Costi agenti AI: la fattura finale è imprevedibile

In sintesi

• Il caso Uber (novembre 2023, fonte xpert.digital) mostra migliaia di ingegneri con costi mensili individuali tra 500 e 2.000 dollari per un assistente di scrittura codice.
• Nello stesso periodo GitHub ha modificato il proprio modello di prezzo per Copilot, passando da una tariffa fissa a un sistema più legato al consumo effettivo.
• Il vero rischio operativo non è “chi manda la fattura”, ma l’impossibilità di prevedere in anticipo quanto costerà un mese di utilizzo intensivo.
• Monitorare il costo per singola richiesta, non solo il totale mensile, è oggi un’attività da presidiare quanto la sicurezza informatica.

Cosa è successo davvero

A novembre 2023, secondo quanto ha riportato xpert.digital, Uber ha esaurito in circa quattro mesi un budget dedicato all’intelligenza artificiale. La causa: circa 5.000 ingegneri che utilizzavano intensamente Claude Code, l’assistente di scrittura software di Anthropic, con un costo individuale stimato tra 500 e 2.000 dollari al mese a persona. Va detto con chiarezza: la fonte è un aggregatore, non un comunicato ufficiale di Uber o Anthropic, e questo dettaglio dovrebbe rendere prudente chiunque citi la cifra come un dato definitivo piuttosto che come una stima verosimile.

Nello stesso periodo GitHub ha cambiato il modello di prezzo di Copilot, il proprio assistente per programmatori: da tariffa fissa a un sistema di crediti legato al consumo effettivo di token, le unità minime di testo che un modello elabora per generare una risposta. Due eventi distinti, avvenuti nello stesso arco temporale su aziende e strumenti diversi, che raccontano lo stesso fenomeno di fondo: il passaggio da un costo prevedibile a uno variabile. Se stai valutando oggi un abbonamento a Copilot, controlla il piano tariffario direttamente sul sito del fornitore: i prezzi pubblicati a inizio 2023 o 2024 possono non corrispondere a quelli attuali.

Il problema non è la fattura, è la sorpresa

Il punto critico non è chi emette il conto a fine mese. La fatturazione posticipata è normale in moltissimi servizi a consumo, dalla luce al telefono. Il punto critico è che, a differenza della luce o del telefono, con un assistente AI a consumo per token è molto più difficile prevedere in anticipo quanto si spenderà, perché il costo dipende da variabili che l’azienda controlla solo in parte: quante richieste fa ogni dipendente, quanto sono lunghe le conversazioni, quanto è complesso il compito assegnato all’assistente.

Il caso Uber lo dimostra bene: un team che usa un assistente AI per scrivere codice può, in una settimana di sprint intenso, decuplicare l’uso rispetto alla settimana precedente senza che nessuno lo decida esplicitamente a livello di budget. Nessun responsabile firma un aumento di spesa: succede e basta, richiesta dopo richiesta. È questa variabilità, non la modalità di pagamento, il rischio reale da gestire.

E qui vale una lettura scomoda, che vale la pena dire senza troppi giri di parole: la stessa opacità che rende difficile prevedere il consumo è comodissima per il fornitore. Un report dettagliato per singola richiesta costerebbe pochissimo da implementare tecnicamente. Non lo si offre di default perché ridurrebbe il margine di sorpresa da cui il modello di fatturazione trae parte del suo vantaggio commerciale. Non è un’ipotesi complottista: è semplicemente come funzionano gli incentivi quando chi vende è pagato in proporzione a quanto il cliente non riesce a controllare.

Chi paga se l’assistente sbaglia

Nei modelli a consumo per token, il fornitore incassa in base all’uso, indipendentemente dal risultato ottenuto. Se un ingegnere chiede dieci volte la stessa cosa perché la prima risposta era imprecisa, quelle dieci richieste vengono comunque fatturate una per una. Il fornitore non ha un incentivo economico diretto a far scendere il numero di tentativi necessari: anzi, in un modello puramente a consumo, più tentativi significano più fatturato per chi vende il servizio.

