La valutazione economica dell’intelligenza artificiale generativa cambia radicalmente quando l’analisi non riguarda più una singola interazione con un modello linguistico, ma l’esecuzione continuativa di processi automatizzati. Nel primo caso il sistema riceve una richiesta circoscritta, interpreta un contesto relativamente limitato e produce una risposta; nel secondo viene inserito in un’architettura software capace di ricevere obiettivi, consultare archivi, utilizzare strumenti, eseguire codice, verificare risultati, correggere errori e reiterare autonomamente determinate operazioni.

È in questo passaggio dalla conversazione all’elaborazione agentica che emerge la reale economia computazionale dell’intelligenza artificiale, perché il costo non dipende più soltanto dalla lunghezza della risposta finale, ma dalla quantità complessiva di elaborazione necessaria per completare un processo. Un sistema impiegato occasionalmente può produrre un volume modesto di inferenza, mentre un’infrastruttura agentica utilizzata per analizzare documenti, trascrizioni, immagini, archivi audiovisivi, basi informative o flussi di lavoro complessi può raggiungere milioni o miliardi di token elaborati nell’arco di poche settimane. Applicando a tali quantità le tariffe delle API commerciali, il valore teorico dell’elaborazione può passare rapidamente da poche centinaia a diverse migliaia o decine di migliaia di dollari mensili. Si consideri, a titolo puramente esemplificativo, un carico di circa 4,44 miliardi di token al mese, distribuito per l’80% in input e per il 20% in output: ciò corrisponderebbe a circa 3,55 miliardi di token in ingresso e 890 milioni di token generati. Applicando una struttura tariffaria pari a 5 dollari per milione di token di input e 25 dollari per milione di token di output, il costo teorico sarebbe pari a 17.750 dollari per l’input e 22.250 dollari per l’output, per un totale prossimo a 40.000 dollari. Utilizzando invece un modello con tariffe pari a 1 dollaro per milione di token di input e 5 dollari per milione di token di output, la medesima quantità nominale di elaborazione produrrebbe un costo prossimo a 8.000 dollari. Questi valori non devono essere interpretati come una misura universale del costo dell’intelligenza artificiale, ma come dimostrazione dell’effetto moltiplicativo che si manifesta quando differenze relativamente modeste nel prezzo unitario vengono applicate a volumi di inferenza dell’ordine dei miliardi. Per comprendere correttamente il fenomeno è necessario chiarire che cosa sia un token. OpenAI lo definisce come una delle unità fondamentali in cui il testo viene suddiviso prima di essere elaborato dal modello; in termini pratici, un token può corrispondere a una parola intera, a una parte di parola, a un segno di punteggiatura, a un numero o a una sequenza di caratteri. La relazione tra token e parole non è costante e dipende dalla lingua, dalla struttura del testo e dal tokenizzatore utilizzato. Per l’inglese viene spesso impiegata come semplice approssimazione la relazione 1 token ≈ 4 caratteri oppure 1 token ≈ ¾ di parola, ma non si tratta di una conversione universale. Di conseguenza, la quantità di token associata a uno stesso documento può cambiare tra modelli differenti, ed è per questo che un confronto economico rigoroso dovrebbe utilizzare il tokenizzatore del modello assunto come riferimento oppure basarsi direttamente sulla telemetria fornita dalla piattaforma. Il token rappresenta quindi una misura del lavoro linguistico processato dal modello, ma non coincide automaticamente con una quantità di informazione originale, perché nei sistemi agentici lo stesso contenuto può essere elaborato molte volte. Un agente artificiale, infatti, non è semplicemente un modello che risponde a una domanda, ma un sistema di controllo che riceve un obiettivo, osserva lo stato del processo, sceglie un’azione, utilizza uno strumento, valuta l’esito e aggiorna la propria strategia fino al raggiungimento di una condizione di arresto. In forma semplificata, questa dinamica può essere espressa come S(t+1) = F[S(t), A(t), O(t)], dove S rappresenta lo stato del processo, A l’azione selezionata e O l’osservazione ottenuta dall’ambiente. A ogni iterazione il modello può dover elaborare nuovamente le istruzioni generali, la descrizione dell’obiettivo, lo stato corrente, parti della cronologia, documenti recuperati, risultati prodotti dagli strumenti e output generati in precedenza. Il volume complessivo dei token può quindi essere rappresentato concettualmente