Alla fine del 2024, il cofondatore di Heidi Yu Liu è rimasto scioccato nello scoprire che spendeva fino a 3 milioni di dollari al mese per gli ultimi modelli di OpenAI, Anthropic e Google per alimentare la sua startup di appunti per medici. “Stavamo realizzando buoni ricavi, ma se (sottraessi) le nostre bollette dell’intelligenza artificiale, avremmo a malapena dei margini,” dice Liu.

Inizialmente Liu ignorò i costi esorbitanti, aspettandosi che i laboratori di intelligenza artificiale abbassassero i prezzi man mano che l’intelligenza diventava più economica da fornire e più abbondantemente disponibile. Ciò non è accaduto. Invece, le bollette continuavano ad accumularsi. A metà del 2025 ne ha avuto abbastanza. Si è rivolto a un’altra startup, Fireworks con sede a San Mateo, California, che ha aiutato Heidi a creare la propria intelligenza artificiale più economica utilizzando i 280 modelli aperti ospitati sul sito Fireworks. A differenza dei costosi modelli standard dei grandi laboratori americani, gli sviluppatori possono adattare le prestazioni di questi modelli fornendo loro dati, creando modelli personalizzati che riducono i costi.

Liu afferma di aver ridotto di quasi il 90% la spesa mensile per l’intelligenza artificiale spostando il 95% del carico di lavoro della sua startup su modelli specializzati e aperti. Si tratta di risparmi significativi per la sua attività, che ad aprile ha fruttato 4,1 milioni di dollari. C’erano anche altri vantaggi: mentre un modello standard impiegava 25 secondi per emettere trascrizioni nelle ore di punta, il modello su misura di Heidi poteva farlo quasi istantaneamente.

Lo shock degli adesivi sull’intelligenza artificiale è diventato l’argomento del momento per le aziende americane. Negli ultimi due anni, le aziende hanno dato ai dipendenti un mandato: utilizzare quanta più intelligenza artificiale possibile. Gli incentivi sono diventati perversi. Le valutazioni delle prestazioni premiavano i lavoratori che consumavano token costosi —l’unità standard di utilizzo dell’intelligenza artificiale. Nelle classifiche interne, i dipendenti ossessionati dai bonus “tokenmaxxing” gareggiavano tra loro per titoli come “token legend” e “AI god.”

Poi è arrivata la fattura. Uber ha notoriamente sforato l’intero budget del 2026 per l’intelligenza artificiale in quattro mesi utilizzando lo strumento di codifica Claude Code di Anthropic. Secondo quanto riferito, Amazon ha speso 1,8 milioni di dollari per un progetto Claude che non è mai stato lanciato. Salesforce prevede di accumulare un conto Anthropic di 300 milioni di dollari quest’anno. “Non è sostenibile”, afferma Kay Zhu, cto di Genspark, che sviluppa strumenti di intelligenza artificiale per i lavoratori della conoscenza.

LEGGI ANCHE: “DeepSeek, nuovo round da 12 miliardi di dollari. Tra gli investitori Catl e Tencent”

I costi per l’intelligenza artificiale sono molto alti

Ma è comprensibile. Allarmate dal ritmo dei progressi, le aziende stanno correndo per adottare l’IA— sia armando i propri dipendenti con essa sia infondendola nei propri prodotti. “Non vogliono trattenersi”, afferma Matt Murphy, partner di Menlo Ventures. Ma devono anche affrontare i costi elevati ad esso legati. L’intelligenza artificiale è intrinsecamente costosa perché assorbe enormi quantità di risorse —GPU, elettricità, acqua, immobili—, il che comporta un costo elevato. Un singolo data center da gigawatt può costare più di 40 miliardi di dollari.

Attualmente gli Stati Uniti stanno costruendo più di 1.500 data center, per un costo complessivo di 2,3 trilioni di dollari. “Cambia significativamente la struttura dei costi aziendali”, afferma Lin Qiao, ceo e co-fondatrice di Fireworks. Per le aziende che realizzano prodotti che utilizzano l’intelligenza artificiale, questo può diventare un problema evidente man mano che il numero di utenti passa da centinaia a migliaia a milioni. “Quando si raggiunge l’adattamento prodotto-mercato, uno scenario è quello di arrivare alla bancarotta”, afferma Qiao.

