**Pagina About** del sito **tokeneconomics.com**, che presenta la **Tokenomics Foundation** — un progetto **Linux Foundation** annunciato il **3 giugno 2026**, gestito in **stretta collaborazione con la FinOps Foundation**. **Missione dichiarata**: *"establish open industry standards, benchmarks, and best practices for the economics of AI infrastructure"* — che collega **produzione, consumo e monetizzazione** dei token al **valore di business**. **Definizione quadro della tokenomics**: *"Tokenomics is not just about the cost of tokens, it's about the entire layer of AI that they drive from production, to consumption to monetization"* — ossia **l'intero strato economico dell'IA**, dal costo dell'infrastruttura alla selezione del modello fino all'ottimizzazione del valore. **Tesi delle fasi**: l'adozione iniziale dell'IA privilegiava la **capacità**; la fase attuale si sposta verso **efficienza e valore**, il che richiede una gestione sistematica dei costi e **visibilità**. **5 principi fondatori**: (1) ***"Efficiency is a design choice. AI cost is shaped by architecture, not just usage"***; (2) ***"Bigger is not always better. The best AI system is not always the one using the most expensive model"*** (right-tool / routing); (3) ***"Visibility comes before optimisation. Teams cannot manage what they cannot see"***; (4) ***"Value matters more than volume. More tokens, more calls, and more automation do not automatically mean better outcomes"***; (5) ***"Open knowledge benefits everyone"*** (standard condivisi, apprendimento collettivo, trasparenza). **Governance**: un **Governing Board** (direzione industriale + allocazione dei fondi) e un **Technical Committee** (specifiche aperte + benchmark). **Deliverable**: estensione della **FOCUS specification** (FinOps), specifiche aperte, benchmark, framework e metriche condivisi. **Pubblico target**: CAIO, CTO, CIO, CFO, ingegneri, team di prodotto, professionisti FinOps, ricercatori, startup, imprese, settore pubblico. **Obiettivo dichiarato**: portare le organizzazioni *"from experimental AI adoption to sustainable AI operations"* estendendo la disciplina della **spesa tecnologica variabile** all'era dei token. **Rilevanza per questa rassegna**: istituzionalizzazione/standardizzazione del **FinOps agentico** a livello di fondazione di settore — converge direttamente con le schede [[finops-foundation-finops-for-ai-overview-2026-02-17]], [[finout-finops-ai-agents-four-step-allocation-framework-2026-04-27]], orq-ai-finops-ai-agents-cost-per-outcome-hosseini-2026-04-15, gupta-token-budget-wars-marginal-token-utility-2026-05-28 (livello di allocazione, token verso outcome) e con lo spostamento **token → outcome** (Salesforce/Tallapragada, Sierra/Greenwald). I 5 principi corrispondono esattamente alle leve già rilevate: architettura > uso, **routing Haiku/Sonnet/Opus**, osservabilità prima dell'ottimizzazione, valore ≠ volume.
#Tokenomics Foundation#tokenomics#economia dei token
**Tokenomics Foundation** (entité collective, projet de **The Linux Foundation**, en partenariat avec la **FinOps Foundation**). Page institutionnelle *About* — **aucun auteur individuel nommé**. Annonce datée du **3 juin 2026**.
Thread X virale (**230.5K visualizzazioni**, 28 maggio 2026, 1:51 AM) di **Jaya Gupta** (@JayaGup10, investitrice — probabilmente Foundation Capital, autrice del framework *Context Graphs*) intitolato ***"Token Budget Wars"***. **Tesi cardine**: ***"Enterprise AI has moved from adoption to allocation"*** — la fase 1 dell'IA enterprise ha dimostrato che i modelli funzionano; la fase 2 deciderà **quanto di quel lavoro vale la pena**. La nuova valuta al vertice dell'impresa è la **capacità di quantificare il ROI dell'IA**: *"show me the value"*. Concetto canonico: ***marginal token utility*** = *"the business value created by each additional dollar of inference"* — il numero che conta su larga scala, e che **la maggior parte delle aziende non riesce a vedere**. Cronologia: **Claude è stato rilasciato a novembre 2025**, dopo che i budget annuali 2026 erano già bloccati → già nel **Q1**, aziende *"running multiples ahead of plan"* → l'inferenza smette di essere una voce di spesa sperimentale e diventa un **costo operativo ricorrente**. Passaggio da **sperimentazione (qualche centinaio di migliaia di $) → infrastruttura (sette cifre, $1M+)**: su scala infrastrutturale, **la varianza tecnica produce oscillazioni materiali di conto economico — due esecuzioni dello stesso workflow sullo stesso input possono differire di 5-10× nel costo in token** senza che nulla sembri visibilmente rotto, *"a number the CFO has to explain to the CEO"*. **L'IA compete con il lavoro**: 3 tipi di richieste di budget (sostituire lavoro esternalizzato / sostituire lavoro interno / generare ricavi) → spostamento verso il ***costo di un risultato completato*** (costo per ticket risolto, sinistro elaborato, contratto revisionato, fattura completata, assunzione evitata, cliente trattenuto, dollaro di ricavo mosso). **Il BPO = il benchmark più facile a cui confrontarsi** (già prezzato in unità completate); il lavoro interno è molto più difficile (dipendenti multi-competenza, guadagni diffusi, resistenza delle risorse umane alla riduzione dell'organico). **Perché è diverso dal SaaS**: il SaaS ha imparato a trattare l'utilizzo come proxy del valore; l'IA rompe questo proxy — *"the signal and the noise share the same unit"* (il token), *"SaaS usage told you the software had been adopted. AI usage tells you the meter is running. It doesn't tell you whether your company is cooking."