Altman ammette che i token costano troppo, e qualcuno comincia a pagarne il conto

C’è un momento, nell’adozione di qualsiasi tecnologia, in cui l’entusiasmo iniziale incontra la fattura. Per l’intelligenza artificiale aziendale, quel momento sembra essere arrivato proprio adesso. Sam Altman, amministratore delegato di OpenAI, ha ammesso pubblicamente che i costi dei token sono diventati un problema enorme per molti clienti aziendali, dopo mesi in cui l’uso dei modelli era stato spinto come leva di produttività quasi obbligatoria. È un’ammissione che pesa, perché arriva da chi quei modelli li vende, e che apre una domanda scomoda: se le aziende bruciano il budget in AI, chi finirà per pagarne le conseguenze?

Per capire la portata del problema bisogna partire da come funziona il conteggio. Ogni interazione con un modello di intelligenza artificiale consuma token, le unità in cui viene misurato il testo elaborato in ingresso e in uscita. Una chat tradizionale ne consuma una quantità contenuta: legge la richiesta, produce la risposta, fine. Ma il mondo si sta spostando verso gli agenti, sistemi che pianificano, chiamano strumenti, leggono file, correggono errori, riprovano e mantengono il contesto per più passaggi. Ogni ciclo aggiunge consumo, e quando questi processi vengono distribuiti a migliaia di dipendenti, la scala cambia in modo vertiginoso.

Segui TuttoTech.net su Google Discover

Pubblicità

Amazon

Samsung Galaxy S25 Edge, 256GB

489€

Vai all'offerta

I numeri che spaventano i direttori finanziari

Altman ha fornito un dato che fotografa bene la traiettoria. Il maggiore utilizzatore interno di OpenAI arriva a circa 100 miliardi di token al mese, e secondo il CEO qualcuno fuori dall’azienda ne consumerebbe ancora di più. Per capire quanto sia esploso il fenomeno, basti pensare che sei anni e mezzo fa il maggiore consumatore in assoluto arrivava a 100.000 token mensili. Oggi quella quantità, che un tempo rappresentava il picco assoluto, è vicina alla media globale pro capite. È una crescita di sei ordini di grandezza nel giro di pochi anni.

Il racconto di Altman sull’evoluzione delle conversazioni con i clienti è altrettanto rivelatore. All’inizio dell’anno, secondo il CEO, la spesa non era quasi mai un tema: le aziende sperimentavano, entusiaste delle possibilità. Ora molte chiedono esplicitamente più efficienza, dopo aver consumato una parte rilevante del budget 2026 nei primi mesi dell’anno. Il conto, insomma, ha iniziato a passare dai team tecnici, che vedono nell’AI uno strumento, ai responsabili finanziari, che vedono nei token una voce di spesa strutturale e poco prevedibile.

Il problema di fondo è tecnico ed economico insieme. L’inferenza, ovvero il calcolo necessario a far girare un modello a ogni richiesta, non scala come una normale licenza software. Una licenza la paghi una volta e la usi quanto vuoi. L’AI invece consuma calcolo, memoria, rete e infrastruttura a ogni singola interazione. Questo significa che, anche se il prezzo unitario per token scende, come sta accadendo, il conto totale può comunque aumentare se l’uso cresce più rapidamente dei miglioramenti di efficienza. È esattamente il meccanismo che sta cogliendo di sorpresa molte aziende.

Il fenomeno non riguarda solo OpenAI. Lo stesso passaggio si è visto con GitHub Copilot, che ha adottato un modello di consumo basato sui token scatenando le proteste degli sviluppatori più esposti alle richieste premium. In entrambi i casi, l’idea rassicurante di un assistente sempre disponibile a costo fisso si scontra con una metrica di consumo che assomiglia sempre di più a quella del cloud: paghi per quello che usi, e quello che usi tende a crescere più di quanto previsto.

La domanda scomoda: pagheranno i dipendenti reali?

Qui arriviamo al punto che dovrebbe preoccupare chiunque lavori in un’azienda che sta investendo in AI. Se il budget per l’intelligenza artificiale diventa una voce di spesa enorme e in crescita, da dove arrivano i soldi? La risposta, in alcuni casi già documentati, è inquietante: arrivano dalle tasche dei dipendenti.