Gartner prevede che quest’anno la spesa globale per l’intelligenza artificiale raggiungerà i 2,6 trilioni di dollari, pari al 2% del PIL planetario. Ad agosto, Nvidia ha stretto un accordo con sei giganti di Wall Street, tra cui Blackstone e Goldman Sachs, per assicurarsi 500 miliardi di dollari in finanziamenti per l’intelligenza artificiale. Tutto si basa su un presupposto: che la domanda sarà pressoché illimitata, sufficiente a giustificare tutto. Insieme, OpenAI e Anthropic hanno raccolto 310 miliardi di dollari in finanziamenti di rischio. Ne hanno bisogno perché i loro prodotti di intelligenza artificiale sono ridicolmente costosi da costruire e gestire. Stanno crescendo rapidamente, con un fatturato inferiore a 12 mesi stimato a circa 25 miliardi di dollari ciascuno, ma non si avvicina nemmeno lontanamente alla cifra che stanno spendendo.

“Le aziende non sanno nemmeno quanto spendono per ogni query. E se lo facessero, rimarrebbero disgustati”, afferma Anastasios Angelopoulos, ceo di Arena, un sito che valuta i modelli in base alle prestazioni e al prezzo. Ora, con migliaia di miliardi di dollari investiti nella costruzione delle infrastrutture, la folle corsa delle aziende per ridurre i costi dell’intelligenza artificiale solleva la domanda: alla fine ci sarà una domanda sufficiente affinché i calcoli funzionino per i laboratori di intelligenza artificiale di alto livello?

Le alternative cinesi

Dopotutto, esistono alternative decisamente più economiche ai costosi modelli di frontiera di OpenAI e Anthropic. Aziende cinesi come DeepSeek, Alibaba, MiniMax e Moonshot erano solite seguire i grandi laboratori statunitensi, ma di recente hanno recuperato terreno. E sono davvero economici. Kimi K3 di Moonshot può sfornare 1.500 pagine (750.000 parole) di testo per 15 dollari, meno di un terzo dei 50 dollari che Anthropic chiede a Fable 5 per svolgere lo stesso lavoro. Qwen 3.8-Max di Alibaba può progettare la landing page di un sito web per 12 centesimi. GPT 5.6 Sol di OpenAI svolgerà lo stesso compito a un prezzo più di tre volte superiore.

Il passaggio all’open source è in pieno svolgimento. Coinbase ha dimezzato all’incirca la spesa per l’intelligenza artificiale instradando attività semplici come la programmazione di base verso modelli cinesi più economici. DoorDash ora delega lavori “di livello inferiore” come la revisione del codice a Kimi K2.6 di Moonshot, tra gli altri, riservando il modello di frontiera di Anthropic per compiti più difficili. Il ceo di Airbnb Brian Chesky ha definito il modello Qwen di Alibaba “veloce ed economico” e lo utilizza per il chatbot del servizio clienti dell’azienda.

Ad agosto, OpenRouter, con sede a New York City, il cui software consente agli sviluppatori di accedere a centinaia di modelli di intelligenza artificiale, ha segnalato che il 55% dei token passati attraverso il suo software è andato a modelli cinesi, in aumento rispetto al 4,5% di inizio 2025. “La realtà è che al momento i migliori modelli aperti provengono dalla Cina”, afferma Matan Grinberg, ceo della startup di programmazione di intelligenza artificiale Factory, aggiungendo però che anche i modelli aperti sviluppati internamente, come Nemotron di Nvidia, sono “abbastanza buoni”.

Il prezzo dei token è diminuito enormemente

I laboratori statunitensi non sopportano da soli una concorrenza così agguerrita. A luglio, OpenAI ha ridotto i prezzi dei suoi modelli di fascia media e più piccoli fino all’80%, mentre Anthropic ha lanciato modelli che costano la metà di quelli più performanti. In generale, il prezzo dei token è crollato di circa il 70% dall’inizio dell’anno. “Dovremmo tutti esultare quando c’è sempre più concorrenza tra i modelli, perché significa che otterremo tutti la migliore esperienza al costo più economico,” dice Grinberg. “Se i modelli aperti non esistessero, non credo che OpenAI avrebbe ridotto così tanto i costi.”

