OpenAI ha appena pubblicato una ricerca che mostra come i suoi dipendenti stiano abbandonando in massa ChatGPT per passare a Codex, l’agente AI capace di eseguire compiti complessi in autonomia. Il 97,9% dei dipendenti interni oggi usa Codex, rispetto al 40% circa di agosto 2025. Il dato, pubblicato su arXiv e ripreso dal Register, racconta un cambio di paradigma che va ben oltre la produttività.
Il passaggio dal chatbot all’agente ridefinisce il rapporto economico tra aziende e intelligenza artificiale. Un chatbot risponde quando lo interroghi. Un agente pianifica, chiama strumenti esterni, mantiene contesto, riprova se fallisce. Ogni azione consuma token. Il risultato è che le aziende hanno comprato AI con un budget da abbonamento SaaS e si stanno ritrovando con costi variabili da infrastruttura cloud.
I numeri del paper firmato dal team di OpenAI sono impressionanti. L’uso di Codex al di fuori del reparto sviluppatori è cresciuto di 137 volte tra gli individui e di 189 volte nelle organizzazioni esterne. Dentro OpenAI, l’uso non tecnico è salito di 12 volte. Il team legale interno ha generato 13 volte più token a giugno 2026 rispetto a novembre 2025. Le richieste per compiti di oltre otto ore sono aumentate di 10 volte dall’inizio dell’anno.
Il chatbot aspetta la domanda. L’agente lavora anche quando non guardi.
Da chat a task complessi: cosa cambia nel lavoro quotidiano
La differenza tra un chatbot e un agente si misura in strumenti. Il 60,3% dei turni di conversazione con Codex invoca almeno un tool esterno, contro il 21,9% dei turni con ChatGPT. L’agente non si limita a generare testo: cerca file, consulta database, esegue codice, interroga API. Lavora su più livelli contemporaneamente, accumulando contesto a ogni passaggio.
Questo spiega la crescita dei consumi. Un chatbot consuma token per generare una risposta. Un agente consuma token per ogni passaggio del ragionamento, per ogni chiamata a strumento, per ogni verifica, per ogni eventuale correzione. Il moltiplicatore è strutturale, non accidentale. Secondo un’analisi di EY, il costo per interazione agentica è di circa 1,20 dollari, con un aumento di 30 volte rispetto a una chat semplice.
Il problema è che questo costo si presenta come variabile, non come canone. Le aziende sono abituate a pagare l’AI con abbonamenti mensili a prezzo fisso. Gli agenti funzionano a consumo, e il consumo dipende da quante volte l’agente viene attivato, da quanto è complesso il compito e da quanti strumenti deve chiamare per completarlo.
Codex dentro OpenAI: il 97,9% dei dipendenti lo usa
OpenAI presenta i propri dipendenti come caso di studio. Il paper documenta un’adozione quasi totale: 97,9% della forza lavoro interna ha adottato Codex, partendo da circa il 40% di agosto 2025. La crescita degli utenti attivi è stata di 5 volte nella prima metà del 2026. I reparti non tecnici registrano l’accelerazione più forte, con il team legale che ha moltiplicato il consumo di token per 13 in sette mesi.
Il Register solleva però un dubbio legittimo: i dipendenti OpenAI sono davvero rappresentativi? L’azienda potrebbe avere politiche interne di incentivazione all’uso, allocation di token gratuite, persino classifiche interne che spingono l’adozione. Fuori da OpenAI il quadro è molto diverso: il 17,3% delle organizzazioni esterne usa agenti, mentre tra gli utenti individuali l’adozione è ferma allo 0,7%. Il divario tra caso interno e realtà di mercato è enorme.
Dentro OpenAI quasi tutti usano Codex. Fuori, solo un’azienda su sei.
Il consumo di token esplode con gli agenti autonomi
Il passaggio da chatbot ad agente moltiplica il consumo di token in modo non lineare. Ogni prompt, ogni messaggio di sistema, ogni output di contesto, ogni chiamata a strumento ha un costo in token. Il modello di pricing diventato un problema strutturale: gli agenti autonomi possono consumare fino a mille volte più token dell’AI standard.
Portal26, azienda specializzata nel controllo dei costi AI, ha analizzato il fenomeno: ogni interazione agentica è un piccolo costo che si accumula. Il pricing non segue una logica lineare, perché ogni passaggio aggiuntivo nel ragionamento dell’agente moltiplica il consumo. Un compito che sembrava gratuito nell’abbonamento mensile ora ha un prezzo misurabile.
La questione diventa critica quando si scala. Un’azienda con centinaia di dipendenti che usano agenti per compiti quotidiani rischia di trovarsi con bollette paragonabili a quelle del cloud computing. Senza strumenti di FinOps maturi, il consumo di token è una variabile fuori controllo.
