L’intelligenza artificiale sta diventando più economica per singolo token, ma molto più difficile da mettere a budget. È un paradosso solo apparente: mentre il costo unitario dei modelli scende, aumentano il numero di utilizzi, la durata dei workflow e soprattutto l’impiego di agenti capaci di compiere più passaggi in autonomia.
Il problema non è più il prezzo del modello
Secondo dati recenti riportati dal Wall Street Journal, solo l’11% di quasi 400 aziende riesce a prevedere con precisione la propria spesa AI. Un elemento sorprendente è che il modello apparentemente più economico non è sempre quello che costa meno alla fine del processo: se richiede più tentativi, più token o più passaggi, il costo totale può superare quello di un modello premium più efficiente.
IDC descrive questa trasformazione con una formula efficace: il token sta diventando una nuova voce di budget. Ma il costo reale dell’AI non coincide con il prezzo per milione di token. Bisogna aggiungere tempi di esecuzione, chiamate agli strumenti, retry, controlli umani, infrastruttura, monitoraggio e soprattutto il valore dell’output prodotto.
Dalla spesa AI al costo per risultato
Per un’azienda, la metrica più utile non dovrebbe essere “quanto spendiamo in token?”, ma “quanto ci costa ottenere un risultato utile?”. Un agente che spende 2 euro per risolvere un problema da 100 euro può essere eccellente. Un chatbot che costa pochi centesimi ma non produce alcun risultato misurabile può essere irrilevante.
La strada più razionale è quindi costruire una vera contabilità dell’AI: costo per task, tempo risparmiato, tasso di successo, numero di correzioni umane, valore economico generato. È la stessa logica con cui si misurano campagne pubblicitarie, logistica o personale.
Il futuro sarà multi-modello
La crescente differenza tra modelli rafforza inoltre l’idea che non abbia senso utilizzare sempre il modello più potente. Classificazioni, estrazione dati, controlli ripetitivi e risposte semplici possono essere gestiti da modelli più economici. Coding complesso, strategia o analisi ad alto rischio possono essere assegnati a modelli più avanzati.
Il vero vantaggio competitivo sarà quindi nell’orchestrazione: scegliere automaticamente il modello più adatto al lavoro, controllare il budget e misurare il risultato.
Cosa dovrebbe fare un’azienda oggi
Tre azioni sono immediate: definire un budget AI separato, misurare il costo per attività completata e introdurre limiti di spesa per agente o workflow. Solo così il calo dei prezzi dei modelli si trasformerà realmente in un vantaggio economico.
Fonti: Wall Street Journal; IDC.