come T_totale = Σ[T_istruzioni + T_stato + T_documenti + T_strumenti + T_output], con la sommatoria estesa a tutte le iterazioni e, nel caso di architetture multi-agente, a tutti i componenti coinvolti. Ne deriva che miliardi di token elaborati non implicano necessariamente miliardi di token di contenuto unico. Un archivio di 100.000 token, se analizzato una sola volta, produce un consumo prossimo alla propria dimensione; se viene sottoposto a dieci agenti specializzati, il volume può già salire a circa un milione di token, e se ogni agente effettua numerose iterazioni nelle quali parti consistenti del corpus vengono reintrodotte nel contesto, il consumo può raggiungere rapidamente decine di milioni di token senza che l’archivio originario sia cresciuto. Applicando la stessa logica a migliaia di documenti, anni di corrispondenza, trascrizioni, commenti, database e contenuti audiovisivi, il passaggio all’ordine di grandezza dei miliardi diventa compatibile con un impiego intensivo dell’intelligenza artificiale. In un sistema produttivo, per esempio, i documenti possono essere individuati, classificati, segmentati, indicizzati, analizzati per estrarre entità, date, temi e relazioni semantiche, confrontati con altre fonti, sottoposti a controllo di coerenza e successivamente riassunti. Il contenuto originario resta sostanzialmente invariato, ma viene attraversato molte volte da funzioni diverse, e ciascun attraversamento contribuisce al volume complessivo di inferenza. La stessa dinamica si verifica nei flussi audiovisivi: un video può essere acquisito, trascritto, segmentato temporalmente, analizzato semanticamente, confrontato con altri contenuti e infine sottoposto a una procedura automatizzata di selezione o montaggio. In questo caso, tuttavia, non tutte le operazioni vengono misurate in token. La trascrizione può essere affidata a un modello specializzato, l’individuazione dei cambi di scena a un algoritmo di computer vision, il taglio dei file a software deterministico e la codifica finale a un acceleratore grafico. Il modello linguistico può coordinare il processo e prendere decisioni sul contenuto, ma l’intera pipeline comprende forme di calcolo differenti. Per questo motivo il costo complessivo dell’intelligenza artificiale deve essere considerato come la somma di più componenti: C_totale = C_inferenza + C_tools + C_compute + C_storage + C_network + C_energia + C_personale + C_manutenzione. Nei servizi commerciali basati su API la parte direttamente collegata ai modelli può essere ulteriormente rappresentata come C_API = (T_input × P_input) + (T_output × P_output) + (T_cache × P_cache) + C_tools + C_storage + C_network, dove T indica le quantità di token e P le rispettive tariffe. La distinzione tra input e output è particolarmente importante perché i due valori vengono spesso tariffati in modo differente; nei sistemi agentici l’input tende a essere quantitativamente molto elevato, poiché il modello deve leggere ripetutamente istruzioni, stato e documenti, mentre l’output può essere inferiore come volume ma avere un costo unitario sensibilmente maggiore. Il prezzo per token, tuttavia, non coincide con il costo per risultato utile. Un modello apparentemente economico può richiedere più iterazioni, generare errori, rendere necessarie verifiche aggiuntive o produrre materiale che deve essere corretto da un operatore umano. Un modello più costoso può invece completare il compito con maggiore precisione e in un numero inferiore di passaggi. La misura economicamente significativa diventa quindi C_risultato_valido = C_totale_processo ÷ N_risultati_accettati. Se un sistema produce 1.000 output ma soltanto 600 superano il controllo di qualità, il costo deve essere rapportato ai 600 risultati effettivamente utilizzabili, e se ciascuno di essi necessita di revisione umana anche il costo del personale deve essere incorporato nel calcolo. Accuratezza, latenza, affidabilità e necessità di supervisione diventano perciò variabili economiche tanto quanto il prezzo nominale dell’inferenza. Un sistema meno costoso per milione di token può risultare complessivamente più oneroso se produce più errori o se richiede più tempo per completare il lavoro, mentre un modello più caro può generare un vantaggio economico se riduce i tentativi e il tempo di revisione. Questo principio è centrale anche nella comparazione tra infrastruttura remota e infrastruttura locale. Nel cloud, la capacità computazionale viene acquistata progressivamente sotto forma di costo operativo; in locale viene