Dal canone fisso al pay-as-you-go: il modello cambia
Il 15 giugno 2026 Anthropic ha completato il passaggio dal canone fisso al pagamento a consumo. OpenAI ha seguito la stessa traiettoria, con prezzi che vanno da 2.000 dollari al mese per un agente da “knowledge worker” a 20.000 dollari al mese per un agente “PhD-level researcher”. Il messaggio è chiaro: l’AI è diventata un servizio a consumo, non più un abbonamento.
Il confronto con il cloud è inevitabile. Nel 2010 le aziende scoprirono che il modello “pay as you grow” nel cloud significava anche pagare quando dimenticavi di spegnere le istanze. Nel 2026 si ripete con gli agenti AI: promessa di produttività, consegna di costi imprevedibili. La differenza cruciale è che un agente non lo spegni quando non lavora. Design diventare per lavorare sempre.
Le aziende stanno iniziando a mettere tetti di spesa all’AI, con budget, soglie e alert automatici per fermare il consumo massivo. Databricks, per esempio, ha già implementato soglie globali e per utente con notifiche automatiche. Il consumo di token ha dinamiche da cloud, non da SaaS, e i CFO se ne stanno accorgendo.
L’AI era un abbonamento. Ora è una bolletta a consumo.
Non solo sviluppatori: anche Legal e HR passano agli agenti
Il dato più sorprendente del paper OpenAI riguarda i reparti non tecnici. L’uso di Codex fuori dallo sviluppo software è cresciuto di 189 volte nelle organizzazioni e di 137 volte tra gli individui. Il team legale interno di OpenAI ha generato 13 volte più token a giugno 2026 rispetto a novembre 2025. I reparti HR, marketing e amministrazione stanno adottando gli agenti a una velocità superiore a quella degli sviluppatori.
C’è però un problema di produttività reale. Il team legale di OpenAI ha moltiplicato il consumo di token per 13, ma nello stesso periodo le cause legali sono aumentate dell’11%. Più output non significa automaticamente più valore. Il costo cresce più rapidamente dei risultati misurabili, e questo è un campanello d’allarme per chiunque stia pianificando l’adozione di agenti su scala aziendale.
OpenAI ha anche aggiornato Codex con strumenti pensati per i knowledge worker e i flussi aziendali, allargando il bacino di utenti potenziali ben oltre la comunità degli sviluppatori. La direzione è tracciata: gli agenti diventano strumenti da ufficio universali, non solo tool da programmatore.
Quanto costa davvero un agente rispetto a una chat
L’analisi di EY fissa a 1,20 dollari il costo per interazione agentica, con un moltiplicatore di 30 volte rispetto a una chat semplice. Il motivo è che l’agente non genera solo testo: chiama Code Interpreter (0,03 dollari a sessione), usa File Search (0,10 dollari per GB al giorno), mantiene memoria del contesto, esegue più passaggi di ragionamento. Ogni componente aggiunge token al contatore.
Il prezzo finale dipende dalla complessità del compito. Un agente che risponde a una domanda semplice costa poco più di una chat. Un agente che analizza documenti, confronta dati, scrive report e verifica fonti può costare decine di dollari per singola sessione. Il range è ampio e imprevedibile, esattamente come una bolletta cloud.
Il paradosso è che il valore percepito dall’utente non scala con il costo. Un dipendente che usa un agente per riassumere una riunione ottiene un beneficio reale ma modesto. Il costo in token, però, può essere elevato se l’agente attiva più strumenti in parallelo. Senza una metrica di costo per outcome, il rischio è di pagare di più per ottenere lo stesso.
La governance mancante: il rischio nascosto degli agenti AI
Secondo Forrester, il 75% delle aziende ha già provato agenti AI. Ma l’85% delle aziende con progetti pilota attivi non ha una governance adeguata. Il pilot costa poco, la produzione costa tantissimo, e quasi nessuno è pronto per il passaggio di scala.
Il problema non è solo economico. Un agente senza governance è un rischio operativo prima ancora che un asset di produttività. Servono identità digitali per ogni agente, permessi granulari, audit trail, rate limit, budget cap per utente e soglie automatiche di spesa. Senza questi controlli, l’agente autonomo è una carta di credito senza massimale.
Tre aziende su quattro hanno provato agenti. Quasi nessuna li sa governare.
Gli strumenti di FinOps per l’AI sono ancora immaturi. Le aziende hanno impiegato anni a costruire la disciplina del controllo dei costi cloud. Ora devono ripetere l’esercizio per il consumo di token, con una variabile in più: l’agente decide da solo quando e quanto consumare. È un problema di governance prima che di budget, e la maggior parte delle organizzazioni non ha ancora iniziato ad affrontarlo.
OpenAI mostra che i suoi dipendenti preferiscono gli agenti ai chatbot. Il paper non dice quanto questo costi all’azienda. Per chi compra, la seconda domanda conta più della prima.
Dagli agenti AI personalizzati alla formazione.
C’è molto che possiamo fare insieme.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
Sara Romano
Source link