* **Tre cause dell'invisibilità della marginal token utility**: (1) ***retry tails*** — token per workflow risolto ≈ **T/p**; passare dal 90% al 70% di completamento aumenta il costo effettivo di circa il **28%**, non il 20%, perché i fallimenti si compongono; (2) ***context inflation*** — il costo di inferenza è ≈ **O(n²)** rispetto alla lunghezza del contesto (attenzione), raddoppiare il contesto **quadruplica** il costo di ragionamento (over-retrieval: 50 documenti quando ne basterebbero 5); (3) ***routing*** — di default si usa il modello più potente (una classificazione di base eseguita su un modello di ragionamento complesso); su milioni di chiamate, la differenza tra instradare i compiti semplici verso un modello piccolo e inviare tutto al modello di frontiera = *"the difference between a manageable bill and a board-level problem."* **Divisione settoriale**: le aziende **software** = un problema di **misurazione della produttività** (già strumentato: PR, commit, deploy, incidenti, cycle time, MTTR — traccia gli *"AI layoffs"*); le aziende **non software** = un problema di **trasformazione** (lavoro operativo: sinistri, underwriting, supporto, revisioni di conformità, eccezioni nella supply chain, contestazioni di pagamento — *right under audit, not just right on average*). **Il livello mancante = attribuzione token-risultato**: uno strato di conversione che collega spesa di inferenza → lavoro svolto → risultato di business, rispondendo a 3 domande (costo reale includendo retry/correzioni; quali parti della traccia contavano rispetto al thrashing; il lavoro ha cambiato il modello operativo). ***La misurazione diventa memoria***: collegare un token a un risultato richiede di catturare **tracce decisionali** (cosa l'agente ha visto, recuperato, chiamato, ignorato, dove ha ritentato, quando un umano ha annullato) — *"decision rationale is one of the most perishable assets in a company"* (vive in Slack, email, chiamate di escalation, teste delle persone). Gli agenti **creano** queste tracce; catturate anzitutto per giustificare la spesa, diventano *"more valuable than the cost report"* → un **context graph** (*"although I am so tired of that word these days"*). **Il livello di allocazione è il premio**: chi possiede l'attribuzione token-risultato prende le **decisioni di allocazione** (quali workflow meritano più capacità di calcolo, quali sono limitati, quali passano a modelli più economici, quali restano umani, quali sostituiscono il BPO). Le aziende non lo faranno da sole — lo **compreranno come una trasformazione** (playbook Fortune 500: alumni di McKinsey + Palantir + CEO top-down, sul modello di ERP/BI/trasformazione digitale, un *"programma"* con uno sponsor esecutivo e un'infrastruttura che diventa la **nuova fonte di verità**). Inquadrato da **Charlie Munger**: *"show me the incentive and I will show you the outcome."* Sottotesi organizzativa: l'istinto manageriale vecchio di decenni secondo cui *grandi team = grandi incarichi/perimetro/potere* → una volta che l'intelligenza diventa la **risorsa scarsa**, il nuovo indicatore è *"how much of it you're orchestrating."* Rilevanza diretta per il **posizionamento Cost Optimization / agentic FinOps**: conferma empiricamente le leve (model routing, prompt caching, context hygiene, sub-agent) e sposta il KPI verso il **costo per risultato completato**. Forte convergenza con il *cross-system labor* di Bain (moat sui dati di esecuzione, Cursor), *No AI jobpocalypse* di Ng (pricing ancorato allo stipendio del dipendente sostituito), DORA ROI (costo per feature), Mensch/Mistral (elettrone→token), Ensarguet (economia del calcolo), *Context Graphs* di Foundation Capital (tracce decisionali, stessa autrice), *Token Burning* di Wescale, BFM/Girard (token = carburante di valore).
**Jaya Gupta** (@JayaGup10) — investisseuse / VC. Très probablement **Foundation Capital** (le thread s'auto-réfère au cadre ***Context Graphs*** — *« ahem, context graph, although I am so tired of that word these days »* — concept porté par Foundation Capital, cf. fiche `bain-100b-saas-opportunity` qui cite *Foundation Capital — Context Graphs trillion-dollar opportunity, 2025-12-22*). Thread publié sur X le **28 mai 2026 à 1h51** · **230 · 5K vues** · format essai long en un seul post. Une réponse notable de **@tuning_engines** (*« DevSecFinOps for the Agentic Era »*) : *« Tokens will basically have to be managed like headcount […] model hierarchies too »*.