:55</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:14:55</time></p>
    <p class="lt-turn__line">Sì, cioè, è una risposta un po' cliché, ma la velocità è stata davvero.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:15:00</time></p>
    <p class="lt-turn__line">Sì,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:15:02</time></p>
    <p class="lt-turn__line">pazzesca. Sai, guarda. La settimana scorsa abbiamo fatto il lancio ufficiale, e quando abbiamo lanciato la, scusa, la FinOps Foundation, se ne sono accorte le persone che stanno in questo spazio. Quando abbiamo lanciato la Tokenomics Foundation... ed eravamo in alcuni di questi articoli, in altri no. Ma nella settimana del lancio: la BBC, il New York Times, il Wall Street Journal, Fortune. Tutti hanno coperto questa roba. Cioè, ho ricevuto più contatti per l'articolo del New York Times che per qualunque altra cosa. E persone da cui non avevo notizie da 15 anni mi hanno scritto tipo: "Oh, la cosa della tokenomics. È davvero figo che lo stiate facendo." Il FinOps non ha mai toccato quel livello, perché riguardava il livello di piattaforma, riguardava la tecnologia — come ogni altra disciplina in quest'area. Quindi la velocità e l'interesse sono stati davvero belli da vedere, giusto? Ma introduce anche la sfida di: come fai a muoverti abbastanza in fretta, come fondazione basata su sviluppo open source per consenso, per avere impatto, giusto? E penso che queste siano... per introdurre una terza metafora dell'elefante, questo è l'elefante nella stanza: come facciamo a fare standard e lavoro di specifica quando il terreno si sposta così all'improvviso? E la mia visione è che ci sono tre parti nell'approccio, giusto? C'è il: dobbiamo portarci avanti semplicemente nel far uscire le informazioni, come quello che stiamo facendo in questo momento. Irradiare informazioni, conversazioni su questo. Sai, mi hai detto prima: "Beh, perché non fate una newsletter settimanale?" E io: "Sì, dobbiamo farla." Pubblichiamo quelle info, e tutti le ricevono, perché ci sono cambi di modello, cambi di pricing dell'AI, cambi del prezzo del rame e cambi del prezzo dell'energia che influenzano tutto questo in continuazione. Quindi questa è la prima cosa. La seconda è che faremo working group a medio termine che pubblicano best practice fondamentali. Non dico specifiche, perché le specifiche sono tutta la questione a cui arriviamo tra un attimo, ma come pensare a questa cosa, e probabilmente prenderà la forma di — sì — i noiosi white paper che nessuno legge davvero, perché ormai tutti li fanno riassumere, ma prenderà la forma di educazione, prenderà la forma di explainer, ma prenderà anche la forma di file di skill e, sai, abilitatori agentici e cose in cui possiamo infilare un pezzetto di conoscenza a cui puoi accedere con il tuo Claude e fare le domande. Il più lungo termine è il lavoro su specifiche e standard, e questo arriva alla specifica FOCUS. E arriva anche a: guarda, tutto si muove velocissimo, ma, sai, qualcuno mi ha chiesto, quando mi sono buttato su questa cosa: sei sicuro che i token esisteranno ancora tra un paio d'anni? E io: sì, so che tutto si muove in fretta, ma ci sono alcuni concetti fondamentali su cui dobbiamo tutti allinearci, giusto? E lo ripeterò per la quinta volta: la tokenomics non riguarda i costi dei token, ma ci sono alcune primitive sottostanti, come i token, che esistono lì e che usi per decorare con molti altri pezzi di spesa per arrivare al costo totale di qualunque cosa sia. C'è lavoro di lungo periodo da fare. La specifica FOCUS è alla sua edizione 1.5. Stiamo guardando alla 1.6 in questo momento. Come normalizziamo il linguaggio intorno a tutto questo, e come facciamo in modo che tutti pubblichino i loro dati di fatturazione, costi e utilizzo in un modo che ti permetta di arrivare a quella conversazione di unit economics? Ma a più lungo termine... non credo che la Tokenomics Foundation cambierà il mondo, ma spererei di rendere le conversazioni più facili per il team del CFO, il team del CTO, il team del CIO, il team procurement, il team di prodotto, il team AI e l'organizzazione, così che almeno possano usare lo stesso linguaggio, e almeno, quando guardano e si avvicinano a questo elefante, abbiano il contesto giusto per farlo. Ma è complicato. Cioè, su come è diverso: si muove più in fretta. C'è più interesse, il che è fantastico. È entusiasmante, ma significa anche che abbiamo meno tempo per capirlo.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:18:39</time></p>