acquistata preventivamente attraverso un investimento in hardware. Una workstation professionale dotata di grande quantità di memoria, accompagnata da storage, rete e software di orchestrazione, può richiedere un investimento iniziale di diverse migliaia di dollari, ma una volta installata può eseguire un numero molto elevato di inferenze senza che ogni milione di token generi un nuovo addebito esterno. Il costo non scompare fisicamente, perché ogni elaborazione continua a utilizzare memoria, banda, energia elettrica e tempo macchina, ma cambia la struttura economica. Il costo totale di proprietà di una piattaforma locale può essere rappresentato come TCO_locale = hardware + energia + storage + backup + manutenzione + sviluppo + sicurezza + personale + fermo macchina − valore residuo. L’hardware deve essere ammortizzato lungo la vita utile prevista, l’energia deve essere misurata in base al consumo effettivo durante l’inferenza, lo storage deve comprendere modelli, dataset, indici, cache e copie di sicurezza, la manutenzione deve includere aggiornamenti e sostituzioni, mentre sviluppo e sicurezza devono considerare il software necessario per orchestrare gli agenti, proteggere i dati e controllare gli accessi. Anche il tempo degli operatori costituisce un costo reale e non può essere ignorato. Il punto di pareggio di un investimento locale può essere espresso come Tempo di pareggio = Investimento iniziale ÷ (Costo cloud evitato per periodo − Costo locale variabile per periodo). Se un’infrastruttura da circa 10.000 dollari sostituisse realmente 8.000 dollari mensili di elaborazione remota equivalente, il recupero dell’investimento sarebbe molto rapido; se il valore computazionale equivalente fosse di 40.000 dollari mensili, il tempo teorico sarebbe ancora inferiore. La parola “equivalente”, tuttavia, è determinante, perché un modello locale non acquisisce automaticamente le capacità di un modello commerciale di frontiera soltanto elaborando lo stesso numero di token. L’equivalenza deve essere valutata sulla base della qualità, della robustezza, della lunghezza del contesto, della capacità di utilizzare strumenti, della velocità e della percentuale di compiti completati correttamente. È quindi utile distinguere tra costo teorico equivalente, costo realmente evitato e valore della nuova capacità produttiva. Il costo teorico equivalente rappresenta quanto sarebbe costata una determinata quantità nominale di inferenza applicando uno specifico listino; il costo evitato rappresenta la spesa che sarebbe stata effettivamente sostenuta in assenza dell’infrastruttura locale; il valore della nuova capacità produttiva rappresenta invece il lavoro aggiuntivo che diventa possibile proprio perché il costo marginale dell’elaborazione locale è sufficientemente basso. Se una macchina locale processa miliardi di token in un mese, ma l’organizzazione non avrebbe mai acquistato la stessa quantità di API, non è corretto qualificare l’intero valore teorico come denaro risparmiato; è più rigoroso affermare che l’infrastruttura ha reso disponibile una capacità computazionale il cui valore, se valutato secondo un determinato listino, sarebbe equivalente a quella cifra. La convenienza dell’elaborazione locale dipende inoltre dal livello di utilizzo dell’hardware. Una macchina impiegata soltanto poche ore al mese può risultare meno efficiente di un servizio remoto, perché gran parte del capitale rimane inutilizzato, mentre un sistema impiegato continuativamente distribuisce l’investimento su un numero molto maggiore di operazioni. Il tasso di utilizzo può essere espresso come U = tempo di elaborazione utile ÷ tempo computazionale disponibile. Anche in questo caso, però, un valore elevato non garantisce di per sé una buona efficienza: una macchina può essere occupata per molte ore in cicli ridondanti o in processi che non producono risultati utili. La progettazione degli agenti deve quindi evitare il consumo improduttivo attraverso limiti di iterazione, budget di token, soglie economiche, criteri di arresto e sistemi di controllo. Un agente privo di queste protezioni può rileggere gli stessi documenti, interrogare ripetutamente uno strumento non disponibile o continuare a produrre varianti quasi identiche senza migliorare il risultato. La riduzione del consumo passa anzitutto da una gestione intelligente del contesto. Non è necessario reinviare a ogni passaggio l’intera cronologia del processo; le informazioni precedenti possono essere sintetizzate in uno stato strutturato, mentre i documenti possono