Costi dell’AI: perché la fattura sale se i token costano meno
Il prezzo per token è sceso, ma la fattura dell’AI può salire lo stesso, perché i programmi che ragionano e gli agenti fanno più passaggi e consumano più testo per ogni lavoro. Lo stesso compito può costare fino a 30 volte di più da un’esecuzione all’altra. Il costo da guardare è quello di un compito finito, controllo compreso.
Roberto GhilardiniAggiornato il 19 minuti di lettura
Cosa trovi in questo articolo
- Cos’è un token e perché il prezzo scende
- Perché la fattura può salire lo stesso
- Come nasce la fattura di un servizio AI e perché varia
- Un esempio di preventivo con numeri illustrativi
- Quanto costa il controllo umano e come impostare un tetto di spesa
- Un cruscotto per la PMI e la decisione prima di firmare
Il prezzo medio per token è diminuito sensibilmente negli ultimi mesi. Il dato va ricontrollato prima di usarlo per confrontare listini correnti. La spesa delle aziende però continua a crescere, perché gli agenti e i programmi che ragionano consumano molti più token per ogni lavoro. Il costo da guardare è quello di un compito portato a termine, controllo compreso.
Cos’è un token e perché costa sempre meno
Quando un’azienda collega un programma di intelligenza artificiale ai propri software, o lo usa con un abbonamento a consumo, paga a token. Un token è l’unità con cui si misura il testo che il programma legge e scrive, più o meno un pezzo di parola: più testo entra ed esce, più token si pagano.
Negli ultimi mesi il prezzo medio pagato per un token è crollato. Tra la primavera e settembre si è più che dimezzato, e a fine agosto ha toccato il livello più basso da quando lo si misura. Hanno pesato i prezzi aggressivi dei programmi cinesi e i tagli dei grandi fornitori americani, che a luglio e agosto hanno abbassato i listini di diversi loro programmi.
Chi segue questi numeri precisa che il calo non vuol dire meno domanda. Riflette soprattutto il fatto che molte aziende spostano una parte del lavoro su programmi più economici e veloci.
Perché la fattura può salire lo stesso
Il prezzo per token è solo metà del conto. L’altra metà è quanti token servono per finire un lavoro, e qui le cose vanno nella direzione opposta.
I programmi più recenti, prima di rispondere, “ragionano”: fanno più passaggi, scrivono bozze intermedie, si correggono. Gli agenti, cioè i programmi che compiono azioni al posto nostro, fanno ancora di più, perché per un solo compito chiamano il programma molte volte, controllano, riprovano.
Un programma recente di Anthropic, per esempio, costa per token come il precedente, ma per svolgere gli stessi compiti di prova ha speso quasi il 20% in più, perché produce molto più testo.
Negli ultimi tre anni il prezzo per token è sceso di molto, eppure la spesa complessiva delle aziende per questi programmi è cresciuta. Succede quello che capita con molte risorse che diventano più economiche: più costano poco, più si usano, e la spesa totale sale. Con l’AI significa più agenti al lavoro, più attività automatizzate, più testo prodotto.
Con gli agenti il costo cambia da una volta all’altra
C’è un secondo effetto, meno visibile. Un programma tradizionale fa lo stesso lavoro sempre nello stesso modo, e il suo costo si può prevedere. Un agente invece può arrivare allo stesso risultato per strade diverse, e lo stesso compito può costare fino a 30 volte di più da un’esecuzione all’altra.
Per questo chi studia l’uso degli agenti in azienda suggerisce di misurarli sul compito e non sul token. Le domande sono tre: quanto costa eseguire il compito, quante volte l’agente ci riesce, quanto tempo serve a una persona per controllare il risultato.
Io aggiungerei che l’ultima è quella che si dimentica più spesso. Un agente ha senso quando controllare il suo lavoro richiede una piccola parte del tempo che servirebbe per farlo da zero. Se per verificare una pratica preparata dall’agente serve quasi lo stesso tempo che per prepararla a mano, il risparmio non c’è, qualunque sia il prezzo del token.
Perché un prezzo unitario più basso può dare una spesa più alta
In molte aziende si ragiona sul costo di un programma confrontando i listini. È un criterio comprensibile: due fornitori offrono servizi simili, si guarda il prezzo e si sceglie quello più conveniente. Con l’intelligenza artificiale questo confronto può essere insufficiente, perché l’unità acquistata e il risultato ottenuto non coincidono.
