I token costano il 41% in meno: come governare il mix dei modelli
I dati di spesa di Ramp mostrano che le aziende pagano l'AI molto meno di sei mesi fa, soprattutto perché scelgono modelli standard al posto di quelli di frontiera. Una guida per chi compra: quando serve il modello migliore e come organizzare la scelta
Luciano Cipriano
10/6/20266 min read
Ciao a tutti,
Ben arrivati su WikiLuc.
Quando un'azienda inizia a usare l'intelligenza artificiale, quasi sempre parte dal modello migliore disponibile e lo usa per tutto: riassunti, bozze, analisi, codice. È una scelta comprensibile nella fase di sperimentazione, perché riduce il rischio di giudicare la tecnologia sulla base di uno strumento inadeguato. Diventa costosa quando l'uso cresce e nessuno si chiede se ogni compito richieda davvero quel livello.
Il 9 settembre Ara Kharazian, capo economista di Ramp, la piattaforma americana di gestione delle spese aziendali, ha pubblicato l'AI Index di settembre. Il prezzo effettivo pagato dalle aziende per un milione di token è sceso da 1,15 dollari a marzo a 0,68 dollari, un calo del 41%. La parte più interessante per chi compra è il perché: oltre ai tagli di listino, le aziende stanno spostando volumi dai modelli di frontiera a quelli standard.
È un dato che conviene leggere come un'indicazione operativa. Il costo dell'AI in azienda dipende sempre meno dai listini e sempre più da come si governa la scelta dei modelli.
Di cosa parliamo oggi:
Cosa misura il prezzo effettivo per token di Ramp
Il mix che si sposta dai modelli di frontiera a quelli standard
Perché i token si comportano sempre più come una materia prima
Quando serve davvero il modello migliore
Come organizzare la scelta dei modelli in azienda
Partiamo dalla misura.
Il costo dell'AI dipende dal mix
Cosa misura l'indice di Ramp
Ramp osserva le transazioni reali delle aziende clienti verso i fornitori di AI, abbonamenti e consumo di token via API, e ne ricava un prezzo effettivo per milione di token: quanto paga in media un'azienda per ogni unità di lavoro del modello.
A differenza dei listini, questa misura incorpora tre effetti: i tagli di prezzo dei fornitori, gli sconti negoziati e il mix, cioè la proporzione tra modelli costosi ed economici. Un'azienda che sposta metà del traffico da un modello di frontiera a uno standard vede scendere il proprio prezzo effettivo anche se nessun listino è cambiato. Ramp non dettaglia come i diversi modelli pesano nel calcolo, un limite da tenere presente.
Il mix che si sposta
I numeri del rapporto descrivono un cambiamento rapido:
-41% — prezzo effettivo per milione di token, da 1,15 $ a marzo a 0,68 $ a settembre
53% → 45% — quota di token sui modelli di frontiera, da inizio agosto a settembre
-9,7% — spesa mensile per dipendente nel top 1% delle aziende, da 7.976 $ a 7.205 $
I modelli di frontiera, come Opus, Fable e Sol, sono passati dal 53% al 45% dei token consumati in poche settimane. La crescita dei volumi arriva da modelli standard come GPT-5.6 Terra e Claude Sonnet. Secondo il rapporto, alcune organizzazioni hanno introdotto modelli predefiniti a livello aziendale: uno standard come opzione di base, quelli di frontiera solo su richiesta.
I token come materia prima
Kharazian ha descritto la tendenza così: i token iniziano a essere prezzati come una materia prima, intercambiabili come il sale o il grano. Il confronto regge per tre ragioni.
La prima è la concorrenza sui listini. Secondo Fortune, il prezzo effettivo pagato a OpenAI è sceso del 38% dal 1° agosto, a 0,48 dollari per milione di token, quello pagato ad Anthropic del 22%, a 0,90 dollari, e alcuni modelli economici hanno visto tagli fino all'80% dal lancio.
La seconda è la sostituibilità. Per molti compiti quotidiani, modelli di fornitori diversi danno risultati simili, e passare dall'uno all'altro richiede poco lavoro, soprattutto se l'applicazione è costruita con un livello di astrazione tra codice e fornitore.
La terza è la disponibilità di strumenti di instradamento. Servizi come l'Auto Router presentato da Cloudflare a fine settembre scelgono automaticamente il modello per ogni richiesta in base a qualità e costo, trasformando la scelta del fornitore in una decisione presa richiesta per richiesta.
Una precisazione: la commoditizzazione riguarda i compiti standard. Sui compiti complessi, i modelli di frontiera mantengono differenze reali, ed è lì che il prezzo più alto si giustifica.
Quando serve davvero il modello migliore
La domanda pratica, per chi compra, è quali compiti richiedano il modello di frontiera. Una distinzione utile divide il lavoro in tre fasce.
Compiti standard, adatti ai modelli economici.
