Nel 2026, molte aziende si trovano davanti a una sorpresa: l’intelligenza artificiale non taglia più solo i costi del personale. Dietro l’apparente risparmio si nascondono spese che somigliano a un centro di costo operativo complesso, difficile da incasellare nei tradizionali budget. Non basta comprare software innovativi; serve gestire infrastrutture costose, supervisioni continue e una serie di costi variabili che sfuggono alle vecchie categorie contabili. In Italia, questo problema è ancora più evidente. Le strutture aziendali verticali e la concentrazione dei servizi cloud stanno mettendo sotto pressione le imprese, costringendole a ripensare completamente il modo in cui guardano ai costi legati all’AI.
SaaS? L’illusione svanita: perché gli agenti AI non sono un semplice software in abbonamento
Per anni le aziende hanno guardato all’intelligenza artificiale come a un prodotto software qualsiasi: una licenza fissa, un costo per utente, scalabilità a basso costo aggiuntivo. Ma gli agenti AI ribaltano questo schema. Ogni loro interazione è molto più complicata di un semplice calcolo: un agente AI non solo risponde, ma pianifica, porta a termine compiti, valuta risultati, corregge errori e interroga dati esterni. Tutto questo può moltiplicare il consumo di token anche 20-30 volte rispetto a una normale richiesta generativa.
Di conseguenza, i costi crescono in modo non lineare e dipendono da come si usa l’agente. Le vecchie metriche come costo per utente o licenza annuale non bastano più: il consumo di token, le risorse di calcolo e la supervisione continua trasformano questi sistemi in costi operativi dinamici, più simili a una forza lavoro digitale che a un semplice software.
Virtual FTE: la nuova unità di misura per capire quanto costa davvero un agente AI
Una delle nuove strade per calcolare il costo reale di un agente AI è il modello del Virtual Full Time Equivalent, o vFTE. L’idea è semplice: trattare ogni agente come se fosse un collaboratore digitale, con un costo totale di proprietà simile a quello di una persona.
Il vFTE valuta cinque elementi chiave: innanzitutto il costo API legato al consumo di token, che pesa tra il 60 e l’80% del totale; poi l’infrastruttura necessaria, come memorie persistenti e database vettoriali, con costi mensili che vanno da 500 a 2.500 dollari a seconda della scala. Seguono le integrazioni con i sistemi aziendali, la gestione operativa degli agenti , che include monitoraggio e governance, e infine la supervisione umana, indispensabile soprattutto in settori regolamentati.
Mettendo insieme tutto, il costo mensile di un singolo agente può oscillare tra i 3.200 e i 13.000 dollari. Numeri che mostrano chiaramente come il risparmio in termini di produttività non si traduca automaticamente in tagli ai costi, rendendo necessario distinguere con precisione tra produttività e spesa.
Costi fuori controllo: la sfida dei budget tradizionali con la variabilità degli agenti AI
Il problema più grande è proprio la natura non lineare dei costi. I modelli AI più avanzati costano molto più di quelli base, con differenze che possono arrivare a 20 volte. Se un flusso di lavoro prevede più passaggi o iterazioni, i costi si moltiplicano rapidamente.
Inoltre, i costi non si distribuiscono in modo uniforme: analisi su oltre mille esecuzioni mostrano che mentre il costo medio si aggira intorno a 1,22 dollari per ciclo, il 5% più costoso supera i 22 dollari, con un rapporto di 18 a 1. Ciò significa che basarsi sulle medie può portare a gravi errori di previsione, lasciando i budget esposti a spese impreviste.
A livello globale, Goldman Sachs prevede che entro il 2030 il consumo totale di token crescerà di 24 volte, aumentando la pressione sui costi operativi e costringendo le aziende a ripensare come gestire le proprie finanze con gli agenti AI.
CFO, CIO e CHR: una nuova alleanza per governare i costi dell’intelligenza artificiale
L’arrivo degli agenti AI non riguarda più solo la tecnologia o l’operatività, ma mette in gioco l’intera organizzazione, richiedendo un lavoro di squadra tra CFO, CIO e CHR. Prima, questi ruoli gestivano separatamente i costi del personale, l’infrastruttura IT e le risorse umane. Oggi devono collaborare per affrontare costi imprevedibili e in continua evoluzione.
Il CFO si trova a dover gestire budget che possono cambiare drasticamente da un mese all’altro, mettendo a dura prova la capacità di pianificazione. Serve abbandonare le vecchie categorie contabili e adottare modelli che distinguano con chiarezza tra spese fisse e costi variabili. Per il CIO, le scelte architetturali sono decisive: una decisione sbagliata o un flusso di lavoro poco ottimizzato possono far schizzare i costi in tempi brevissimi.
Il CHR invece deve fare i conti con la supervisione umana. Gli agenti AI, spesso visti come sostituti del lavoro, in realtà richiedono nuove figure dedicate al controllo, alla verifica e alla responsabilità legale. In settori regolamentati come sanità e finanza, questa supervisione è obbligatoria e rappresenta un costo extra non previsto.
Come le aziende italiane possono tenere sotto controllo i costi degli agenti AI
Per limitare l’impatto economico degli agenti AI, le aziende devono mettere in campo strategie precise. Prima di tutto, bisogna applicare la stessa disciplina di controllo dei costi cloud a ogni workflow AI, monitorando con precisione quale agente usa quali risorse e con quale efficienza. Senza una contabilità dettagliata, i costi restano un’incognita.
In secondo luogo, il budget per il consumo di token va trattato come una risorsa critica dell’infrastruttura digitale. Serve imporre limiti chiari e implementare sistemi che indirizzino automaticamente i compiti meno complessi verso modelli meno costosi. Così si riduce l’uso inutile dei modelli avanzati, risparmiando senza perdere qualità.
Infine, è fondamentale costruire una governance condivisa tra CFO, CIO e CHR prima di mettere in produzione gli agenti AI. Questo modello deve prevedere fin dall’inizio la stima dei costi legati alla supervisione umana, almeno nei primi mesi, per evitare brutte sorprese. In Italia, programmi come AITO stanno già spingendo in questa direzione, favorendo una collaborazione efficace che eviti disallineamenti tra aspettative e realtà.
Il dibattito che manca: modelli economici aggiornati per l’intelligenza artificiale agentica
Oggi si parla molto dell’impatto dell’AI sul lavoro in termini generali: posti a rischio, welfare, nuove tutele. Ma manca un confronto altrettanto urgente sul piano operativo, dentro le aziende che adottano agenti AI senza modelli economici aggiornati.
The Economist ha sottolineato l’importanza di mettere in piedi reti di sicurezza prima che emergano i problemi. Lo stesso vale per le imprese: aspettare che le fatture sforino senza una governance attenta significa esporsi a rischi gestionali e finanziari seri.
Il ritardo nell’aggiornare i modelli di budget impedisce una valutazione corretta del costo tra lavoro umano e agenti AI, bloccando decisioni basate su dati concreti invece che su aspettative o percezioni. Il rischio è che, sia nelle riunioni aziendali che nei parlamenti, il dibattito resti vago e inefficace, senza affrontare la realtà quotidiana delle aziende già alle prese con questa nuova complessità.