Il token misura una quantità di testo elaborata dal modello; l’azienda, invece, ha bisogno di terminare un lavoro. Se per concludere quel lavoro servono più tentativi, controlli e passaggi, il prezzo unitario dice poco sul costo finale.
Pensiamo alla registrazione di una fattura estera. L’obiettivo dell’ufficio non è far leggere al modello un documento, ma avere la fattura correttamente identificata, i dati controllati e la registrazione pronta secondo la procedura aziendale. Se l’AI estrae i dati ma qualcuno deve correggere la valuta, verificare l’aliquota e riscrivere il riferimento del fornitore, il tempo umano fa parte del costo.
Se il sistema ripete la stessa operazione quattro volte prima di produrre un risultato utilizzabile, anche le quattro esecuzioni hanno un costo. Un modello economico per singola chiamata potrebbe quindi risultare meno conveniente di uno più costoso ma più affidabile.
Lo stesso principio vale fuori dall’AI. Una macchina industriale che costa meno ma scarta più pezzi non è necessariamente la più economica. Per un programma che analizza documenti o gestisce procedure il costo reale comprende lavoro utile, errori, controlli e manutenzione. Questa analogia permette di capire perché una riduzione dei listini può convivere con l’aumento della fattura mensile: l’azienda potrebbe avere iniziato a delegare molti più lavori oppure aver introdotto procedure che chiedono al modello un numero maggiore di passaggi.
Come nasce la fattura di un servizio AI
I fornitori che fatturano attraverso un’interfaccia per sviluppatori distinguono spesso il testo inviato al modello dal testo generato in risposta. Il primo è detto input, il secondo output. La distinzione è importante perché in molti listini le due quantità hanno prezzi diversi. Una richiesta può inoltre includere istruzioni permanenti, documenti recuperati dal sistema aziendale e parti della conversazione precedente. Anche se l’utente scrive soltanto «prepara la risposta», il servizio potrebbe ricevere parecchio testo per comprendere il contesto.
In un’attività ripetuta, il contesto diventa una voce rilevante. Se ogni volta si inviano al modello l’intero manuale aziendale e tutti gli scambi precedenti, il consumo cresce. Per alcuni compiti conviene recuperare soltanto i passaggi del manuale effettivamente utili, per esempio tramite una ricerca documentale. Un’altra possibilità è riutilizzare porzioni di contesto quando il servizio lo consente e le condizioni economiche lo rendono vantaggioso. Queste tecniche richiedono una progettazione accurata: ridurre indiscriminatamente le informazioni può far peggiorare la risposta.
Anche le immagini, l’audio e i documenti articolati possono incidere sul consumo con modalità differenti. Un sistema che legge una scansione potrebbe prima usare un programma di riconoscimento del testo e poi chiedere al modello di interpretarlo. Un agente vocale potrebbe aggiungere trascrizione, comprensione, ricerca dei dati e generazione del messaggio finale. Per confrontare correttamente due soluzioni bisogna includere tutti i componenti coinvolti, non soltanto il prezzo pubblicato per il modello linguistico principale.
Gli abbonamenti mensili aggiungono un ulteriore livello. Alcuni offrono una quota fissa con limiti di utilizzo, altri fatturano consumi aggiuntivi e altri ancora distinguono le funzioni avanzate. Un dipendente può usare il servizio poco, mentre un’automazione può inviare centinaia di richieste senza che nessuno apra una schermata. Perciò il responsabile amministrativo deve sapere quali costi dipendono dalle licenze e quali dall’effettiva esecuzione delle attività.
Perché gli agenti consumano in modo variabile
Un agente è un sistema che può organizzare più azioni successive per raggiungere un obiettivo. Immaginiamo che debba preparare un riepilogo delle offerte aperte. Deve cercare i clienti nel CRM, recuperare le ultime comunicazioni, leggere le condizioni commerciali, confrontare i dati e comporre il documento. In una situazione lineare termina rapidamente. In un’altra può trovare un allegato mancante, un nome ambiguo o un errore del gestionale. A quel punto tenta strade alternative, ripete una ricerca e richiede altri passaggi al modello.
Questa variabilità non è soltanto teorica. Lo studio How Do AI Agents Spend Your Money?, pubblicato nel 2026 e riferito a compiti di programmazione, ha osservato differenze fino a trenta volte nel consumo di token fra esecuzioni dello stesso compito. Il risultato riguarda il campione studiato e non significa che qualsiasi agente aziendale costerà trenta volte più del previsto. È però una buona dimostrazione del fatto che una singola prova non rappresenta sempre il costo tipico.