essere indicizzati e recuperati soltanto quando risultano pertinenti. Questo principio è alla base dei sistemi RAG, Retrieval-Augmented Generation, nei quali il modello riceve i frammenti selezionati da un motore di recupero invece dell’intera base documentale. Il caching consente inoltre di riutilizzare parti invarianti del contesto, mentre il batching permette di raggruppare richieste non urgenti per aumentare l’efficienza dell’hardware. Un ulteriore strumento di ottimizzazione è il model routing, cioè la selezione dinamica del modello in funzione della complessità del compito. Una classificazione semplice può essere affidata a un modello piccolo, un calcolo numerico a un programma deterministico, una trascrizione a un sistema specializzato e soltanto i problemi più difficili a un modello di frontiera. Il principio economico non consiste quindi nello scegliere sempre il modello più economico, ma il modello meno costoso capace di raggiungere in modo affidabile la qualità richiesta. Per molte applicazioni la soluzione più efficiente è una configurazione ibrida, nella quale i carichi voluminosi, ripetitivi o contenenti dati sensibili vengono elaborati localmente, mentre i casi più complessi o caratterizzati da bassa confidenza vengono trasferiti a modelli remoti più avanzati. Il cloud può inoltre essere utilizzato come capacità elastica quando il carico supera i limiti dell’hardware interno. In questo modo locale e remoto non sono considerati come alternative assolute, ma come livelli complementari di una stessa architettura. Un sistema può utilizzare modelli locali piccoli per classificazione e filtraggio, modelli locali più grandi per analisi documentale, algoritmi deterministici per trasformazioni e calcoli, sistemi specializzati per audio e immagini e modelli remoti di frontiera per i casi più difficili. L’efficienza complessiva dipende dalla qualità dell’orchestrazione tra questi componenti. L’elaborazione locale offre inoltre un maggiore controllo sui dati, poiché documenti, trascrizioni, materiali audiovisivi e proprietà intellettuale possono essere mantenuti all’interno di un perimetro direttamente amministrato dall’organizzazione. Questo vantaggio non equivale automaticamente a una maggiore sicurezza: un’infrastruttura locale deve comunque essere protetta mediante autenticazione, autorizzazione, cifratura, segmentazione della rete, logging, backup, aggiornamento e controllo delle chiavi. I sistemi agentici introducono inoltre un problema specifico, perché possono utilizzare strumenti capaci di leggere file, interrogare database, eseguire codice, modificare documenti o interagire con servizi esterni. Il principio del minimo privilegio diventa quindi essenziale: ogni agente dovrebbe possedere esclusivamente le autorizzazioni necessarie alla propria funzione, mentre le operazioni irreversibili o ad alto impatto dovrebbero richiedere livelli aggiuntivi di controllo. Un sistema professionale deve inoltre essere osservabile, cioè deve consentire di ricostruire il comportamento dell’agente attraverso telemetria e registri affidabili. Dovrebbero essere misurati almeno modello utilizzato, token di input, token di output, eventuale cache, numero delle iterazioni, durata, strumenti chiamati, errori, tentativi ripetuti, risultato finale e tempo di supervisione umana. Solo attraverso questi dati è possibile individuare inefficienze, confrontare modelli e stabilire se il volume di calcolo stia producendo valore oppure soltanto consumo. Anche il costo energetico deve essere valutato attraverso metriche coerenti con il risultato. Una misura possibile è E_token = Energia totale consumata ÷ Token elaborati, ma una grandezza più significativa è E_risultato_valido = Energia totale consumata ÷ Numero di risultati accettati, perché consente di collegare il consumo fisico alla qualità del lavoro ottenuto. La stessa logica deve essere applicata alla valutazione complessiva dell’infrastruttura. Un sistema non dovrebbe essere giudicato sulla base della spettacolarità di una singola dimostrazione, ma attraverso prove ripetibili nelle quali vengano definiti in anticipo compiti, criteri di successo, qualità minima accettabile, consumo, latenza e quantità di supervisione necessaria. Un esperimento significativo potrebbe affidare a un’infrastruttura agentica l’analisi di alcuni anni di documentazione, imponendo al sistema di classificare i materiali, estrarre informazioni, individuare relazioni, riconoscere incongruenze e produrre una sintesi verificabile. Al termine dovrebbero essere misurati