Sintesi di documenti, classificazione di richieste, estrazione di dati da testi strutturati, bozze di comunicazioni, traduzioni. Sono compiti con una risposta corretta riconoscibile e con un costo d'errore basso, dove un modello standard dà risultati quasi equivalenti a una frazione del prezzo.Compiti intermedi, da valutare caso per caso.
Analisi di documenti lunghi, scrittura di codice ordinario, assistenza clienti su casi frequenti. Qui conviene testare entrambe le opzioni sui propri casi reali prima di decidere.Compiti complessi, dove la frontiera conta.
Ragionamento su più passaggi, codice critico o architetturale, analisi con conseguenze legali o finanziarie, agenti che lavorano a lungo in autonomia. Un errore costa più della differenza di prezzo, e la capacità aggiuntiva si traduce in valore.
Un esempio illustrativo: un'azienda consuma 100 milioni di token al mese, tutti su un modello di frontiera a 10 dollari per milione di token medio tra input e output. Se sposta il 70% del volume su un modello standard a 1,5 dollari, la spesa mensile scende da 1.000 a 405 dollari, circa il 60% in meno. La proporzione vale a qualsiasi scala.
Alcuni punti di attenzione
Il primo riguarda il campione. Ramp osserva aziende americane che usano la sua piattaforma, con prevalenza di imprese medie e tecnologiche. Le grandi imprese europee comprano spesso tramite contratti cloud non visibili in quei dati.
Il secondo riguarda la differenza tra prezzo e spesa. Un prezzo per token più basso non significa una spesa più bassa se i volumi crescono più in fretta. Gli agenti consumano molti più token di un utente umano, circa cinque volte secondo a16z, e un'adozione estesa di agenti può assorbire rapidamente il risparmio.
Il terzo riguarda i modelli aperti. Solo il 3,6% delle aziende sulla piattaforma usa modelli open source: in questo campione il calo dei prezzi viene dalla competizione tra fornitori chiusi, non dalla concorrenza dei modelli aperti, che restano un'ulteriore leva di costo ancora poco sfruttata.
Su cosa focalizzarsi
Quale quota del consumo passa per modelli di frontiera, e per quali compiti. Spesso nessuno l'ha mai misurata, ed è la leva di costo più grande.
Chi decide quale modello usare per ciascun processo. Un modello predefinito aziendale, con eccezioni motivate, trasforma scelte individuali in una politica governabile.
Come si verifica che il modello standard sia sufficiente. Un insieme di casi reali con la risposta attesa permette di decidere con dati invece che per abitudine.
Sono domande che oggi si pongono soprattutto i team che gestiscono la spesa cloud. Nei prossimi due o tre anni, con prezzi sempre più vicini a quelli di una materia prima e un'offerta di modelli molto ampia, la gestione del mix diventerà una competenza ordinaria del procurement tecnologico, come lo è diventata la gestione della spesa cloud nell'ultimo decennio.
Notizie da tenere d'occhio
Anthropic supera OpenAI per diffusione tra le aziende americane
Secondo lo stesso indice di Ramp, il 43,8% delle aziende americane paga abbonamenti o token ad Anthropic, contro il 39,8% di OpenAI.
Perché importa: diffusione e prezzo per token si muovono in direzioni diverse, e conviene guardarle insieme quando si sceglie un fornitore.
Claude Opus 5.5 al 40% in meno
Il 22 settembre Anthropic ha rilasciato Opus 5.5 con un costo inferiore del 40% rispetto a Opus 5 su carichi tipici, a parità di prestazioni con Fable 5.1.
Perché importa: anche i modelli di frontiera si adeguano alla pressione sui prezzi, e la fascia dei compiti complessi diventa più accessibile.
Cloudflare Auto Router
Nella sua AI Week di fine settembre, Cloudflare ha presentato un sistema che instrada automaticamente le richieste tra modelli diversi in base a qualità e costo.
Perché importa: la scelta del modello per singola richiesta diventa un servizio infrastrutturale, utile a chi non vuole costruirla in casa.
Una cosa da leggere
🔧 Ramp AI Index
Il cruscotto mensile di Ramp su adozione e spesa per l'AI nelle aziende americane, con il commento di Ara Kharazian. Lo consiglio perché è una delle poche fonti basate su transazioni reali e non su sondaggi, utile come riferimento quando si negoziano contratti o si rivede il budget.
Il calo del 41% nel prezzo effettivo dei token dice soprattutto una cosa a chi compra: il costo dell'AI si governa con la scelta dei modelli più che con la negoziazione dei listini. Riservare i modelli di frontiera ai compiti in cui la loro capacità produce valore, e misurare sui propri casi quando un modello standard basta, è oggi la leva più concreta per far crescere l'uso dell'AI senza far crescere la spesa nella stessa proporzione.
Grazie per aver letto questo articolo fammi sapere cosa ne pensi!
Ci vediamo presto qui su WikiLuc!