    <p class="lt-turn__line">Penso che la mascotte della Tokenomics Foundation debba essere un elefante. Ormai l'abbiamo capito. Sai, ogni anno a FinOps X, a Tokenomicon, ci sarà un giro sull'elefante. Ma abbiamo annunciato</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:18:49</time></p>
    <p class="lt-turn__line">Toki, che è il gatto della tokenomics, giusto? Il gatto della tokenomics. Quindi ora non so se l'elefante della tokenomics...</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:18:55</time></p>
    <p class="lt-turn__line">Sai, però, tornando al tuo punto: penso che la tokenomics in sé non riguardi una piccola cosa, giusto? Non riguarda i token. Non riguarda X. È davvero: come ottieni valore dall'AI in un modo che puoi giustificare</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:19:09</time></p>
    <p class="lt-turn__line">la tokenomics è: come ottieni valore dall'AI.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:19:11</time></p>
    <p class="lt-turn__line">Sì,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:19:12</time></p>
    <p class="lt-turn__line">e questo è diverso, credo, dal FinOps per l'AI, che è: come faccio in modo efficiente a mettere a punto, ottimizzare, prevedere, allocare quel servizio, giusto? Voglio usare in modo efficiente il mio Claude. Penso che quella sia una delle linee di confine, ed è un'area sfumata. Mentre l'aspetto tokenomics tocca molto di più il business case. E va anche oltre: è un po' a forma di T, giusto? Va più in là, nelle conversazioni di prodotto e nei margini e negli utili. Va a sinistra, nel data center e nell'efficienza del capitale e negli investimenti in energia, ma va anche più in profondità: abbiamo molti principal engineer coinvolti nella Tokenomics Foundation ora. Il FinOps stava nell'engineering per molti versi, ma spesso non scendeva ai livelli di vLLM e PyTorch e della KV cache e di queste quantizzazioni più profonde. Anche questa è un'area in cui queste persone e il lavoro che fanno a quei livelli — gran parte del quale sta nella Linux Foundation più in generale da un po' — ora si interseca con una conversazione da CFO come mai prima.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:20:12</time></p>
    <p class="lt-turn__line">Sì, i CFO che iniziano a parlare di distillazione e quantizzazione, e tu: whoa, giusto? Molto diverso da qualunque cosa abbiamo mai visto nel FinOps. Ecco, penso che siamo quasi a fine tempo. Quindi, per chiudere, adoro fare questa domanda a tutti: qual è il tuo uso preferito dell'AI che non è un caso d'uso standard?</p>
  </div>
  <h3 class="lt-transcript__chapter" id="favorite-ai-use">L'uso non convenzionale preferito dell'AI <time>1:20:31</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:20:31</time></p>
    <p class="lt-turn__line">Sono davvero pessimo nel dare seguito alle cose. Ho un cervello molto ADHD, il che è ottimo per collegare concetti distanti, ma non è ottimo per portare le cose fino in fondo, a un livello più profondo. Quindi, cioè, forse questo è un caso d'uso standard, ma io ci faccio grandi brain dump, giusto? E: dammi le cose che devo seguire e rincorrere. Tipo, se c'è una cosa che credo abbia avuto l'impatto più grande per me, è ridicolo, ma sono proprio gli aspetti di gestione del calendario: come prendo queste sei cose che devo rincorrere, le allineo con quello che sto facendo, e poi mi assicuro di ottenere gli output giusti al momento giusto. Non so, qual è la tua? Ho l'impressione che questo sia quello che sento fare da tutti gli altri, ma forse non ho ancora trovato quella originale.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:21:15</time></p>