il numero dei documenti realmente analizzati, i token elaborati, le letture ridondanti, il numero delle iterazioni, il tempo macchina, l’energia consumata, gli errori e la percentuale di risultati ritenuti corretti. Soltanto attraverso questa contabilità completa è possibile stabilire il costo reale dell’intelligenza artificiale applicata a un processo. La diffusione degli agenti modifica profondamente l’economia del settore perché elimina il limite costituito dal tempo umano necessario a formulare manualmente le richieste. Un essere umano può inviare un numero relativamente limitato di prompt durante una giornata, mentre un agente software può generare migliaia di chiamate, operare durante la notte e coordinarsi con altri agenti. La domanda computazionale diventa quindi potenzialmente continua e cresce con il numero dei processi affidati alla macchina. Per questa ragione, nel lungo periodo, la metrica più significativa non sarà probabilmente il numero delle interazioni e nemmeno il token considerato isolatamente, ma il costo del compito completato correttamente. Il lavoro artificiale può essere rappresentato economicamente come Costo del lavoro artificiale = Costo totale dell’infrastruttura ÷ Quantità di lavoro utile verificato. È questa grandezza che consente un confronto serio con il lavoro umano, con il software deterministico, con l’outsourcing e con altre forme di automazione. L’intelligenza artificiale, quando viene utilizzata in modo intensivo, assume quindi le caratteristiche di una vera infrastruttura produttiva: utilizza capitale, consuma energia, occupa memoria, richiede manutenzione, possiede una capacità massima, può essere saturata e può essere ottimizzata. Il problema ingegneristico ed economico consiste nel convertire queste risorse in risultati utili con il minor livello ragionevole di spreco. Il numero dei token rimane una misura fondamentale per comprendere il volume dell’elaborazione linguistica, costruire modelli di costo e individuare inefficienze, ma non rappresenta da solo né la qualità né la produttività del sistema. Consumare più token non significa necessariamente produrre risultati migliori, così come consumarne meno non implica automaticamente una maggiore efficienza. L’efficienza esiste quando un’architettura raggiunge l’obiettivo richiesto impiegando una quantità di risorse proporzionata alla qualità, all’affidabilità e al valore del risultato. L’evoluzione verso sistemi agentici, modelli locali e infrastrutture ibride rende questa distinzione sempre più importante. Il problema centrale dell’intelligenza artificiale contemporanea sta progressivamente passando dal semplice accesso ai modelli all’ingegneria della loro utilizzazione. Il valore non risiede soltanto nel possedere un modello capace di generare linguaggio, ma nel costruire un sistema capace di integrare modelli, memoria, dati, strumenti, controlli e capacità computazionale all’interno di processi ripetibili, osservabili e sicuri. In questo scenario l’elaborazione locale rappresenta una possibile risposta economica alla crescita dei carichi agentici, perché trasforma una parte del costo variabile in investimento infrastrutturale e rende disponibile una capacità continuativa, mentre il cloud mantiene vantaggi importanti in termini di elasticità, disponibilità dei modelli più avanzati e scalabilità. La soluzione tecnologicamente più matura non consiste nel dichiarare universalmente superiore una delle due modalità, ma nel conoscere con precisione la natura del carico, misurare il costo per risultato valido e assegnare ogni attività all’infrastruttura più appropriata. Quando il volume raggiunge miliardi di token, questa scelta assume una rilevanza economica; quando gli agenti lavorano autonomamente per ore, diventa una questione architetturale; quando vengono trattati dati sensibili, diventa anche una questione di sicurezza. Il costo reale dell’intelligenza artificiale non coincide quindi con una singola tariffa, con una specifica macchina o con il valore assoluto di un contatore, ma con l’interazione tra volume di inferenza, qualità dei modelli, architettura degli agenti, memoria, strumenti, hardware, energia, dati, sicurezza, manutenzione e supervisione. La domanda tecnicamente corretta non è semplicemente quanto costi utilizzare un modello, ma quanto costi produrre, attraverso quel modello e l’infrastruttura che lo circonda, un’unità di lavoro corretta, verificabile e realmente utile. È in questa misura che emerge la vera economia computazionale dell’intelligenza artificiale.