Un’azienda dovrebbe dunque misurare il consumo su più casi rappresentativi, includendo lavori facili, eccezioni e tentativi non riusciti. Se si valuta un agente per l’assistenza clienti, non basta provare tre domande frequenti formulate bene. Bisogna includere messaggi incompleti, richieste con due problemi diversi, clienti che cambiano argomento e casi in cui il sistema non trova il documento necessario. Sono precisamente i casi che aumentano il numero di passaggi e il lavoro di controllo.
Il riferimento scientifico consultabile è lo studio su arXiv. Le cifre riportate vanno interpretate nel contesto dello studio, senza trasformarle in una previsione per una PMI. Una prova interna resta necessaria per conoscere il costo e la qualità della soluzione specifica.
Un esempio di preventivo con numeri puramente illustrativi
Supponiamo che un’azienda voglia usare un sistema di AI per classificare mille richieste al mese. Non conosciamo ancora il volume reale né il prezzo del fornitore: i numeri di questo esempio sono inventati per mostrare il metodo. La prima soluzione costa, fra elaborazione e servizi collegati, quattro centesimi per richiesta. La seconda costa sette centesimi. Se ci fermiamo qui, la prima sembra chiaramente migliore.
Ora immaginiamo che con la prima soluzione una richiesta su dieci richieda una correzione manuale di quattro minuti e che con la seconda questo accada una volta su cinquanta. La differenza non va aggiunta come una cifra arbitraria: l’azienda dovrà misurare il tempo di verifica e decidere come valorizzarlo. Potrebbe scoprire che spendere qualche centesimo in più per ottenere un risultato più affidabile riduce il costo complessivo. Potrebbe anche scoprire l’opposto, se la verifica avviene comunque per obbligo o se il volume è molto basso.
Un preventivo utile dovrebbe quindi indicare esplicitamente le ipotesi: numero di pratiche, complessità media, costo del servizio, frequenza delle eccezioni, tempo necessario alle correzioni e risorse tecniche per mantenerlo. Se una di queste voci non è nota, non va nascosta dentro una promessa di risparmio. Si può misurarla durante una prova limitata.
Conviene distinguere tre tipi di valore economico. Il primo è una spesa effettivamente evitata, per esempio un servizio esterno che non viene più acquistato. Il secondo è capacità lavorativa liberata, cioè ore che diventano disponibili per altre attività ma che non si trasformano automaticamente in un risparmio di cassa. Il terzo è un beneficio indiretto, come una risposta più rapida o un minor numero di errori; può essere importante, ma va misurato con indicatori coerenti invece di dichiararlo in euro senza basi documentate.
Quanto costa il controllo umano
Ogni progetto di automazione ha bisogno di una politica di verifica. All’inizio, quando non si conosce ancora il comportamento del sistema, potrebbe essere opportuno controllare tutti i risultati. Con l’esperienza e con dati affidabili, alcune attività semplici possono essere verificate a campione, mentre altre devono mantenere l’approvazione umana. Non esiste una percentuale universale: il livello di controllo dipende dal rischio e dal tipo di decisione.
Per una bozza di email interna il costo di un errore può essere limitato. Per un bonifico o una dichiarazione fiscale la situazione è diversa. In questi casi il costo della verifica potrebbe essere una componente strutturale, non una fase provvisoria da eliminare appena il sistema sembra funzionare. Anche se la verifica richiede tempo, può avere senso automatizzare la raccolta delle informazioni, ma il beneficio va calcolato senza fingere che la supervisione scompaia.
Un indicatore utile è la quota di lavoro che la persona deve rifare. Se l’agente prepara un documento in pochi secondi ma il revisore impiega venti minuti per riorganizzarlo, l’automazione potrebbe aver spostato il lavoro senza ridurlo. Se invece il revisore controlla alcuni dati e approva in due minuti un documento che ne richiedeva venti, esiste un miglioramento potenziale da misurare. È importante verificare che la qualità finale rimanga adeguata e che le persone sappiano riconoscere gli errori.
Il tempo di controllo dovrebbe essere rilevato durante la prova, evitando valutazioni basate sulla memoria. Si può utilizzare un registro semplice con data, tipologia di pratica, durata della preparazione, durata della verifica, correzioni e risultato finale. Dopo un numero sufficiente di casi l’azienda dispone di una distribuzione, non di una sola media. Questa distribuzione permette di capire quanto pesano le richieste difficili.