    <p class="lt-turn__line">No, è simile, ma io vivo a New York, e trovo che ogni volta che scrivo qualcosa all'AI entro in modalità editing. Voglio spostare le cose, voglio dare... Quindi quello che ho scoperto è che, se esco a camminare, metto la modalità vocale e dico semplicemente: sto per fare un brain dump di un'idea. È destrutturato.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:21:31</time></p>
    <p class="lt-turn__line">Simile. È</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:21:31</time></p>
    <p class="lt-turn__line">un flusso di parole. Esatto. E alla fine, quello che trovo è che, sai, se spiego a un amico o a un collega un'idea, uno, non hanno la pazienza di ascoltarmi per un'ora mentre divago su un concetto, ma penso che parlare delle cose mi dia anche molta chiarezza su quei concetti salienti che, alla fine, fanno semplicemente clic. Ma c'è voluto molto lavoro per arrivarci. E quello che trovo è: se posso semplicemente parlare per un'ora a qualcosa e dire: "Il tuo compito è ascoltare. Non darmi 1800 token di output tipo 'che bella idea' o quel che è, e poi inizia a sfidare le mie assunzioni, giusto? Cosa mi è sfuggito? Qual è l'elefante nella stanza, giusto, che non ho guardato o toccato?" E spesso penso che la chiarezza di pensiero che riesco a ottenere facendo così sia incredibile, giusto? Quindi molte volte, quando, sai, faccio qualcosa sul marketing o sul prodotto o persino per questa conversazione — di cosa dovremmo parlare? Ieri ero in California, cammino in giro per mezz'ora, faccio il brain dump delle mie idee, e trovo questa capacità di ascoltare davvero, collegare i puntini per me, o farmi notare cose che... sai, tutti hanno dei bias, ma poterlo fare davvero senza dover mettere nero su bianco e pensare: devo scrivere un saggio che diventerà, sai, un file di skill o un file di contesto. No, io parlo e basta. Il dono della parlantina, sai. Quindi lo trovo utilissimo per strutturare i miei pensieri in modo molto più efficiente che dover, sai, scrivere paragrafi e paragrafi e cancellare e modificare e tutto. Sì.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:22:54</time></p>
    <p class="lt-turn__line">Sì. Però ora che tutto avrà il watermark, dovrai stare più attento con quella cosa. Esatto.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:22:58</time></p>
    <p class="lt-turn__line">Sì. Beh, JR, grazie mille per il tempo di oggi. Sono davvero contento che siamo riusciti a farlo.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:23:02</time></p>
    <p class="lt-turn__line">Davvero divertente. Grazie. Credo di</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:23:03</time></p>
    <p class="lt-turn__line">averti contattato circa due settimane fa dicendo: "Ehi, sarò in California." E lui: "Ci sarò. Guiderò</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">dir. esecutivo, Tokenomics Foundation</span><time class="lt-turn__ts">1:23:07</time></p>
    <p class="lt-turn__line">fino a LA, e la facciamo succedere." Fantastico. Grazie per avermi invitato. Bella conversazione.</p>
  </div>
  </div>
</div>
Il conduttore
Amit Kinha

Amit Kinha è Field CTO di DoiT, dove aiuta più di 4.000 aziende a gestire AWS, Google Cloud, Azure, Anthropic, OpenAI e AWS Bedrock in modo più efficiente. Trasforma la profondità tecnica in strategia: orienta la direzione di prodotto, affianca i clienti enterprise e affina lo storytelling go-to-market.
La sua carriera spazia tra finanza, engineering e cloud: sette anni in Goldman Sachs a costruire il backend di Marcus e Apple Card, poi la creazione da zero della practice cloud FinOps di Citi. È FinOps Ambassador, membro eletto del FOCUS Steering Committee e membro fondatore del governing board della Tokenomics Foundation.
Crede che la spesa cloud debba essere qualcosa su cui agire, non da ammirare in una dashboard, e che le idee migliori siano quelle che le persone capiscono, ricordano e ripetono.
Segua Amit su LinkedIn