L’AI in azienda non può essere un eterno test, ora servono numeri veri

Governare l’intelligenza artificiale come una voce del conto economico è la sfida concreta che le aziende affrontano nel 2026. La parola d’ordine è “tokenomics”: il nuovo vocabolario con cui le funzioni finance tentano di mettere ordine in una spesa AI che ha smesso di essere sperimentale e ha iniziato a erodere i margini.

La logica è semplice. Ogni interazione con un modello di linguaggio (ogni query, ogni elaborazione, ogni risposta dell’agente) consuma un certo numero di token, l’unità di misura del lavoro computazionale. Fino a poco fa quel costo era quasi invisibile: inglobato in abbonamenti a canone fisso, offerte promozionali, budget “sperimentali” che il management autorizzava perché difficili da misurare. Adesso la bolletta è arrivata, e i numeri hanno convinto anche i più scettici.

Uber ha bruciato l’intero budget AI per il 2026 in quattro mesi, dopo aver dato accesso a Claude Code a cinquemila ingegneri a dicembre 2025. Il pattern si ripete in tutta l’industria: le organizzazioni che hanno adottato tool AI in modo orizzontale, senza parametri di governance, si trovano ad aprile con zero budget e sei mesi di anno davanti. Microsoft ha revocato le licenze Claude Code ai propri sviluppatori pochi mesi dopo l’attivazione. Accenture aveva condizionato le promozioni all’uso dell’AI: poi si è accorta che il costo per dipendente stava esplodendo.

Il FinOps Foundation nel suo State of FinOps 2026 registra un dato che riassume la situazione: il 98% dei leader FinOps identifica oggi la gestione dei costi AI come priorità assoluta, rispetto al 63% del 2025 e al 31% del 2024. Nel giro di due anni, quello che sembrava un costo marginale è diventato la prima voce di attenzione nei CFO briefing. E la curva di consumo non rallenta: la spesa per token è cresciuta di 13 volte tra il gennaio 2025 e l’inizio del 2026, con un consumo pro capite per sviluppatore salito di 18,6 volte in nove mesi.

Il CFO è entrato nel progetto AI — e non se ne andrà più

L’arrivo della funzione finance nella cabina di regia dell’AI non è una sorpresa. È la conseguenza inevitabile di un’adozione che ha oltrepassato la soglia dell’esperimento e ha iniziato a impattare i conti. Deloitte ha pubblicato una guida specifica per i CFO sull’economia dei token AI — segnale chiaro che il problema non è più solo del CTO. La Linux Foundation ha annunciato una Tokenomics Foundation, un nuovo ente di standardizzazione che punta a costruire la stessa disciplina di costo che FinOps ha costruito per il cloud.

La “tokenomics” aziendale richiede tre cose che le organizzazioni faticano a fare in parallelo. Prima: mappare il consumo reale, processo per processo, non per dipartimento o per tool. Secondo: definire un prezzo interno al token, che permetta di confrontare l’investimento AI con il costo alternativo del lavoro umano o di altri strumenti. Terzo: costruire un sistema di alert e soglie, simile a quello del cloud spending, che segnali quando un caso d’uso consuma più di quanto produce.

La complessità aumenta con gli agenti AI. Un agente che opera in loop — che ragiona, si autocorregge, chiede conferme intermedie — può consumare da 5 a 30 volte i token di una conversazione standard. Il 23% dei leader tecnici spende già tra 200 e 500 dollari al mese per sviluppatore in token AI; il 6% supera i 2.000 dollari mensili pro capite, che in molti mercati equivale al costo lordo di un junior. Il ROI di quell’agente va misurato ogni settimana, non ogni anno.

Le organizzazioni che nelle ultime linee guida interne usavano formule come “promuovere l’adozione” e “incentivare la sperimentazione” stanno riscrivendo quelle stesse linee guida in termini di soglie, alert e razionamento selettivo. La Tokenpocalypse — il momento in cui i costi AI hanno smesso di essere astratti — è già arrivata per le grandi organizzazioni. Per le medie e piccole arriverà non appena estenderanno l’accesso ai tool oltre la cerchia pilota.

TechCrunch ha documentato il fenomeno nel giugno 2026: le aziende che ottimizzano il routing tra modelli diversi riducono i costi dal 60 all’80% senza impatto sull’esperienza utente. Il modello più potente non serve sempre (per rispondere a una FAQ basta Haiku, non Opus), e la governance del token inizia da questa distinzione.

L’errore che si pagherà tra cinque anni

C’è un rischio meno visibile di quello della spesa eccessiva, e più pericoloso: tagliare troppo presto e nel modo sbagliato. Non tutti i ritorni AI sono immediati. Alcune efficienze emergono solo quando l’adozione raggiunge una massa critica, quando i processi sono stati ridisegnati attorno agli strumenti, quando i team hanno sviluppato le competenze per usarli bene. Un’organizzazione che raziona i token prima di aver completato questa curva di apprendimento non sta risparmiando — sta solo rimandando il problema.

La bolla dei token che scoppia nelle aziende non è un segnale che l’AI non funziona. È un segnale che l’AI è stata adottata senza un framework di valutazione. La tokenomics è esattamente quel framework: non un freno, ma uno strumento di allocazione intelligente che permette di distinguere i casi d’uso che valgono i costi da quelli che non li valgono.

Il modello di pricing sta cambiando comunque. L’85% dei provider SaaS è già passato a tariffe ibride o basate sul consumo. Anthropic sta rinegoziando con Amazon il passaggio a prezzi per token processati invece di ore compute. La transizione è in corso, e le organizzazioni che arrivano preparate alla nuova struttura di costo hanno un vantaggio competitivo reale su quelle che la scopriranno solo quando arriverà la prossima fattura.

Governare i token non è un esercizio tecnico. È una scelta strategica: decidere quanto vale l’intelligenza artificiale, processo per processo, e pagare solo quello. Le organizzazioni che lo fanno adesso stanno costruendo la capacità di scaling sostenibile. Le altre stanno accumulando un debito di governance che sarà molto più caro da ripagare fra due anni.

Il razionamento che è già iniziato nelle grandi corporation non è la fine dell’era AI. È il passaggio dalla fase della promessa alla fase della disciplina. Dopo il cloud c’è stato il FinOps; dopo l’AI arriva la tokenomics. La domanda non è se questo passaggio avverrà, ma se l’organizzazione sarà pronta quando arriverà.