Il conto salato dei token AI

Qualche giorno fa mi è capitato tra le mani un articolo con un titolo che sembrava uno sfogo da condominio: “Spegni quell’algoritmo, stai consumando troppo!”. Parlava di token, di bollette energetiche dei data center e di aziende che si sono ritrovate con conti da capogiro dopo aver acceso la fatturazione a consumo per l’intelligenza artificiale. L’ho letto con un certo interesse personale: pago un abbonamento annuale a Claude, uso spesso i modelli più evoluti e ogni tanto sfrutto i crediti gratuiti quando ci sono. Il problema è che questi ultimi svaniscono in un lampo, e non c’è niente di più fastidioso che restare a metà di un task perché il credito si è esaurito.

Cosa succede davvero quando un modello elabora un token

Un token non è una parola. È un frammento di testo, in media quattro caratteri in inglese, che può essere anche un segno di punteggiatura o uno spazio. I modelli linguistici scompongono ogni richiesta in questi frammenti, li trasformano in numeri e provano a indovinare quale arriverà dopo, fino a costruire una risposta intera. È un meccanismo elegante sulla carta, ma computazionalmente pesante nella pratica. E lo diventa ancora di più quando un sistema “ragiona”: prima di rispondere scompone la richiesta in più passaggi interni, genera testo che chi legge non vede nemmeno, e produce risposte più lunghe del solito. Ecco perché i modelli di ragionamento più avanzati, quelli che promettono risultati più accurati, arrivano a consumare molti più token di quelli tradizionali.

Il prezzo di ogni token crolla, la spesa complessiva no

Tra il 2020 e il 2026 il costo medio per token è sceso di circa 600 volte. Sulla carta dovrebbe essere una buona notizia. In pratica non lo è del tutto, perché mentre il prezzo unitario si riduce, il consumo complessivo si moltiplica: crescono gli utenti, cresce la complessità dei sistemi, cresce l’intensità dei carichi di lavoro. Solo OpenAI è passata da circa 6 a oltre 15 miliardi di token elaborati al minuto tra l’autunno 2025 e la primavera 2026. È un po’ come le strade più larghe che finiscono comunque intasate: più capacità disponibile, più domanda pronta a riempirla.

Quando la fattura a consumo rivela il conto vero

Nella prima metà del 2026 OpenAI e Anthropic hanno introdotto formule di fatturazione basate sul consumo reale, e molte aziende hanno scoperto un costo che fino a quel momento restava nascosto dietro piani forfettari. Uber ha esaurito il budget annuale dedicato all’intelligenza artificiale in soli quattro mesi. Un’azienda rimasta anonima ha speso 500 milioni di dollari in un mese. Meta, Amazon e AT&T hanno dovuto introdurre limiti d’uso interni per contenere la spesa. Secondo un report di Deloitte, in alcune realtà l’AI arriva a coprire fino alla metà del budget destinato alla tecnologia. Dall’altra parte del rapporto commerciale, il fatturato di Anthropic è passato da 4,8 a 10,9 miliardi di dollari tra il primo e il secondo trimestre del 2026: la spesa delle aziende clienti si trasforma, quasi specularmente, nei ricavi dei fornitori.

Quanto varrebbe davvero un abbonamento come il mio

Qui la faccenda si fa personale. SemiAnalysis ha calcolato quanto costerebbe, in termini di token effettivamente consumati, un utilizzo intensivo dei piani in abbonamento. Un piano Claude da 20 dollari al mese, sfruttato al massimo delle sue possibilità, varrebbe circa 400 dollari in token reali; quello da 200 arriverebbe a sfiorare gli 8mila. Per ChatGPT le cifre sono ancora più alte: rispettivamente 700 e 14mila dollari. Chi paga un canone fisso sta quindi ricevendo un sussidio enorme da parte dell’azienda che lo offre. Leggendo questi numeri capisco meglio perché i crediti gratuiti si esauriscono così rapidamente: dietro quel piccolo contatore che si svuota ci sono cifre che nessun singolo abbonamento coprirebbe mai per intero. Non sorprende che, come raccontavo anche in 5 problemi nell’uso dell’AI, una delle difficoltà più concrete di chi lavora ogni giorno con questi strumenti sia proprio fare i conti con un limite che arriva sempre nel momento meno opportuno.

L’energia che serve a far girare tutti questi calcoli

Dietro ogni token c’è anche una bolletta elettrica. I data center dedicati all’intelligenza artificiale dovrebbero consumare circa 1.050 terawattora entro la fine del 2026, più del triplo del fabbisogno elettrico annuale dell’Italia, con una crescita del 30% l’anno. Le aziende del settore hanno pianificato 190 gigawatt di nuova capacità, con investimenti che secondo McKinsey potrebbero arrivare a 7mila miliardi di dollari entro il 2030. Negli Stati Uniti la rete elettrica della Virginia, che ospita la più alta concentrazione al mondo di data center, ha visto le tariffe salire del 35% in un anno per la sola pressione della domanda AI. In Italia, come raccontavo in AI e la sua sostenibilità, il PNRR ha puntato su fibra e nuove strutture ma ha trascurato la rete elettrica: negli ultimi tre anni il costo di connessione per megawatt è aumentato dell’80%.

Chi vince la corsa a consumare meno token

In questo scenario, i modelli cinesi come MiMo di Xiaomi, MiniMax e DeepSeek dominano le classifiche per volume di token elaborati a giugno 2026. Il vantaggio arriva da più fronti insieme: energia più economica, data center meno costosi da costruire, sostegno statale, concorrenza interna aggressiva e architetture pensate fin dall’inizio per usare meno risorse a ogni risposta. Anche per chi sviluppa applicazioni con l’intelligenza artificiale, come raccontavo parlando di SaaS, AI e Vibe coding, l’efficienza nel gestire i token sta diventando un vantaggio competitivo quanto la qualità delle risposte generate.

Una bolla di token, oppure il nuovo normale

OpenAI e Anthropic si trovano di fronte a un’alternativa scomoda: abbassare i prezzi per non perdere clienti, aumentando perdite già enormi, oppure alzarli e rischiare di cedere terreno alla concorrenza. Nel frattempo gli investimenti miliardari in infrastrutture potrebbero rivelarsi eccessivi se la domanda reale non dovesse tenere il passo, alimentando i timori di una bolla dell’intelligenza artificiale. Da utente, la mia sensazione resta semplice: continuerò a preferire un canone fisso, anche sapendo che pago meno del dovuto, perché almeno so quanto spendo ogni mese. Sui crediti gratuiti, invece, ho imparato a non fare troppo affidamento: meglio usarli come bonus occasionale che come base per un lavoro che non si può permettere di restare a metà.