I costi dell’AI per le aziende non sono più una formula da addetti ai lavori: un caso citato nelle ultime ore parla di una società arrivata a bruciare circa 500 milioni di dollari in crediti Claude in un solo mese, dopo aver lasciato l’uso interno senza limiti adeguati. Inoltre, casi come Uber e Microsoft mostrano una fase diversa: l’AI resta strategica, però le aziende iniziano a guardare meglio fatture, token e ritorno reale.

Costi AI aziende: il caso da 500 milioni

I costi dell’AI per le aziende stanno diventando uno dei temi più delicati della corsa all’intelligenza artificiale. Dopo mesi di entusiasmo, molte realtà stanno scoprendo una parte meno raccontata: usare modelli generativi su larga scala può generare spese enormi.

Il caso più forte riguarda una società non specificata, che avrebbe consumato circa 500 milioni di dollari in crediti Claude in un solo mese. Il problema non sarebbe stato il modello in sé, ma l’assenza di limiti interni all’uso da parte dei dipendenti.

Quindi il tema non è solo tecnologico: serve governance, servono soglie di spesa e serve capire quali attività meritano modelli avanzati. Senza queste regole, l’AI rischia di trasformarsi in una voce di costo fuori controllo.

Token AI: perché la fattura cresce in fretta

La spesa per l’AI nasce spesso dai token, cioè le unità di testo e dati che i modelli elaborano per leggere una richiesta e generare una risposta. Più un’attività è lunga, complessa o ripetuta, più token consuma.

In azienda il problema si amplifica. Un chatbot usato da poche persone resta gestibile, una piattaforma AI aperta a migliaia di dipendenti, invece, può cambiare scala in pochi giorni.

Inoltre, strumenti come assistenti per il codice, agenti AI e workflow automatizzati consumano più token rispetto a una semplice chat. Ogni iterazione, ogni correzione e ogni richiesta aggiuntiva entra nel conto finale.

Per questo molte aziende stanno abbandonando l’idea del “usiamola ovunque”. Ora la domanda diventa più pratica: dove l’AI fa risparmiare tempo, dove migliora il lavoro e dove invece produce solo traffico costoso?

Uber e Microsoft frenano sull’AI senza limiti

Il caso di Uber ha acceso il dibattito: Andrew Macdonald, presidente e COO dell’azienda, ha spiegato che l’aumento dell’uso di strumenti come Claude Code e ChatGPT non sempre si traduce in più funzioni utili per utenti e clienti.

Questo passaggio è importante: un team può lavorare più velocemente, ma l’azienda deve capire se quella velocità produce risultati visibili. Se il budget cresce più dei benefici, la scelta diventa difficile da difendere.

Anche Microsoft avrebbe iniziato a ridurre alcune licenze interne di Claude Code, spingendo verso soluzioni più integrate nel proprio ecosistema, come strumenti legati a GitHub Copilot. Non significa abbandonare l’AI, ma usarla con più controllo.

La fase attuale sembra quindi meno impulsiva. Le aziende non stanno spegnendo l’intelligenza artificiale, però stanno iniziando a razionare modelli, accessi e funzioni premium.

Costi AI aziende e produttività: il nodo del ROI

Il tema vero resta il ritorno sull’investimento. Per mesi l’AI è stata raccontata come scorciatoia per tagliare costi, velocizzare processi e aumentare produttività: ora, però, molte aziende chiedono prove più solide.

La produttività individuale può migliorare. Un dipendente può scrivere codice, documenti o report più rapidamente, però l’effetto aziendale va misurato su prodotto finale, qualità, tempi di rilascio e valore per il cliente.

Inoltre, la spesa non riguarda solo l’abbonamento mensile. Ci sono API, crediti, infrastruttura, formazione, sicurezza, compliance e controllo dei dati: a quel punto il costo reale diventa più alto rispetto alla demo iniziale.

Per questo il modello “AI per tutti, senza limiti” sembra meno sostenibile. Le aziende più attente inizieranno a separare usi essenziali, usi sperimentali e attività dove un modello meno costoso basta.

I costi scenderanno, ma l’uso crescerà

Secondo Gartner, entro il 2030 il costo di inferenza per un modello da un trilione di parametri potrebbe scendere di oltre il 90% rispetto al 2025. Sulla carta è una buona notizia.

Il problema è che la domanda potrebbe crescere ancora più velocemente. Gli agenti AI, ad esempio, possono consumare molte più risorse rispetto a un chatbot tradizionale, perché svolgono passaggi multipli e operazioni più lunghe.

Quindi il costo per singola operazione può calare, mentre la spesa totale continua a salire. È lo stesso schema già visto in altri settori tech: l’efficienza migliora, ma l’uso cresce fino a riempire tutto lo spazio disponibile.

Per le aziende, il passaggio sarà obbligato: l’AI resterà nei processi, ma con budget, limiti, policy e strumenti di monitoraggio più rigidi. La stagione dell’entusiasmo senza freni sembra già finita.