Il prezzo dell'AI

Guarda il video su YouTube ↗

Quanto costa l'intelligenza artificiale? Se guardi un abbonamento, la risposta può essere: una ventina di dollari al mese. Se guardi il listino di un modello, trovi da pochi centesimi a decine di dollari per milioni di token. Se scarichi un modello sul tuo computer, puoi perfino smettere di pagare ogni singola richiesta.

Eppure puoi scegliere il modello meno caro e ritrovarti con il conto più alto. Oppure pagare un abbonamento costoso e scoprire che proprio la funzione che ti serve ha un limite. La domanda, allora, non è soltanto «quanto costa l'AI?», ma: quanto costa arrivare a un risultato che posso usare davvero?

Tre prezzi diversi

L'abbonamento. Paghi per entrare in un'app: interfaccia, modelli, strumenti e una certa quantità di utilizzo. Il prezzo mensile è facile da ricordare, i limiti meno. Un piano da venti dollari non significa uso illimitato di ogni modello, né comprende automaticamente l'API.

L'API. Un programma chiama un modello e paga soprattutto ciò che gli manda e ciò che riceve. I token misurano quel traffico: un documento lungo, una conversazione che si allunga, una risposta estesa possono incidere tutti. Alcuni strumenti aggiungono costi propri.

Il modello locale. Se il computer è già tuo, non paghi un fornitore per ogni risposta. Paghi però la macchina, l'energia e il tempo necessario a configurare, mantenere e controllare il sistema.

Confrontarle guardando solo il numero più piccolo è come confrontare il costo di un biglietto, di un taxi e di un'auto da comprare: prima devi dire quale viaggio vuoi fare.

Costa meno, ma non per tutti

Ottenere una certa capacità di AI è diventato molto più economico. Lo Stanford AI Index ha confrontato sistemi capaci di raggiungere un livello simile a GPT-3.5 in un test specifico: tra novembre 2022 e ottobre 2024 il costo per interrogarli è sceso di oltre 280 volte. È un confronto storico su una capacità misurata. Non vuol dire che ogni modello costi oggi 280 volte meno, né che il tuo abbonamento debba ridursi nella stessa proporzione.

Il prezzo al pubblico dipende anche da concorrenza, capacità disponibile e scelte commerciali. E la fascia più avanzata continua a richiedere investimenti: un'analisi di Bloomberg osserva che l'espansione dei data center e l'aumento del prezzo di alcuni componenti stanno facendo salire i costi infrastrutturali delle grandi aziende tecnologiche.

Qui nasce il primo paradosso: una capacità che ieri era eccezionale può diventare economica, mentre la nuova frontiera chiede macchine, energia e investimenti sempre maggiori.

Il costo del compito, non del token

Immagina due persone che vogliono creare una semplice pagina per prenotare un servizio. Una conosce il codice: chiede aiuto su un punto preciso, controlla la risposta e finisce il lavoro. L'altra parte da un'idea: l'agente deve scegliere come costruire la pagina, scrivere i file, capire gli errori, modificare il risultato e riprovare.

La seconda persona non ha fatto soltanto «una domanda all'AI»: ha delegato una sequenza di lavori. Ogni passaggio può usare altro testo, altri strumenti, altro tempo, e qualcuno deve verificare che le prenotazioni funzionino davvero. Questo non significa che l'esperto debba sempre usare il modello economico o che il principiante debba pagare quello di punta. Significa che il prezzo per token non basta a decidere: bisogna misurare il costo del compito completato correttamente, tentativi, tempo umano e verifiche compresi.

Reuters ha raccontato aziende che scoprono fatture difficili da prevedere proprio mentre il prezzo dei token scende: i compiti diventano più lunghi, con più dati e più passaggi. Gartner prevede che gli agenti possano consumare, per attività, molte più unità di un chatbot ordinario. È una previsione, non il conto che arriverà a ogni utente. La domanda utile è: sto pagando meno per fare la stessa cosa, oppure sto usando molto di più perché ora posso chiedere di più?

