Per anni l’intelligenza artificiale è stata raccontata come la grande leva per ridurre i costi del lavoro. Automatizzare, scalare senza assumere, produrre di più con meno persone; questa è stata la promessa che ha accompagnato l’adozione massiccia dell’AI soprattutto nelle imprese. Ma nel 2026 questa narrazione ha cominciato ad incrinarsi. Sempre più aziende stanno infatti scoprendo che l’intelligenza artificiale, soprattutto quando passa dalla sperimentazione alla produzione, non è affatto economica e in alcuni casi costa più del lavoro umano che dovrebbe sostituire.
Un recente articolo di Axios lo mostra con esempi difficili da ignorare. Il responsabile tecnologico di Uber ha ad esempio ammesso di aver già bruciato l’intero budget AI annuale a causa dei soli costi dei token. Uber ha infatti speso l’intero budget destinato all’Intelligenza Artificiale per il 2026 in appena quattro mesi, a causa dell’adozione massiccia di strumenti di coding come Claude Code e Cursor, diventati rapidamente centrali nel lavoro quotidiano degli ingegneri. L’uso è cresciuto così velocemente che i costi API (Application Programming Interface, cioè le spese che un’azienda paga in base all’uso di servizi IA esterni) sono arrivati a oscillare tra 500 e 2.000 dollari al mese per sviluppatore, rendendo l’IA estremamente produttiva ma anche sorprendentemente costosa. Oggi il 95% degli ingegneri Uber utilizza strumenti che aiutano l’automatizzazione di alcuni processi e circa il 70% del codice prodotto è ormai assistito dall’Intelligenza Artificiale, segno di una dipendenza ormai strutturale. Lo stesso CEO di Swan AI (piattaforma di intelligenza artificiale agentica pensata per automatizzare e coordinare attività come marketing e vendite) ha trasformato in un manifesto pubblico la sua costosa fattura di Anthropic, sostenendo che la sua azienda sta crescendo grazie all’Intelligenza Artificiale e non solo al personale. Amos Bar-Joseph ha infatti condiviso con orgoglio una fattura mensile da 113 mila dollari di costi AI per un team di sole quattro persone, spiegando che quella spesa non è uno spreco ma il cuore stesso del modello di business.
In Swan AI, i costi dei token sostituiscono intere funzioni aziendali tradizionali: marketing, vendite, supporto, engineering e perfino legale, permettendo di puntare a 10 milioni di dollari di fatturato annuo con meno di dieci dipendenti, senza SDR né budget pubblicitari. Questa filosofia si riflette anche nel prodotto: un agente di coding pensato per i professionisti del go-to-market, non per sviluppatori, che consente ai clienti di costruire autonomamente i propri flussi di lavoro. Con oltre 800 aziende iscritte in 40 giorni, il messaggio chiave è che in un business veramente “agentic” i costi dell’AI crescono rapidamente; quanto rapidamente invece crescano la scalabilità e la leva sull’intelligenza in modo da ridurre la portata delle prossime fatture è tutto ancora da valutare.
Questi casi non sono però eccezioni isolate, ma potrebbero essere segnali di un cambiamento sempre più strutturale soprattutto alla luce dei dati che riguardano la spesa in IA. Secondo Gartner, infatti, la spesa IT globale raggiungerà nel 2026 i 6,31 trilioni di dollari, con una crescita annua del 13,5%, dovuta in gran parte a investimenti in intelligenza artificiale, cloud e infrastrutture di calcolo.
Sembrerebbe dunque che l’IA non stia davvero, per il momento, sostituendo i costi, ma li stia spostando… dagli stipendi ai data center e dalle risorse umane ai contratti con i grandi modelli (!). Di fronte a questa dinamica, anche il dibattito sta iniziando a cambiare tono. Non si tratta più di chiedersi se l’IA sia potente o innovativa, ma se sia appunto davvero economicamente sostenibile. Come riportato da Axios, Brad Owens di Asymbl, ha sintetizzato questa fase di interrogativi costanti sull’IA raccontando che la domanda che oggi arriva nei consigli di amministrazione è più strategica che mai: qual è il vero valore di un lavoratore, umano o digitale? In un contesto in cui i principali AI lab aumentano i prezzi e il costo del calcolo continua a crescere, la presunta superiorità economica dell’intelligenza artificiale non può più essere data per scontata e va finalmente analizzata con numeri che iniziano ad essere sempre più disponibili.
Come crescono i costi
A mettere chiaramente nero su bianco questa intuizione è stato anche l’analista Charles‑Henry Monchau, che in un post su Linkedin ha provato a smontare in modo molto diretto l’idea, ormai diffusissima, che l’intelligenza artificiale sia automaticamente più economica delle persone. Il punto di partenza dell’autore è che guardare solo il prezzo dei token è fuorviante. Sulla carta, una chiamata a un modello IA può costare anche solo un centesimo, ma nella realtà aziendale quel centesimo diventano anche 40-70 centesimi quando si aggiunge tutto ciò che serve per far funzionare davvero l’AI, cioè l’orchestrazione di più modelli, agenti che si passano il lavoro, infrastruttura cloud, controlli di qualità, sistemi di monitoraggio e gestione degli errori. Insomma, è come dire che il modello è solo il motore, ma l’auto completa costa molto di più. Monchau poi entra nel tema della produttività, spiegando un altro equivoco comune. Molti sviluppatori sentono infatti di lavorare più in fretta con l’AI e in molti stimano addirittura un +20% di velocità, ma i dati dell’MIT e di Gartner raccontano un’altra storia: nei flussi di lavoro reali, l’output risulta in media più lento del 19% (!).
Com’è possibile? Questo succede perché bisogna correggere errori, riscrivere prompt, verificare risultati e gestire casi limite. Tutto questo tempo “di contorno” non sembra lavoro, ma lo è, e alla fine pesa sui costi e per un team di 10 ingegneri, questi attriti nascosti potrebbero arrivare a valere circa 270 mila dollari l’anno. Un altro punto chiave del suo ragionamento che vale la pena riportare è la complessità dei sistemi agentici. Quando l’AI non è più un semplice chatbot ma una rete di agenti che decidono, chiamano altri modelli e iterano continuamente, i costi non crescono in linea retta ma possono moltiplicarsi anche di quattro volte mese dopo mese. È per questo che non è per forza un’esagerazione affermare che solo il 23% dei lavori oggi esposti all’AI conviene davvero automatizzarli dal punto di vista economico. E andando avanti nel tempo, cioè entro il 2030, alcuni servizi di customer service basati su AI potrebbero costare più degli stessi operatori umani offshore.
Questa potenziale riduzione dell’opportunità economica dell’IA non segnala però un fallimento della tecnologia ma una dinamica storica ricorrente sintetizzabile nella cosiddetta J‑curve dell’adozione tecnologica. Secondo tale dinamica all’inizio i costi salgono, l’efficienza non arriva subito e il lavoro umano non viene rimpiazzato come previsto. È successo con gli sportelli automatici, che hanno impiegato decenni a ridurre davvero il numero di cassieri, ed è successo con i fogli di calcolo, che invece di eliminare i contabili hanno finito per moltiplicarli. Se dunque l’AI rimane uno strumento potentissimo, essa non è una scorciatoia economica immediata e confondere potenziale tecnologico con risparmio reale è uno degli errori più costosi che oggi le aziende possano fare.
Abbonati e diventa uno di noi
Se l'articolo che hai appena letto ti è piaciuto, domandati: se non l'avessi letto qui, avrei potuto leggerlo altrove? Se pensi che valga la pena di incoraggiarci e sostenerci, fallo ora.