Anche con token più economici i costi possono aumentare man mano che l’intelligenza artificiale diventa più capace. I migliori modelli di oggi non sono solo chatbot che rispondono alle domande. Strumenti come Claude Code generano decine, se non centinaia, di agenti che lavorano tutti insieme per risolvere i problemi, dedicando più tempo “a pensare” e utilizzando molti più token. “Il numero del token in realtà è aumentato più velocemente di quanto sia diminuito il costo del token”, afferma Zhu di Genspark, che sta spendendo il 50% in meno in attività come la generazione di diapositive di PowerPoint dopo che la sua startup con sede a Palo Alto è passata all’open source cinese. “La gente saluta e Fable chiede loro 5 dollari”, aggiunge Angelopoulos. “È pazzesco.”

In risposta, un gruppo di startup sta aiutando le aziende a diventare più intelligenti su come utilizzare l’intelligenza artificiale. Le soluzioni spaziano dai router che spostano in modo intelligente il traffico AI ai modelli più economici, fino agli agenti che restano seduti in silenzio sui computer portatili dei dipendenti, monitorando e tracciando le loro spese AI. Un ricercatore sta addirittura lavorando a un’architettura di intelligenza artificiale completamente nuova che utilizza meno risorse, ispirata al cervello di un minuscolo ascaride. “Le aziende stanno iniziando ad aprire gli occhi su un futuro molto chiaro in cui l’intelligence diventerà la voce di spesa operativa numero uno per tutti per il lavoro sulla conoscenza”, afferma Alex Atallah, 34 anni, ceo e co-fondatore di OpenRouter.

Fireworks di Lin Qiao ha sviluppato un’AI utilizzando modelli più economici

Tra questi nuovi arrivati, Fireworks, con i suoi quattro anni di attività, è forse quello che ha sfruttato maggiormente il disperato bisogno delle aziende americane di frenare la spesa per l’intelligenza artificiale. Il software dell’azienda aiuta i suoi circa 10.000 clienti aziendali, tra cui Uber, Shopify, Upwork e DoorDash, nonché startup di spicco come Cursor, Cognition e Harvey, a sviluppare un’intelligenza artificiale specializzata utilizzando i propri dati proprietari su modelli più economici, spesso cinesi. Ciò non riduce solo i costi. Ciò conferisce loro un controllo più granulare sul funzionamento dei loro modelli.

Con poche righe di codice e una carta di credito, gli sviluppatori possono sperimentare, perfezionare ed eseguire qualsiasi modello aperto al mondo. Non c’è bisogno di preoccuparsi di mettere le mani su GPU costose e richieste o di riprogettare l’hardware per eseguire nuovi modelli in modo efficiente. Fireworks si occupa di tutto. Secondo le stime di Forbes, nel 2025 la società ha registrato un fatturato di circa 250 milioni di dollari. La sua valutazione è quadruplicata, raggiungendo i 17,5 miliardi di dollari negli ultimi nove mesi, rendendo la cinquantenne Qiao una nuova miliardaria, con una quota stimata del 6% del valore di 1 miliardo di dollari.

Figlia di madre contabile e padre che lavorava come ingegnere meccanico progettando navi mercantili, Qiao è cresciuta a Chengdu, in Cina, nota soprattutto per i suoi panda giganti. È arrivata negli Stati Uniti nel 2000 per un dottorato di ricerca in informatica presso l’Università della California, a Santa Barbara. Dopo aver lavorato presso IBM e LinkedIn, ha trascorso sette anni presso Meta sviluppando PyTorch, un popolare strumento open source con 2 miliardi di download, utilizzato per creare ChatGPT.

Nel settembre 2022 ha lasciato Meta con cinque colleghi per fondare Fireworks (un settimo cofondatore è arrivato da Google). Eric Vishria, partner di Benchmark e autore dell’assegno di serie A da 25 milioni di dollari dell’azienda, ha deciso di dedicare dieci minuti alla riunione. Ora la crescita sta esplodendo. Al ritmo di luglio, Fireworks genererebbe circa 1 miliardo di dollari di fatturato nei 12 mesi conclusi a luglio 2027.

OpenRouter di Alex Atallah analizza i modelli di spesa

Anche i modelli open-weight e l’economia accattivante stanno dando impulso a OpenRouter. Il suo software suddivide un’attività in una serie di passaggi separati e invia automaticamente ciascuno di essi al più conveniente tra 500 modelli open-weight e di frontiera. Lavori meno importanti, come il recupero di un file da una directory, vengono inviati a un modello DeepSeek più economico, mentre potrebbe valere la pena spendere soldi per far sì che Anthropic pianifichi l’architettura software per un nuovo prodotto.