Il caso più clamoroso è quello di Teradata, azienda di software cloud con circa 5.100 dipendenti. A gennaio 2026, il CEO Steve McMillan ha comunicato al personale, tramite un memo interno ottenuto da Business Insider, che non ci sarebbero stati aumenti salariali annuali nel 2026. Il motivo, scritto nero su bianco, è che il budget destinato agli adeguamenti salariali sarebbe stato reindirizzato verso gli investimenti in AI. Le parole esatte del memo non lasciano spazio a interpretazioni: l’azienda finanzierà questo investimento in intelligenza artificiale reallocando il budget dagli adeguamenti salariali annuali del 2026. I dipendenti citati nel report hanno spiegato che gli aumenti annuali si aggiravano di solito tra il 2% e il 4%.

Teradata non è un caso isolato. TTEC, azienda di servizi e tecnologia, ha sospeso i contributi al fondo pensione per i propri dipendenti statunitensi fino alla fine del 2026, indicando nelle comunicazioni interne che il risparmio avrebbe contribuito a finanziare gli strumenti, la formazione e le capacità necessarie al futuro AI dell’azienda. Due aziende diverse, lo stesso schema: l’investimento sulla forza lavoro viene compresso per finanziare l’investimento in tecnologia.

Ciò che colpisce gli osservatori non è solo la decisione in sé, ma la franchezza con cui viene comunicata. Come ha osservato la stratega del lavoro Jennifer Moss, il fatto che i leader aziendali siano disposti a dire pubblicamente queste cose segna un cambiamento reale, e quello che diventa riferibile tende poi a diventare fattibile. In altre parole, normalizzare l’idea che l’AI valga più degli aumenti dei dipendenti apre la strada a decisioni ancora più drastiche.

C’è un’ironia amara in tutto questo. Un report del MIT spesso citato ha rilevato che il 95% dei programmi pilota di AI nelle aziende sta fallendo, con un impatto misurabile sui profitti praticamente nullo. Le aziende, in molti casi, stanno tagliando stipendi e benefit reali per finanziare investimenti che, statisticamente, hanno alte probabilità di non produrre il ritorno sperato. Si sacrifica il certo, la retribuzione di chi lavora, per l’incerto, la promessa di una trasformazione AI che spesso non si materializza.

Una nuova disciplina, o una nuova frattura

La risposta di Altman a questa situazione è prevedibile: lavorare su modelli più efficienti e su un rapporto migliore tra valore e spesa. È un impegno necessario, ma non risolutivo, perché finché l’uso cresce più velocemente dell’efficienza, il conto continuerà a salire. Per le aziende, la conseguenza pratica è l’arrivo di una nuova disciplina operativa: limiti di spesa, instradamento delle richieste verso modelli più leggeri quando il compito è semplice, caching delle risposte, prompt più mirati, e criteri chiari per decidere quando un agente deve lavorare in autonomia e quando basta un’interazione elementare. La produttività, in altre parole, resta misurabile solo se accanto al tempo risparmiato si mette anche il costo generato per ottenerlo.

Questa fase impone anche un cambio culturale nei team. Dopo mesi passati a invitare tutti a usare l’AI ovunque e per qualsiasi cosa, molti reparti dovranno imparare a distinguere tra automazione utile, uso puramente dimostrativo e consumo inutile. L’AI aziendale non scompare, ma entra in una fase più matura e concreta: meno slogan sulla sostituzione del lavoro umano, più attenzione a spesa, valore e ritorno operativo reale.

Resta però la questione di fondo, quella che le aziende come Teradata hanno reso esplicita. Se l’intelligenza artificiale diventa una priorità di bilancio che si finanzia comprimendo stipendi, benefit e contributi pensionistici, il rischio è di creare una frattura profonda tra chi decide gli investimenti e chi li subisce. L’adozione dell’AI dipende dal fatto che siano proprio i dipendenti a usarla, a cambiare i propri flussi di lavoro, a fidarsi della direzione aziendale abbastanza da sperimentare con onestà. Ma se la prima cosa che un lavoratore impara è che l’AI gli ha portato via l’aumento o il contributo alla pensione, è probabile che obbedisca in superficie disimpegnandosi nella sostanza. È un pessimo modo di gestire una trasformazione.

La domanda iniziale, allora, trova una risposta parziale ma chiara. Non è ancora detto che le aziende debbano licenziare dipendenti reali per pagare i token, anche se in alcuni settori la sostituzione è già in corso. Ma il conto dell’AI sta già ricadendo sui lavoratori in forme più silenziose e altrettanto concrete: aumenti congelati, benefit sospesi, budget reindirizzati. La rivoluzione dell’intelligenza artificiale prometteva di liberare le persone dai compiti ripetitivi. Per ora, in più di un caso, sta semplicemente liberando i bilanci aziendali dalle voci destinate alle persone. E questo, a differenza dei token, è un costo che non si misura in dollari, ma in fiducia.