AI, da tariffe fisse e abbonamenti a costi al consumo. Costi salati per le aziende
OpenAI ha interrotto lunedì 6 luglio il periodo gratuito dei workspace agent destinati a imprese, scuole e università. Da quella data, ogni esecuzione di un agente all’interno di ChatGPT comporta il consumo di crediti calcolati sui token elaborati, aggiungendosi al canone per utente già sostenuto dalle organizzazioni. Le funzionalità per Excel adottano lo stesso modello, mentre quelle per PowerPoint passeranno al consumo dal 6 agosto.
Anthropic cambia tariffario
Solo quattro giorni prima, Anthropic aveva introdotto per Claude Enterprise un sistema di controllo della spesa più dettagliato: limiti per modello, notifiche al raggiungimento di soglie e strumenti di analisi dei consumi suddivisi per gruppi. Due approcci apparentemente opposti — da un lato l’introduzione di un costo variabile, dall’altro strumenti per governarlo — che in realtà riflettono un’unica trasformazione del mercato.
Anche Meta introduce monetizzazione
Anche Meta si muove nella stessa direzione: con Muse Spark abbandona la gratuità totale e introduce meccanismi di monetizzazione.
Il settore dell’intelligenza artificiale aziendale sta così uscendo dalla fase dell’abbonamento “all inclusive” per entrare in quella del pagamento a consumo. Non si paga più l’accesso al modello, ma il lavoro che questo svolge: analisi di documenti, utilizzo di strumenti, generazione di contenuti ed esecuzione di attività complesse.
Le aziende che non si preparano a questo cambiamento rischiano di subirne le conseguenze. Il fenomeno ha già un nome: “AI bill shock”. Non si tratta di un problema tecnico delegabile all’IT, ma di una questione di governance che coinvolge direttamente CEO, CFO e CIO.
Costi a consumo
Alla base del cambiamento c’è il passaggio da un modello di pricing per postazione a uno basato sull’utilizzo. Una licenza tradizionale ha un costo fisso indipendente dall’intensità d’uso; al contrario, il modello a token fattura ogni singola interazione. Di conseguenza, flussi di lavoro apparentemente simili possono generare costi molto diversi.
Il listino pubblicato da OpenAI per gli agenti chiarisce il meccanismo: i token di output costano fino a sei volte quelli di input, un’esecuzione tipica richiede tra 5 e 25 crediti, e un caso standard — con 20mila token di input, 80mila in cache e 5mila in output — arriva a 7,25 crediti. Non esiste quindi un prezzo fisso per esecuzione: il costo dipende dalla quantità di dati letti e generati.
Gli agenti amplificano ulteriormente il fenomeno. Ogni fase di un processo reintroduce l’intero contesto precedente, aumentando progressivamente il volume di token elaborati. Un sistema di assistenza clienti che interroga una base di conoscenza da 20mila token e gestisce mille richieste al giorno può arrivare a 20 milioni di token quotidiani solo per rileggere le stesse informazioni, con un costo stimato di circa 60 dollari al giorno prima ancora di produrre risposte.
Casi concreti mostrano l’impatto di questo modello. Workato, azienda con 1.300 dipendenti, ha registrato un aumento della spesa di sette volte in un solo giorno dopo il passaggio al pricing a consumo. Secondo Goldman Sachs Research, la diffusione degli agenti potrebbe moltiplicare per 24 il consumo globale di token entro il 2030, ampliando ulteriormente le distorsioni attuali.
Il problema non è la mancanza di trasparenza — i meccanismi sono pubblici — ma la separazione tra chi decide l’adozione degli strumenti e chi ne gestisce i costi. Finché queste responsabilità restano disallineate, ogni incentivo all’adozione si traduce automaticamente in un aumento della spesa.
Fornitori e governance: dal pricing ai controlli
Un secondo fattore riguarda le strategie dei fornitori. Già dal 13 maggio, Anthropic e OpenAI avevano iniziato a fatturare separatamente le funzionalità degli agenti rispetto ai piani flat, applicando i prezzi delle API. La decisione del 6 luglio completa questo percorso.
La logica è chiara: i costi infrastrutturali dell’AI sono elevati e i modelli a tariffa fissa finivano per favorire gli utenti più intensivi. Tuttavia, per le aziende ciò significa sostenere costi più elevati per attività che, fino a poco tempo prima, erano incluse nei piani esistenti.
Parallelamente, emergono strumenti per il controllo della spesa. Il 2 luglio Anthropic ha introdotto per Claude Enterprise nuove funzionalità di governance: limiti di utilizzo per modello, avvisi automatici, monitoraggio dei consumi per team e integrazione con strumenti FinOps tramite API.
Il giorno precedente, GitHub aveva annunciato tetti di spesa per utente e sistemi di instradamento automatico verso modelli più economici quando sufficienti per il compito.
Il segnale è chiaro: quando i principali fornitori rilasciano simultaneamente strumenti di controllo dei costi, significa che la domanda proviene dal mercato. Le aziende, sempre più esposte alla variabilità della spesa, stanno iniziando a richiedere meccanismi di governance come condizione per il rinnovo dei contratti.
Our Fact Checking Process
We prioritize accuracy and integrity in our content. Here's how we maintain high standards:
- Expert Review: All articles are reviewed by subject matter experts.
- Source Validation: Information is backed by credible, up-to-date sources.
- Transparency: We clearly cite references and disclose potential conflicts.
Our Review Board
Our content is carefully reviewed by experienced professionals to ensure accuracy and relevance.
- Qualified Experts: Each article is assessed by specialists with field-specific knowledge.
- Up-to-date Insights: We incorporate the latest research, trends, and standards.
- Commitment to Quality: Reviewers ensure clarity, correctness, and completeness.
Look for the expert-reviewed label to read content you can trust.
VIDEO INTERVISTE
Motori
REAL ESTATE
LMF crypto
LMF food
LMF private markets
LMF arte
Legal
LMF green