Ogni settimana 100 trilioni di token passano attraverso il sistema di OpenRouter grazie a clienti come Zoom e Nvidia. Questi dati offrono alla startup una visione d’insieme di come i dipendenti “votano con i loro soldi”, afferma Atallah, che in precedenza ha co-fondato il marketplace NFT OpenSea nel 2017. Il router della sua startup esamina i modelli di spesa degli ultimi sette giorni per decidere a quale modello inviare una richiesta. “Una parte entusiasmante di questo router è che sfrutta la saggezza della folla per lavorare,” dice.

Nel 2023, Atallah si rese conto che presto ci sarebbero stati migliaia di modelli più economici e più piccoli quando un gruppo di studenti di Stanford ne formò uno chiamato Alpaca (oltre al modello Llama di Meta) per soli 600 dollari: “Sembrava che avessimo davvero bisogno di un buon modo per esplorare tutti questi modelli.”

Ad agosto Stripe ha accettato di acquisire OpenRouter per 8 miliardi di dollari, afferma una persona a conoscenza dei termini. Ciò farebbe sì che Atallah, che possiede oltre il 50% dell’azienda, valga circa 4 miliardi di dollari. La società era sulla buona strada per realizzare oltre 100 milioni di dollari di fatturato quest’anno con margini lordi del 90%, ha aggiunto la persona.

Trump vorrebbe vietare alle aziende Usa di usare modelli cinesi

L’amministrazione Trump ha preso in considerazione l’idea di vietare alle aziende americane di utilizzare modelli cinesi: difficile da far rispettare, quando sono scaricabili gratuitamente dal web aperto. Centinaia di aziende si sono opposte a tale divieto, sostenendo che rimarrebbero indietro mentre il resto del mondo si basa su un’intelligenza artificiale open source più economica. “Non è solo un rischio per la nostra attività,” afferma Qiao di Fireworks. “È un rischio per l’intera economia statunitense.”

Un punto chiave: Fireworks e OpenRouter conservano i dati americani in America. Le startup fungono da cuscinetto tra i modelli cinesi e le aziende statunitensi. “Ovunque venga creato, il modello diventa di fatto un modello Fireworks perché lo serviamo noi, lo gestiamo noi, non nessun altro. Questi non sono dati che vanno da nessun’altra parte,” afferma George Hu, presidente di Fireworks. Atallah afferma che qualsiasi lavoro indirizzato a modelli cinesi open-weight può essere inviato a data center non cinesi, garantendo la sicurezza dei dati delle aziende statunitensi.

Gli incidenti dell’AI

Anche quando tutto va per il verso giusto, l’AI è costosa. Ma gli incidenti sono comuni. Gli agenti rimasti in disparte possono perdere il controllo, divagare e accumulare centinaia di migliaia di dollari in bollette. L’agente di reclutamento interno di Fireworks ha sprecato 24.000 dollari in pochi giorni perché era configurato in modo errato in “modalità massima”, dove ha dedicato più tempo “a pensare” e bruciato più token. Shopify ha costruito i cosiddetti interruttori automatici per catturare gli agenti incustoditi che sono stati lasciati in funzione per errore. “La nostra preoccupazione riguarda la spesa di cui non possiamo tenere conto, perché gli sprechi sono solitamente un segnale che qualcosa non va,” afferma Farhan Thawar, responsabile dell’ingegneria di Shopify.

Quando un dirigente di una società pubblicitaria ha iniziato a utilizzare il raccoglitore di appunti per riunioni basato sull’intelligenza artificiale di Genspark, ha sprecato un intero mese di crediti in pochi giorni. Il motivo? Lo strumento di intelligenza artificiale registrava e riassumeva le otto ore di riunioni a cui partecipava ogni giorno, per impostazione predefinita. Dopo aver segnalato il problema, Genspark sostituì il modello con un’alternativa che costava un terzo.