La differenza tra una prova dimostrativa e un processo stabile
Durante una dimostrazione si tende a scegliere esempi puliti. Il documento è leggibile, il cliente è già presente nel gestionale e le informazioni sono coerenti. Nella vita quotidiana arrivano invece allegati incompleti, scansioni poco nitide, dati duplicati, richieste fuori standard e interruzioni dei servizi. Un processo economico deve funzionare anche quando accadono queste cose, oppure saperle riconoscere e passare il lavoro a una persona senza moltiplicare gli errori.
Per questo le prove dovrebbero durare abbastanza da includere il normale andamento operativo. Un lunedì mattina con molte richieste potrebbe produrre un consumo diverso da un venerdì tranquillo. Una campagna commerciale può creare picchi temporanei. Nel settore fiscale, le scadenze concentrano attività in periodi specifici. Scegliere il contratto sulla base di un giorno qualunque potrebbe portare a sottostimare i picchi e il personale necessario per gestire le eccezioni.
Bisogna anche considerare la manutenzione. Le procedure aziendali cambiano, i fornitori aggiornano le loro interfacce e i modelli possono restituire risultati differenti nel tempo. Qualcuno deve verificare il funzionamento, correggere istruzioni e controllare le integrazioni. Per una piccola impresa questi costi non sono trascurabili, soprattutto se non esiste una persona tecnica interna.
Una soluzione poco costosa da acquistare può richiedere molto lavoro di adattamento. Al contrario, un sistema più caro ma ben collegato ai programmi esistenti potrebbe ridurre la manutenzione. È possibile valutarlo soltanto descrivendo il processo completo, con le sue eccezioni e la responsabilità della gestione ordinaria.
Come impostare un tetto di spesa che serva davvero
Un limite mensile sul consumo del modello è utile, ma non sempre sufficiente. Se il sistema raggiunge il limite alle undici di mattina e blocca l’elaborazione degli ordini, la spesa sarà sotto controllo mentre il lavoro aziendale si ferma. Prima di attivare un tetto bisogna stabilire quali attività hanno priorità e che cosa deve succedere quando il budget si esaurisce.
Un metodo pratico distingue le funzioni essenziali da quelle rinviabili. Le richieste di assistenza urgenti potrebbero continuare a essere gestite con una procedura manuale, mentre la produzione di riepiloghi non indispensabili può essere sospesa. Il responsabile deve ricevere un avviso quando il consumo supera una soglia e capire quale reparto o processo lo ha generato. Un semplice totale finale non permette di intervenire sulle cause.
Gli agenti dovrebbero avere limiti anche sul numero di tentativi. Quando un servizio non risponde, riprovare due volte può avere senso; continuare indefinitamente significa pagare senza risolvere il problema. Conviene progettare un percorso di uscita: registrare l’errore, assegnare la pratica a una persona e riprendere il lavoro soltanto quando il sistema collegato torna disponibile. Questo migliora la prevedibilità economica e la qualità dell’assistenza.
Il budget può essere rivisto nel tempo, ma deve partire da ipotesi documentate. Se l’azienda decide di aumentarlo perché il numero di pratiche è cresciuto, dispone di un motivo comprensibile. Se invece il consumo raddoppia senza che sia cresciuto il lavoro completato, l’aumento è un segnale da indagare.
Come confrontare fornitori e modelli
Confrontare due modelli richiede lo stesso insieme di lavori e una valutazione omogenea dei risultati. Non basta chiedere a ciascuno di rispondere a una domanda e scegliere quello che scrive il testo più convincente. Per una procedura contabile si misurano la correttezza dei dati, la capacità di segnalare informazioni mancanti e la qualità dell’integrazione con il gestionale. Per il servizio clienti si valutano accuratezza delle risposte, tono, capacità di riconoscere i casi complessi e facilità del passaggio a un operatore.
Il confronto dovrebbe includere l’intero contratto: prezzi, limiti, modalità di trattamento dei dati, costi dei componenti aggiuntivi, possibilità di esportare informazioni e condizioni di uscita. Restare legati a un unico fornitore può avere un costo quando le esigenze cambiano. Al tempo stesso, utilizzare troppi strumenti diversi aumenta la complessità della gestione. La scelta va fatta sulla dimensione e sulle competenze dell’impresa, senza trattare una configurazione come migliore in assoluto.
