La potenza cresce. Il conto dipende da come la usi
Negli ultimi mesi sono arrivati modelli che ragionano meglio, finestre di contesto fino a un milione di token e agenti che lavorano da soli su compiti lunghi. Il prezzo per token non sale più automaticamente con la potenza: alcune nuove generazioni sono uscite persino a tariffe più basse delle precedenti, mentre i modelli di punta sono saliti in una fascia di prezzo separata. Il costo per compito può comunque crescere, perché un modello che «pensa» più a lungo, legge più contesto e fa più passaggi consuma più token per lo stesso risultato.
Per un'azienda la domanda utile non è «qual è il modello più potente?», ma «che qualità ci serve qui e quanto vale pagarla?». Una buona risposta a un'email di supporto, l'estrazione da una fattura e un piano di architettura non hanno gli stessi requisiti. La disciplina sui costi inizia da questa separazione.
Parti dallo sforzo medio; alzalo solo quando serve
La maggior parte delle piattaforme ora consente di scegliere il livello di sforzo per lo stesso modello, da basso fino a molto alto o massimo. Meno sforzo significa risposte più rapide ed economiche; più sforzo può migliorare la qualità sui problemi difficili, ma può moltiplicare i token consumati. In pratica, prova su un insieme di esempi reali e alza lo sforzo solo quando il risultato fallisce chiaramente (omissioni, errori logici, piani incompleti), annotando per quale tipo di compito è stato necessario.
Vale la pena sapere che un modello di nuova generazione, usato con uno sforzo minore, spesso eguaglia la generazione precedente con sforzo elevato. Evita quindi entrambi gli estremi: eseguire tutto al massimo «per sicurezza» o restare su impostazioni minime che costringono il team a correggere. Un breve registro con tipo di compito, livello usato e necessità di un secondo tentativo ti aiuta a definire una policy interna, non solo una preferenza del momento.
Nei flussi multi-agente, metti la potenza dove conta
Quando un flusso usa un orchestratore e più subagent, il costo totale dipende da quante chiamate fa ogni ruolo e quanto costa il modello dietro. Una regola pratica: riserva i modelli più capaci ai passaggi in cui l'errore costa caro — analisi, progettazione, verifica — e usa modelli più economici per routing, sintesi brevi o formattazione, se la qualità resta accettabile.
Nelle configurazioni con agenti, verifica chi consuma di più: a volte un orchestratore su un modello costoso fa salire il conto anche se il lavoro pesante è già delegato. Scegli la potenza in base al ruolo, non all'abitudine, ma non frammentare il flusso senza motivo: la cache dei prompt è legata al modello usato, quindi un flusso che cambia spesso modello perde parte degli sconti. Prima di una cascata con più modelli, confronta l'opzione semplice: un solo modello capace, usato con sforzo ridotto.
Modelli capaci, con un buon rapporto qualità–prezzo
Non ogni compito richiede il «top di gamma». Per classificazione, estrazione strutturata, riformulazione o una prima bozza su dati chiari, un modello rapido e più accessibile può bastare, ad esempio delle classi Gemini Flash o Claude Haiku. E i modelli di fascia media delle generazioni recenti coprono spesso lavori per cui, fino a poco tempo fa, avresti scelto il modello di punta. La condizione resta la stessa: provali sui tuoi dati, non solo su demo pubbliche.
Costruisci una scala interna: modello economico per volume e passaggi prevedibili; modello intermedio per la maggior parte del lavoro di progetto; modello di fascia alta per i casi difficili o la verifica finale. Cambia gradino dopo un fallimento misurato, non dopo l'impressione di una sola conversazione.
Usa gli sconti già disponibili: cache ed elaborazione in batch
Due meccanismi riducono il conto senza ridurre la qualità. Il primo è la cache dei prompt: quando invii ripetutamente lo stesso inizio (istruzioni di sistema, documentazione, catalogo prodotti), la parte già elaborata può essere riutilizzata e i token letti dalla cache costano una frazione del prezzo normale (circa il 10% con Anthropic). La condizione è che la parte stabile stia all'inizio e non cambi tra una chiamata e l'altra: una data o un ID univoco inseriti nelle istruzioni annullano il risparmio.
Il secondo è l'elaborazione in batch. I compiti che nessuno aspetta sul momento — classificare un catalogo, riepiloghi notturni, estrazioni da un archivio — possono essere inviati in modo asincrono a circa metà prezzo presso i principali fornitori. Separa i flussi interattivi da quelli che possono attendere qualche ora e vedrai la differenza direttamente in fattura.
Invia meno contesto, ma quello giusto
Parte del costo arriva dai volumi di testo inviati a ogni chiamata: cronologia lunga, file interi o documentazione irrilevante. Prima di un passaggio costoso, limita il contesto alle fonti necessarie a quel compito. Un buon indice, una ricerca mirata o un elenco breve di file rilevanti di solito costa meno di «prendi tutto il repository». Le finestre di contesto da un milione di token sono utili, ma non sono un invito a riempirle: paghi ogni token inviato, a ogni chiamata.
Allo stesso modo, separa i passaggi che possono essere regole senza modello — validazioni, calcoli su griglie, notifiche — da quelli che davvero richiedono interpretazione. Meno chiamate AI su flussi prevedibili significa fattura più bassa e più controllo.
Misura il costo per risultato accettato, non per chiamata
Una chiamata economica che produce una bozza sbagliata e tre round di correzione può costare più di una chiamata più cara che supera la verifica al primo tentativo. In un pilot, monitora: costo dei servizi, tempo di review umano e tasso di accettazione. Queste tre cifre dicono più del prezzo per milione di token in una tabella di marketing.
Definisci subito cosa significa «fatto»: campi obbligatori completi, senza inventare dati, rispetto delle regole aziendali. Senza questo criterio ottimizzi la velocità, non il valore. Un quadro concreto per la baseline e il calcolo del ROI è nella guida sulla misurazione di un pilot AI.
Quando cambi modello, rifai le misurazioni: le nuove generazioni possono usare un tokenizer diverso e lo stesso testo può corrispondere a più token, quindi a un conto diverso allo stesso prezzo di listino. Per gli agenti, imposta limiti di budget per compito o per sessione dove la piattaforma lo consente, così un flusso bloccato non consuma senza controllo.
Come applichiamo la disciplina sui costi in un progetto
In una discussione di progetto sono utili: i tipi di compiti da automatizzare, i volumi stimati al mese e un esempio di risultato che il team considera corretto. Da lì possiamo proporre un'architettura per ruoli — cosa gira su regole, cosa su un modello economico o in batch, cosa su uno più capace — con verifica umana dove l'errore ha impatto commerciale o legale.
L'obiettivo non è usare sempre il modello più nuovo, ma consegnare un processo sostenibile: prevedibile nello sforzo, trasparente nei costi e abbastanza buono per il lavoro quotidiano. La potenza dell'AI vale; lo spreco no.