Per due anni la regola implicita è stata una sola: usare più intelligenza artificiale possibile. Più strumenti, più automazioni, più “proviamo anche questo”. Nel 2026 quella stagione è finita — non perché l’AI abbia deluso, ma perché è arrivata la fattura. E le aziende che per prime avevano spinto sull’acceleratore sono le stesse che oggi stanno frenando.
Il 26 giugno CNBC ha fotografato il cambio di clima: la fine di quello che in gergo viene chiamato tokenmaxxing, cioè l’idea che consumare tanta AI fosse di per sé un segno di progresso. Al suo posto è arrivata una domanda molto più semplice e molto più scomoda: questo strumento produce un risultato che vale più di quanto costa? Per una PMI italiana è la domanda giusta da rubare alle grandi aziende — perché la risposta, spesso, permette di tagliare la spesa senza tagliare la qualità.
Cosa è successo nelle grandi aziende
I casi raccontati dalle testate di settore sono istruttivi proprio perché vengono da chi l’AI la usa tanto. Secondo CNBC, Uber aveva dato a circa 5.000 sviluppatori l’accesso a uno strumento di AI per programmare: l’adozione ha superato l’80% in pochi mesi, e il reparto finanziario si è accorto di aver bruciato il budget AI annuale in circa quattro mesi. Sempre CNBC riporta il caso della startup Lindy, che ha spostato tutto il suo traffico su un modello aperto più economico.
Non è solo questione di startup. Come riferisce The AI Insider, perfino una grande società di consulenza come Accenture ha iniziato a limitare l’uso dell’AI per compiti di routine — per esempio convertire PDF in slide — quando il costo non era giustificato dal risultato.
Il filo comune non è “l’AI costa troppo”. È: si stava pagando il modello più potente anche per compiti banali, e nessuno misurava se conveniva.
È la riduzione che i team di produzione riportano applicando in modo sistematico poche regole sull'uso dei modelli. Il punto non è usare meno AI, ma smettere di pagare il modello premium per compiti che ne reggono uno economico.
Fonte: Digital Applied, team di produzione citati — giugno 2026
La metrica che cambia tutto
Il primo errore è misurare la spesa AI come fa il fornitore: a consumo, “a token”. È la metrica sbagliata, perché un modello economico che però sbaglia spesso e va rifatto può costare più di uno costoso che azzecca al primo colpo.
La metrica giusta è una sola: costo per task riuscito. Non quanto spendi per generare mille parole, ma quanto ti costa una pratica evasa, una mail di risposta valida, una scheda prodotto pubblicabile — conteggiando anche i tentativi a vuoto. È l’unico numero che dice se l’AI, su quel compito, sta lavorando per te o contro il tuo conto economico.
Il fornitore ti fa vedere il costo a consumo. A te serve il costo per cosa fatta: una pratica chiusa, una risposta valida, un contenuto pubblicabile. È lì che si nascondono i tagli facili.
Le quattro leve (e quanto fanno risparmiare)
Chi ha tagliato sul serio non ha fatto magie: ha applicato quattro leve, che secondo l’analisi di Digital Applied valgono, da sole, riduzioni molto consistenti.
- Modello giusto per il compito giusto. Classificare, estrarre dati, riassumere: sono compiti che reggono benissimo un modello economico, fino a 25 volte più conveniente per chiamata rispetto al modello di punta. Tenere il “top di gamma” solo dove serve davvero è la mossa che pesa di più, e si fa con la sola configurazione.
- Far salire di livello solo quando serve. Invece di mandare tutto al modello costoso, si parte da quello economico e si “promuove” al premium solo il lavoro che fallisce. Le fonti parlano di riduzioni del 40-85% mantenendo la quasi totalità della qualità.
- Riusare ciò che si ripete. Istruzioni fisse, linee guida, listini: se vengono ripetute a ogni richiesta, molti strumenti permettono di “metterle in cache” con sconti fino al 90% sulla parte ripetuta.
- Accodare ciò che non è urgente. Arricchimenti di dati, contenuti in blocco, elaborazioni notturne: se non servono nell’istante, passarli in modalità “a lotti” vale tipicamente uno sconto del 50%.
Una PMI non deve necessariamente implementarle a mano. Ma deve sapere che esistono — perché sono esattamente le domande da fare a chi le sviluppa o le gestisce l’AI.
Cosa fare lunedì mattina
Il metodo cambia a seconda di come usi l’AI, ma in entrambi i casi si parte oggi.
Se l’AI la usi direttamente (abbonamenti tipo ChatGPT, Copilot e simili):
- Apri la dashboard dei consumi e guarda dove va la spesa. Quasi sempre poche persone e pochi compiti fanno la maggior parte del conto.
- Sposta i compiti banali e ripetitivi sul piano o sul modello più economico: per classificare, riassumere o estrarre dati raramente serve il modello più potente.
- Taglia i tool che non sai dimostrare. Se uno strumento è attivo da mesi e non riesci a dire cosa ti ha fatto risparmiare, è un candidato al taglio — non un investimento.
Se l’AI te la sviluppa qualcun altro (agenzia, sviluppatore, fornitore di un gestionale “con AI”): chiedi che ti mostrino il costo per task riuscito, non la spesa a token, e domanda esplicitamente se applicano le quattro leve qui sopra. Sono le stesse che usano le aziende che hanno tagliato il 60-80%.
In breve
Il segnale del 2026 non è “l’AI è troppo cara”. È che la fase del ‘più AI a qualunque costo’ è finita, e al suo posto serve disciplina: misurare il costo per risultato, usare il modello economico dove basta, tenere il premium dove conta, e tagliare ciò che non rende. Le grandi aziende lo stanno facendo per forza, dopo bollette a sorpresa. Una PMI può farlo per scelta, prima di riceverle — e arrivare allo stesso traguardo, pagando l’AI solo per quello che le rende davvero.