Tali sprechi si verificano quando le aziende non hanno modo di monitorare dove vanno a finire i loro soldi e cosa ottengono in cambio, afferma Jyoti Bansal, ceo e cofondatore di Harness. La startup con sede a San Francisco vende software che analizza problemi di qualità, bug di sicurezza e falle di conformità nel codice. A maggio, il team di Bansal ha lanciato un agente di gestione dei costi basato sull’intelligenza artificiale che utilizza i laptop dei dipendenti e tiene traccia di ogni token speso, del costo per token e se i dipendenti hanno effettivamente portato a termine il compito che si erano prefissati di svolgere con l’intelligenza artificiale. “Solo avendo visibilità, le persone possono iniziare a sistemare le cose,” dice Bansal, che vale 2,3 miliardi di dollari.

Gestire le spese

United Airlines sta sviluppando un proprio tracker interno per gestire le spese di intelligenza artificiale, con approvazioni umane per tenere sotto controllo i costi. Ratna Devarapalli, direttore IT della compagnia aerea, afferma che l’aumento dei prezzi di strumenti come Microsoft Copilot e l’uso eccessivo dell’intelligenza artificiale man mano che le persone imparano a usarla hanno portato a picchi di costo. “Crea anche dipendenza,” dice. “Sono seduto a casa a usarlo per ore cercando di fare qualcosa.”

La startup di strumenti per sviluppatori Vercel, cliente di Fireworks con sede a San Francisco, vuole ancora che i suoi ingegneri utilizzino i modelli di frontiera più forti, ma ha posto limiti all’utilizzo. Ma i modelli aperti non hanno restrizioni. La maggior parte degli ingegneri ora utilizza la frontiera per pianificare e open-weight per eseguire, afferma il cto Malte Ubl. I dipendenti di Coinbase e i loro manager ricevono regolarmente un rapporto che spiega quanto hanno speso per i modelli. “Non ti stiamo impedendo di usarne molto, ma ti stiamo chiarendo che dovrai spiegare perché hai speso così tanti soldi la scorsa settimana per un modello,” afferma Rob Witoff, cto di Coinbase.

L’intelligenza artificiale è costosa a causa della sua stessa natura. L’architettura “del trasformatore”, che è alla base di ChatGPT, Claude e di tutti quei modelli aperti cinesi, è fondamentalmente “un atto di moltiplicazione”, spiega Ramin Hasani, ceo e cofondatore di Liquid AI. Più informazioni passano attraverso di esso, più diventa costoso.

Come addestrare i modelli

Ma cosa succederebbe se esistesse un modo più efficiente per addestrare i modelli? Hasani ha trascorso 11 anni come ricercatore, prima all’Università di Tecnologia di Vienna e poi al MIT, cercando di trovarlo. La sua risposta, sorprendentemente, risiedeva in un minuscolo nematode chiamato C. elegans, il cui cervello elabora le informazioni in modo simile a quello umano. Imparando dai segnali neurali del verme, Hasani scoprì un processo matematico che si basa sull’addizione anziché sulla moltiplicazione.

Utilizzando questa intuizione, la sua startup con sede a Boston, nata dal MIT nel 2023, sta costruendo “reti neurali liquide” che elaborano i dati in modo più efficiente e non necessitano di costosi chip archiviati nei data center. La startup vale 4,5 miliardi di dollari; Hasani ne possiede circa il 20%.

I modelli di Liquid AI sono sufficientemente piccoli da poter essere eseguiti direttamente su laptop e telefoni. Non c’è alcun costo per ospitarli. Mercedes-Benz, uno dei suoi clienti, prevede di utilizzare i modelli Liquid per l’assistente vocale all’interno delle auto nordamericane della casa automobilistica. “Le aziende stanno pensando: posso effettivamente avere un modello di qualità a livello ChatGPT che funziona direttamente all’interno della mia auto con un chip da 60 dollari?” afferma Hasani. Confrontatelo con i chip Nvidia che costano 50.000 dollari ciascuno.

Siamo ancora nelle prime fasi del lancio dell’intelligenza artificiale. Si prospetta un costoso periodo di tentativi ed errori. L’economia dell’intelligenza artificiale è destinata a cambiare mentre i grandi laboratori competono in feroci guerre dei prezzi. Ma una cosa è chiara: l’intelligence è diventata una spesa permanente nel bilancio e ogni cfo competente in America cercherà modi per gestirla.

L’articolo L’AI costa troppo: così le aziende americane stanno cercando il modo di spendere meno è tratto da Forbes Italia.