L’intelligenza artificiale che usate oggi costa poco. Non è detto che duri

Gli abbonamenti AI hanno prezzi che diversi analisti considerano inferiori ai costi di erogazione. Quando si muoveranno, chi ha già mappato la propria spesa e i propri dati riservati avrà un vantaggio. Cosa conviene capire adesso, senza comprare niente.

In molte aziende italiane l’intelligenza artificiale è entrata dalla porta di servizio: un abbonamento da venti o trenta euro al mese per utente, attivato da qualcuno in ufficio marketing o in amministrazione, che nel giro di pochi mesi è diventato uno strumento di lavoro quotidiano. La voce di spesa è talmente piccola che nessuno la discute in consiglio.

È una situazione comoda e, per ora, sensata. Il punto è che poggia su un equilibrio che diversi osservatori considerano temporaneo. Non serve fare niente oggi. Serve sapere cosa succede quando quell’equilibrio si sposta, perché il momento per attrezzarsi non è quando arriva il nuovo listino.

Perché si parla di prezzi sussidiati

Da mesi circola nel settore l’idea che i fornitori di AI vendano gli abbonamenti sotto il costo di erogazione, per conquistare quote di mercato in una fase di corsa. La tesi è arrivata anche sulla stampa generalista: un articolo di Forbes riportava che un piano professionale da 200 dollari al mese può consumare intorno ai 5.000 dollari di potenza di calcolo, sulla base di analisi viste da una persona vicina ai dati di Anthropic.

Qui però conviene rallentare, perché il numero è stato contestato pubblicamente. Lo sviluppatore Martin Alderson ha smontato la stima sostenendo che confonde il prezzo di listino delle API, cioè quello che il fornitore fa pagare a chi compra a consumo, con il costo effettivo dell’inferenza, che è tutt’altra cosa. Anthropic dal canto suo ha dichiarato che il 90% degli utenti del suo strumento per sviluppatori resta sotto i 30 dollari per giornata di utilizzo effettivo (dato citato da CloudZero).

Quindi: che i prezzi al pubblico siano oggi più bassi di quanto sarebbero in un mercato maturo è opinione condivisa da diversi analisti. Di quanto, nessuno lo sa con precisione, e chiunque vi dica una cifra tonda vi sta vendendo qualcosa. Per un imprenditore la conclusione utile non cambia: la vostra spesa AI di oggi non è un dato strutturale, è una fotografia di un mercato in perdita.

Cosa sono i modelli a pesi aperti

Accanto ai servizi in abbonamento è cresciuta una seconda famiglia di strumenti, i modelli cosiddetti open-weight, cioè a pesi aperti. In pratica sono modelli che il produttore rende scaricabili: invece di collegarvi al servizio di qualcun altro, il modello lo tenete voi, su un vostro computer o su un server che affittate.

Le famiglie più citate arrivano oggi in buona parte dalla Cina: Qwen di Alibaba, GLM di Zhipu AI, DeepSeek. Evito di scrivere i numeri di versione, perché cambiano ogni poche settimane e renderebbero questo articolo vecchio entro un mese.

Due cautele, prima che l’entusiasmo faccia il suo mestiere. La prima: non sono equivalenti ai modelli commerciali di punta. Sui confronti pubblici tra benchmark (llm-stats.com) il quadro è mosso, con i modelli chiusi avanti su alcune prove e quelli aperti avanti su altre. Dipende dal compito. La seconda: aperto non vuol dire gratuito. Vuol dire che dopo aver comprato la macchina pagate solo l’elettricità, più il tempo di chi lo configura e lo tiene aggiornato.

Quello che conta, come segnale, è la distanza di prezzo tra le due strade quando si compra a consumo. Sui listini pubblici di riferimento un modello aperto ospitato da un fornitore terzo costa oggi circa un settimo di un modello commerciale di fascia alta, su un mix tipico di testo in ingresso e in uscita. Non è un ventesimo, come si legge in giro, ed è un rapporto che si muove. Ma dice che un’alternativa esiste e ha un ordine di grandezza diverso.

Quando il locale conviene, e quando no

Se la domanda è "mi conviene portarmi l’AI in casa per risparmiare", per la maggior parte delle piccole imprese italiane oggi la risposta è no, e vale la pena dirlo con chiarezza.

