L’intelligenza artificiale generativa sta entrando in una nuova fase: dopo la corsa all’adozione, le aziende iniziano a confrontarsi con il suo impatto economico. Diversi casi recenti mostrano come i costi legati all’utilizzo intensivo dei modelli AI stiano diventando una voce sempre più significativa nei bilanci. Microsoft avrebbe ridotto l’uso interno di Claude Code a favore di GitHub Copilot per standardizzare gli strumenti e contenere la spesa. Uber, invece, avrebbe esaurito in pochi mesi il budget annuale destinato ai tool di coding basati su AI, introducendo successivamente limiti e controlli più rigorosi.
Anche Salesforce ha evidenziato il tema: il Ceo Marc Benioff ha indicato una spesa di circa 300 milioni di dollari in token Anthropic nel 2026, sottolineando l’importanza di indirizzare automaticamente le richieste verso modelli meno costosi quando possibile. Il fenomeno, definito da alcuni osservatori “AI sticker shock”, evidenzia una sfida cruciale per le imprese: non tanto adottare l’intelligenza artificiale, quanto governarne l’utilizzo, ottimizzare i consumi computazionali e dimostrare un ritorno economico concreto attraverso maggiore produttività, nuovi ricavi o riduzioni strutturali dei costi.