Nel caso Uber, il costo individuale tra 500 e 2.000 dollari al mese non dipende solo dal volume di lavoro assegnato, ma anche dalla qualità delle istruzioni date all’assistente e dalla capacità del sistema di rispondere bene al primo colpo. Un prompt impreciso, ripetuto e corretto più volte, si traduce direttamente in fatturato aggiuntivo per il fornitore, senza alcun valore aggiunto per chi paga. È il rovescio della medaglia di ogni promessa di produttività: lo strumento che dovrebbe far risparmiare tempo può far spendere di più proprio quando viene usato peggio.

Il caso che dovrebbe far riflettere chi firma il budget

Quello che rende il caso Uber istruttivo non è la cifra in sé, ma la dinamica che rivela: nessuno ha deciso di spendere quella cifra. Il budget si è consumato attraverso migliaia di micro-decisioni individuali, ognuna delle quali sembrava ragionevole nel momento in cui veniva presa. Un ingegnere che lancia un’altra query per rifinire un pezzo di codice non sta violando nessuna policy aziendale: sta semplicemente usando lo strumento che gli è stato messo a disposizione, nel modo in cui gli è stato detto di usarlo.

Questo è il punto che una checklist di buone pratiche rischia di far perdere: il problema non si risolve con una lista di azioni da spuntare, ma con un cambio di sguardo su cosa significhi “controllo dei costi” quando la spesa è generata da migliaia di persone che agiscono in autonomia, ognuna in modo perfettamente razionale dal proprio punto di vista. Servono soglie di allarme settimanali, non solo mensili, capaci di intercettare un’impennata prima che diventi irreversibile. Serve un report granulare per singola richiesta, non solo il totale aggregato di fine mese, perché un totale aggregato arriva sempre troppo tardi per correggere la rotta. E serve, prima di estendere lo strumento a tutta l’azienda, un test su un gruppo ristretto che permetta di stimare il costo reale per persona, non quello teorico da listino.

Un consumo da monitorare, non una spesa da temere

La reazione corretta al caso Uber non è evitare questi strumenti, né trattarli con sospetto. È smettere di trattarli come una spesa fissa e iniziare a trattarli come un consumo variabile, da monitorare con la stessa attenzione che si riserva alle bollette energetiche di un impianto produttivo. Chi gestisce un budget AI oggi dovrebbe considerare l’assenza di un report dettagliato per singola richiesta come un segnale di allarme quanto l’assenza di un contratto scritto: se il fornitore non può o non vuole mostrare dove va la spesa riga per riga, è lecito chiedersi perché.

Domande correlate

Perché Uber ha esaurito il budget AI in pochi mesi?

Secondo xpert.digital, circa 5.000 ingegneri hanno usato intensamente Claude Code con costi individuali tra 500 e 2.000 dollari mensili, esaurendo in circa quattro mesi il budget dedicato.

Cosa cambia nel modello di prezzo di GitHub Copilot?

Secondo la fonte citata, a novembre 2023 GitHub ha modificato il pricing di Copilot passando a un sistema di crediti legato al consumo di token. Verifica sempre il listino aggiornato sul sito ufficiale prima di sottoscrivere o rinnovare un piano.

Come si monitora il costo reale di un assistente AI?

Richiedi al fornitore un report per singola richiesta o utente, non solo il totale mensile. Fissa soglie di allarme settimanali e testa lo strumento su un gruppo ristretto prima di estenderlo a tutta l’azienda.

La fatturazione a consumo è di per sé un problema?

No, è uno standard diffuso in molti servizi. Il problema reale è l’imprevedibilità del consumo: a differenza di utenze come luce o telefono, l’uso di un assistente AI può variare in modo brusco senza una decisione esplicita di budget.

Fonti:

• I costi incontrollabili dei nuovi agenti di intelligenza artificiale, xpert.digital: https://xpert.digital/it/i-costi-incontrollabili-dei-nuovi-agenti-di-intelligenza-artificiale/ (accesso settembre 2026)