Un’analisi a dodici mesi pubblicata da PromptCost.org colloca il punto di pareggio tra modello ospitato in azienda e servizi cloud intorno a volumi di elaborazione molto alti, che una realtà di dieci persone non genera nemmeno lontanamente. La stessa fonte è esplicita: i modelli locali non sono intrinsecamente più economici, e i risparmi sul costo unitario, che pure sono reali, nascondono hardware, elettricità, lavoro operativo e fermi macchina.

Tradotto: comprare una macchina e configurarla per risparmiare qualche centinaio di euro l’anno di abbonamenti è un cattivo affare. Se qualcuno ve lo propone in questi termini, il conto non torna.

La ragione vera arriva dai dati, non dal prezzo

C’è però una seconda strada che porta allo stesso posto, e per molte aziende è quella che conta davvero.

Ogni volta che una persona incolla un documento dentro un servizio AI, quel documento esce dall’azienda. Per un preventivo o un post sui social non è un problema. Per una cartella clinica, per il fascicolo di un cliente in uno studio professionale, per il disegno tecnico di un componente non ancora depositato, per i dati coperti da una clausola di riservatezza imposta da un committente, il problema c’è ed è già oggi.

Qui il modello che gira dentro il perimetro aziendale non è un’alternativa economica: è l’unica configurazione che permette di usare lo strumento senza spostare il dato. Ed è la ragione per cui, nei prossimi anni, il tema arriverà sul tavolo anche di chi oggi non lo considera.

Due precisazioni necessarie. La prima: locale non significa automaticamente sicuro. Toglie il rischio del trasferimento a terzi, non quello di una macchina configurata male o di un accesso interno senza controlli. La seconda, meno ovvia: modello scaricato e servizio del produttore sono due cose diverse. Usare Qwen dal sito di Alibaba manda i vostri dati sui server di Alibaba, esattamente come qualsiasi altro servizio online. Scaricare lo stesso modello e farlo girare su una macchina vostra è un’altra operazione. La stessa parola indica due situazioni opposte dal punto di vista del perimetro dei dati.

Cosa serve, in ordine di grandezza

I modelli di punta richiedono infrastrutture da decine di migliaia di euro, fuori portata e fuori scopo per una PMI. Ma non è lì che si gioca la partita.

Esistono modelli intermedi progettati per attivare solo una parte dei loro parametri a ogni richiesta, e questo li rende eseguibili su macchine ordinarie. Un test pubblicato su Towards AI documenta un modello da 35 miliardi di parametri complessivi, di cui 3 attivi, in funzione su un Mac Mini con 16 GB di memoria, con risultati rispettabili su una prova standard di programmazione. Non è un supercomputer: è un computer da ufficio di fascia alta.

Ai costi della macchina vanno sommati l’elettricità, un fornitore che configuri e aggiorni, e il tempo interno per capire cosa funziona sul vostro caso specifico. Senza una persona dentro l’azienda che segua il tema, anche part time, e senza un fornitore, il progetto si ferma alla prova dimostrativa.

Le due cose da fare adesso, che costano zero

Secondo l’indagine Istat su imprese e ICT, la quota di imprese con almeno 10 addetti che usa tecnologie AI è passata dall’8,2% del 2024 al 16,4% del 2025 (dati riportati da key4biz). Raddoppia, ma resta oltre l’83% che non ha adottato ancora nulla. L’Osservatorio Innovazione Digitale nelle PMI del Politecnico di Milano, nella ricerca 2025-2026, indica che il 76% delle PMI italiane non ha investito né prevede di investire in AI, e che solo il 7% ha avviato programmi strutturati di formazione.

In questo quadro, prepararsi non vuol dire comprare. Vuol dire due cose concrete.

La prima: mappare quali dati aziendali non dovrebbero passare da servizi esterni. Non serve un consulente, serve un’ora con chi conosce i processi. È un elenco che vi torna utile comunque, anche se di AI locale non parlerete mai più.

La seconda: misurare quanto spendete oggi in strumenti AI, tutti, compresi quelli attivati dai singoli reparti senza passare dall’amministrazione. Serve ad avere un termine di paragone il giorno in cui i listini si muoveranno, e a scoprire quasi sempre che la cifra è più alta di quella che avevate in testa.

Quando il mercato si assesterà, la differenza non la farà chi aveva comprato l’hardware giusto in anticipo. La farà chi sapeva già cosa stava spendendo e quali dati non poteva spostare.

Mattia Zanin, Founder di Gigamind