Chi paga, e per che cosa

Una persona che studia o scrive può trovare conveniente un abbonamento. Chi sviluppa un prodotto guarda anche il costo delle chiamate e del tempo speso a correggere. Una piccola impresa valuta se l'AI le faccia risparmiare lavoro su documenti, assistenza o ricerca interna. Un'organizzazione più grande deve aggiungere integrazione, continuità del servizio e trattamento dei dati.

La disponibilità a pagare cambia perché cambia il problema. Se l'AI traduce una pagina, il prezzo pesa molto; se aiuta un team a sbloccare un processo costoso, qualità e affidabilità possono contare più del prezzo della singola risposta. Ma il tempo risparmiato non si trasforma automaticamente in profitto: se un sistema promette trenta ore liberate, bisogna chiedere quante ore sono servite per prepararlo, controllarlo e correggere gli errori, e se quelle trenta ore producono davvero un risparmio o permettono soltanto di fare altro.

Vale anche per noi consumatori. Una funzione gratuita può avere valore enorme, ma il fornitore deve trovare un modo di coprirne il costo: limiti d'uso, piani superiori o altre forme di ricavo. Sono possibilità commerciali diverse, non una previsione valida per ogni servizio.

I modelli aperti e il locale

I modelli con pesi scaricabili cambiano la trattativa. Se per un lavoro non serve sempre il modello più potente, posso scegliere un'alternativa, cambiare fornitore o, in alcuni casi, eseguirla su una macchina mia. Anche aziende cinesi come DeepSeek hanno contribuito a questa pressione competitiva: Reuters descrive imprese che cercano modelli meno costosi per i lavori ordinari e riservano quelli premium ai passaggi più difficili.

«Pesi disponibili», però, non vuol dire «tutto gratis». Bisogna leggere la licenza, e qualcuno deve comunque fornire l'hardware e far funzionare il servizio. Un modello piccolo sul mio computer non diventa automaticamente equivalente a un'app cloud con ricerca, strumenti e capacità maggiori.

Un conto volutamente semplice: una macchina da 3.000 euro comprata solo per questo scopo e usata per tre anni sono circa 83 euro al mese di solo acquisto, prima di energia e manutenzione. È un esempio aritmetico, non il prezzo necessario per usare l'AI locale: molti modelli piccoli funzionano anche su computer già posseduti. Il locale può avere senso per il controllo dei dati, per un uso frequente o per evitare la dipendenza da un servizio. Il cloud può convenire se lo usi poco, se vuoi strumenti già pronti o se ti serve una capacità che il tuo computer non raggiunge.

Quanto pagheremo nei prossimi anni

Vedo tre forze che agiranno insieme.

• La concorrenza. Modelli migliori e alternative aperte possono rendere più economici molti compiti comuni. Non garantisce che l'abbonamento scenda: il fornitore può offrire più capacità allo stesso prezzo o vendere separatamente le funzioni più impegnative.
• La domanda. Se un agente lavora per ore dove prima facevamo una richiesta di pochi secondi, il costo per singolo token può scendere mentre il consumo totale sale. Gartner prevede proprio questa tensione, e Reuters mostra che alcune imprese la stanno già affrontando nei propri budget.
• L'infrastruttura. Servono calcolo, energia e investimenti, e anche gli Stati possono finanziare capacità considerate strategiche: la Commissione europea ha annunciato InvestAI per mobilitare 200 miliardi di euro di investimenti, con una componente per le grandi infrastrutture AI. «Mobilitare» non significa che tutti quei soldi pubblici siano già stati spesi, né garantisce un abbonamento economico per ciascuno di noi.

La mia ipotesi è un mercato a più fasce: le capacità ormai comuni diventeranno più accessibili, mentre i lavori lunghi, la massima qualità e i servizi affidabili continueranno a costare. Potrei sbagliarmi: se la concorrenza aumenterà molto i prezzi premium potranno comprimersi, se l'offerta di calcolo resterà stretta alcuni costi potranno salire.

Come confrontare due servizi

Prova a fare una domanda diversa da «quanto costa al mese?». Chiedi: che lavoro mi permette di completare, con quale qualità, in quanto tempo e con quanto controllo? Il prezzo dell'AI, alla fine, è il prezzo del risultato che riesci davvero a ottenere.