Nel 2026, molte aziende si sono trovate davanti a una sorpresa amara: gli agenti AI, quei software pensati per tagliare i costi e semplificare il lavoro, stanno invece facendo esplodere le spese operative. Non si tratta più di una semplice licenza da pagare ogni mese. Dietro l’apparente efficienza si nascondono consumi imprevedibili, necessità di monitoraggio costante e infrastrutture sempre più complesse. Un mix che può mettere a dura prova i bilanci, senza distinzioni geografiche. Eppure, in molti non si sono accorti subito di questo cambio di paradigma.
Quando l’AI diventa un costo operativo, non solo un software
Per anni l’intelligenza artificiale è stata considerata come un normale software aziendale: si compra una licenza, si paga un abbonamento e i costi per ogni utente aggiuntivo si riducono. Con gli agenti AI, però, questo schema si rompe. Ogni attività dell’agente implica una serie di passaggi: pianificazione, esecuzione, controllo, correzione degli errori, consultazione di database e integrazione con altri sistemi. Ognuno di questi richiede risorse di calcolo e consumo di token, trasformando ogni richiesta in una spesa variabile, difficile da prevedere.
Gli studi più recenti mostrano che i flussi multi-step usati dagli agenti possono consumare da 20 a 30 volte più token rispetto a semplici interazioni generative. Di conseguenza, i costi crescono rapidamente, spesso senza che le aziende abbiano strumenti adeguati per monitorarli. A confermarlo sono anche realtà globali: Nvidia ha ammesso che i costi di calcolo hanno superato quelli del personale dedicato all’AI, mentre Uber ha bruciato buona parte del budget AI nel primo semestre del 2026 solo per pagare il consumo di token. È un fenomeno strutturale che cambia profondamente come si deve gestire e classificare economicamente l’intelligenza artificiale.
Virtual FTE: come misurare il vero costo degli agenti AI
Per interpretare questi nuovi costi, sta prendendo piede il modello Virtual Full-Time Equivalent . Il concetto è semplice ma rivoluzionario: considerare un agente AI come un’unità di lavoro digitale, con un costo complessivo paragonabile a quello di un dipendente.
Il costo di un vFTE si compone di cinque voci principali:
1. Costo API per token: rappresenta tra il 60 e l’80% del totale, variando in base al volume e alla complessità delle richieste.
2. Infrastruttura: include cloud computing, memoria persistente e database, con costi mensili che possono oscillare tra 500 e 2.500 dollari a seconda della scala.
3. Integrazione con i sistemi aziendali: adattare l’agente ai vari strumenti interni richiede investimenti e tempo.
4. AgentOps: monitoraggio, controllo delle anomalie e governance per garantire che l’agente operi entro i parametri stabiliti.
5. Supervisione umana: indispensabile soprattutto in settori regolamentati, dove serve personale qualificato per verifiche, gestione delle eccezioni e responsabilità finale.
Mettendo tutto insieme, il costo mensile di un agente AI in produzione può variare da 3.200 fino a 13.000 dollari. Non è più una spesa IT marginale da trascurare, ma un capitolo importante da inserire e tenere sotto controllo nel budget aziendale. Usare l’AI non significa automaticamente risparmiare: serve un attento equilibrio tra spesa ed efficienza.
Costi che crescono a dismisura: il problema della coda lunga
Un aspetto spesso ignorato è la crescita non lineare dei costi con l’uso degli agenti AI. I prezzi dei modelli variano molto: si passa da versioni “low cost” come Haiku, che costa circa 1,25 dollari per milione di token, a modelli di punta come Claude Opus 4.6, che può arrivare a 25 dollari per milione di token. In un processo agentico che prevede diverse fasi, ogni passaggio moltiplica la spesa. Cinque iterazioni, per esempio, significano cinque volte il costo.
C’è poi un problema di “coda di distribuzione”: analizzando 1.100 esecuzioni in produzione, il costo medio per singola operazione è stato di 1,22 dollari, ma il 5% più caro ha superato i 22 dollari. In pratica, alcune interazioni assorbono risorse molto più grandi della media, con effetti potenzialmente devastanti sui budget.