Un’azienda può decidere di usare un modello piccolo per riconoscere il tipo di richiesta e uno più capace per risolvere soltanto i casi complessi. È una configurazione possibile, non una garanzia di risparmio. Occorre verificare se il passaggio tra modelli aggiunge errori, costi e tempi che annullano il beneficio. Lo stesso vale per l’elaborazione locale: l’assenza di un prezzo per token non elimina costi di computer, energia, sicurezza e manutenzione.
Un cruscotto utile all’imprenditore
Il responsabile di una PMI non ha bisogno di controllare ogni singolo token. Gli serve sapere quanto è stato speso per ogni processo, quanti lavori sono stati conclusi correttamente, quante pratiche hanno richiesto una persona e quanti errori sono stati rilevati. Con questi dati può decidere se aumentare il volume, correggere il sistema o interrompere una funzione che non produce abbastanza valore.
La reportistica deve essere comprensibile anche all’amministrazione. Una tabella mensile potrebbe distinguere ufficio ordini, assistenza, amministrazione e ufficio commerciale. Per ciascuno si annotano volume, costo tecnico, ore di controllo, numero di eccezioni e andamento rispetto al periodo precedente. I dati devono essere raccolti con criteri stabili, altrimenti il confronto tra mesi è fuorviante.
È utile aggiungere una nota quando si modifica il modello o un passaggio del processo. Se a settembre si introduce una nuova verifica automatica e a ottobre diminuiscono gli errori, questa informazione aiuta a interpretare l’andamento. Se invece cala il costo tecnico ma aumenta il tempo di correzione, il bilancio complessivo potrebbe peggiorare.
Un sistema ben misurato consente decisioni migliori anche quando la fattura cresce. Se l’azienda sostiene una spesa maggiore perché gestisce più richieste con la stessa qualità e senza aumentare proporzionalmente il lavoro manuale, può trattarsi di un buon investimento. Il costo assoluto, isolato dal risultato, non racconta abbastanza.
La decisione che conta prima di firmare
Prima di scegliere un abbonamento o un fornitore chiederei di descrivere tre pratiche reali che l’azienda vuole completare con l’AI. Per ciascuna occorre sapere da dove arrivano i dati, chi controlla il risultato, quale errore sarebbe inaccettabile e quanti casi simili si presentano normalmente. Soltanto dopo è utile parlare di prezzi per token, licenze o canoni annuali.
Questo percorso ha anche un vantaggio organizzativo. Se il processo è stato descritto bene, l’azienda può confrontare soluzioni alternative senza dover ricominciare l’analisi ogni volta. La scelta rimane legata al lavoro che si vuole svolgere, mentre i modelli e i listini possono cambiare anche rapidamente.
Il lettore dovrebbe portare via una regola applicabile: per valutare un’automazione bisogna osservare quanto costa ottenere un risultato corretto, controllato e disponibile quando serve. Il prezzo dei token è un dato utile dentro questo calcolo, ma non ne rappresenta la conclusione.
Tre modi per tenere la spesa sotto controllo
Il primo è sapere dove si spende: quali attività, quali reparti, quali agenti e quali persone generano i costi. In molte aziende oggi l’AI arriva con abbonamenti sparsi e nessuno ha il quadro completo.
Il secondo è scegliere il programma adatto al compito. Per riassumere una email o classificare una richiesta non serve il programma più potente sul mercato, un po’ come non serve una Ferrari per andare a fare la spesa. Aiutano anche due accorgimenti tecnici: riusare le informazioni di contesto invece di rimandarle ogni volta e limitare i giri a vuoto degli agenti.
Il terzo riguarda i contratti: togliere le licenze che nessuno usa, controllare i limiti di consumo e non dipendere da un solo fornitore. Anche qui conviene partire da dove l’AI rende di più, senza tagli fatti a caso.
Sono scelte che rientrano nel lavoro di un Fractional AI Manager: capire dove l’AI serve, quale strumento usare per ogni compito e quanto costa un risultato, prima di firmare l’ennesimo abbonamento.
Fonti per approfondire e verificare i dati
Parliamo della tua azienda.
Nella videocall gratuita di trenta minuti mi racconti come è organizzato il lavoro e ti dico se e come l’intelligenza artificiale può esserti utile, e da quale dei miei servizi partire.
Nella pagina dei casi trovi sei interventi raccontati con i numeri e il mio ruolo. Le guide gratuite sono tre: l’intelligenza artificiale per le aziende, quella per gli studi professionali e la guida all’AI Act.