Secondo Goldman Sachs, il consumo globale di token crescerà di 24 volte entro il 2030, spingendo i costi operativi sempre più in alto. Le aziende che oggi considerano l’AI una voce di spesa contenuta dovranno presto confrontarsi con un’impennata dei costi, difficili da gestire senza una strategia chiara.
La sfida organizzativa: controllare costi e rischi dell’AI
Il vero nodo dell’AI nelle aziende non è solo tecnico, ma soprattutto organizzativo. Gli agenti AI uniscono tre aree che finora erano gestite separatamente: il controllo dei costi del lavoro, l’architettura IT e la governance delle risorse umane.
Per il CFO il problema principale è prevedere i costi. A differenza di un dipendente con stipendio fisso, un agente AI può costare tra 3.200 e 13.000 dollari al mese, con spese variabili difficili da anticipare. Molte imprese continuano a vedere questi oneri come semplici costi software, senza capire che si tratta di spese operative dinamiche, il che rende complicato valutare il ritorno sull’investimento.
Il CIO deve prendere decisioni strategiche sull’architettura: scegliere modelli, limitare le iterazioni, gestire il routing verso modelli più economici sono scelte che impattano direttamente sul budget. Un errore può far schizzare i costi alle stelle, diversamente dal software tradizionale, dove i costi marginali tendono a stabilizzarsi.
Il responsabile delle risorse umane, invece, si trova ad affrontare la questione più delicata: la supervisione umana resta indispensabile, soprattutto in settori regolamentati come sanità, finanza e pubblica amministrazione. L’arrivo degli agenti AI ha creato nuove attività di controllo e revisione, che spesso non erano state previste, assorbendo risorse e cancellando in parte i risparmi promessi. Serve quindi una governance più sofisticata.
Il coordinamento tra CFO, CIO e CHR diventa cruciale. Solo lavorando insieme e con anticipo si possono definire e tenere sotto controllo i costi, evitando sorprese che possono complicare la gestione aziendale.
Come tenere a bada i costi degli agenti AI
Per gestire bene i costi degli agenti AI serve un approccio strutturato. Prima di tutto, ogni processo deve avere un proprio tracciamento dei costi. Vedere solo la bolletta finale non basta: bisogna sapere quali agenti consumano di più, in quali fasi e con quale rendimento. Stabilire limiti di consumo, alert automatici e soglie sulle iterazioni prima di partire è fondamentale per non perdere il controllo.
In secondo luogo, il budget token va trattato come un’infrastruttura critica. Usare un routing intelligente tra modelli avanzati e versioni più economiche aiuta a ottimizzare la spesa, soprattutto per i task ripetitivi come classificazioni o estrazioni dati, che costituiscono la maggior parte dei flussi agentici. Controlli automatici sulle anomalie di consumo aiutano a evitare sorprese.
Infine, è essenziale costruire una governance condivisa tra finanza, IT e risorse umane. Questo coordinamento, da attivare almeno un mese prima della messa in produzione, deve includere una stima chiara del costo orario della supervisione umana nel primo trimestre. In Italia, programmi come AITO dimostrano che un confronto precoce tra CFO, CIO e CHR può evitare che i costi AI diventino un problema e trasformare l’innovazione in uno strumento sostenibile.
AI e lavoro umano: un confronto ancora da risolvere nelle aziende
Il dibattito pubblico sull’intelligenza artificiale si concentra spesso su scenari generali: la perdita di posti di lavoro, le politiche di tutela, i redditi universali. Ma manca un’attenzione fondamentale: quella del mondo aziendale, dove si decide davvero come e a quali costi integrare gli agenti AI nei processi.
Senza modelli economici aggiornati e strumenti di controllo adeguati, le imprese rischiano di prendere decisioni basate su stime sbagliate, con conseguenze sulle valutazioni tra lavoro umano e forza lavoro digitale AI. Questo crea aspettative fuorvianti e mette a rischio i piani di investimento.
Serve dunque non solo un intervento pubblico per costruire reti di sicurezza, ma anche dotare le aziende di metodi e governance trasparenti per misurare e gestire i costi nascosti degli agenti AI. Solo così si potrà preparare una convivenza più equilibrata e sostenibile con le tecnologie che stanno già rivoluzionando il lavoro e la produzione.