Il costo nascosto dell’IA che preoccupa Microsoft, Uber e Nvidia

La grande promessa dell’intelligenza artificiale comincia ad avere il rumore secco di una fattura appena aperta. Per mesi la tecnologia è stata raccontata come una macchina quasi miracolosa: meno tempo, meno attriti, più produttività. Tutto pulito, tutto rapido, tutto inevitabile. Poi arrivano i primi grandi utilizzi interni nelle aziende e il quadro cambia colore. Microsoft ha iniziato a cancellare gran parte delle licenze dirette di Claude Code e a orientare una parte dei suoi ingegneri verso GitHub Copilot CLI, una soluzione più vicina al proprio ecosistema. La notizia non parla di fantascienza, né di robot che rubano scrivanie. Parla di una cosa molto più concreta: usare l’IA su larga scala può costare parecchio. A volte troppo.

Il dato pesa perché non arriva da una piccola startup in cerca di attenzione, ma da uno dei centri nervosi dell’economia digitale. Uber avrebbe consumato in appena quattro mesi il budget annuale previsto per il 2026 sulle strumenti di codifica con IA, mentre in Nvidia una frase attribuita a Bryan Catanzaro, vicepresidente dell’apprendimento profondo applicato, fotografa il nodo con brutalità quasi contabile: il costo della potenza di calcolo può superare quello dei dipendenti. Non significa che l’IA non funzioni. Funziona, eccome. Il punto è un altro. Ogni risposta, ogni revisione del codice, ogni prova, ogni correzione e ogni tentativo andato storto passa da una macchina costosa, affamata di energia, chip, memoria e data center. La nuvola, insomma, non è fatta di nuvole. Peccato, era una bella immagine.

Microsoft frena su Claude Code

La scelta di Microsoft riguarda le licenze dirette di Claude Code, lo strumento di Anthropic pensato per lavorare sul codice dalla riga di comando, leggere progetti complessi, modificare file, eseguire comandi e aiutare gli sviluppatori con istruzioni scritte in linguaggio naturale. Non è il vecchio assistente che suggerisce mezza riga alla fine di una funzione. Qui si parla di agenti di codice capaci di muoversi dentro un progetto, interpretare il contesto, proporre modifiche e comportarsi quasi come un collega tecnico. Un collega instancabile, certo. Ma anche uno che consuma token come noccioline davanti alla televisione.

Il dettaglio interessante è che Claude Code non sarebbe stato accantonato perché inutile. Anzi. Proprio la sua popolarità interna rende la vicenda più significativa. Quando una tecnologia piace ai dipendenti e viene comunque limitata, di solito c’è un’altra conversazione dietro la porta. Meno innovazione, più foglio Excel. La spinta verso GitHub Copilot CLI risponde a una logica molto aziendale: Microsoft possiede GitHub, può integrare meglio lo strumento nei propri flussi, controllare sicurezza e accessi, uniformare le procedure e guardare la spesa con più precisione. Non è poesia tecnologica. È governo dei costi.

La società non sta rompendo con Anthropic, né cancellando Claude dal proprio orizzonte. Questo va detto, perché il mercato digitale ama trasformare ogni movimento in duello western. I modelli di Anthropic possono continuare a comparire in ambienti collegati a Copilot e Microsoft resta orientata a una strategia con più modelli, più fornitori, più opzioni. Ma il segnale è chiaro: l’IA non si compra più solo per entusiasmo. Si misura, si limita, si contratta, si sposta dove conviene. Come qualsiasi tecnologia quando smette di essere esperimento e diventa infrastruttura.

L’illusione dell’IA economica

La prima stagione degli strumenti di IA è arrivata con un’aria da buffet aperto. Abbonamenti apparentemente sostenibili, demo spettacolari, promesse di risparmio e una parola magica che in Silicon Valley funziona meglio dell’incenso: produttività. Il problema nasce quando non ci sono dieci utenti curiosi, ma migliaia di ingegneri, designer, responsabili di prodotto e team di supporto che inviano richieste tutto il giorno. A quel punto la cifra cambia pelle. La licenza mensile sembra piccola finché resta una voce isolata; diventa un animale diverso quando viene moltiplicata per intere divisioni aziendali.

GitHub ha già portato Copilot verso un modello più vicino al consumo reale, con piani aziendali che mantengono un prezzo per utente ma inseriscono crediti mensili e una logica di utilizzo. Visto da lontano sembra poco. Visto da dentro una multinazionale, con migliaia di postazioni, modelli più costosi, agenti autonomi, richieste lunghe e sessioni in cui la macchina non risponde una volta ma venti, cambia tutto. La sottoscrizione smette di essere una spesa prevedibile e comincia a somigliare al contatore della luce in una casa con tre condizionatori accesi ad agosto.

Anche Claude mostra bene la struttura economica del settore. I modelli più potenti costano di più, soprattutto quando producono output: codice, spiegazioni, analisi, correzioni, riscritture. Non c’è incantesimo. C’è una metrica industriale del consumo. Ogni conversazione pesa. Ogni file incollato nel contesto pesa. Ogni risposta lunga pesa. Ogni ciclo di revisione pesa. Il token è diventato una specie di vite invisibile della fabbrica digitale: minuscolo da solo, pesantissimo quando se ne usano milioni.

Token, contesto e revisioni: la spesa che non si vede

La programmazione assistita dall’IA non assomiglia a chiedere a un chatbot una ricetta per la pasta al forno. Un agente di codice deve leggere file, capire dipendenze, interpretare errori, proporre modifiche, eseguire comandi, analizzare risultati e tornare sui propri passi quando qualcosa non funziona. Lì si apre il buco nero. Un ingegnere umano può impiegare più tempo, ma non fattura ogni volta che rilegge mentalmente il progetto. Un modello, invece, trasforma quel contesto in costo computazionale. E se il codice è vecchio, stratificato, pieno di eccezioni e documentazione scritta quando ancora si credeva nel fax, la macchina non entra in un giardino zen. Entra in un ripostiglio.

Per questo il costo reale non coincide con la licenza. Bisogna sommare potenza di calcolo, integrazione, sicurezza, revisione umana, errori, latenza, formazione interna e dipendenza dal fornitore. Uno strumento può far risparmiare mezz’ora su una singola attività e, nello stesso tempo, alzare la spesa complessiva se viene usato senza disciplina. È un vecchio trucco dell’ufficio moderno: la macchina che prometteva di liberare tempo finisce per creare un nuovo reparto incaricato di amministrarla. Non sempre, naturalmente. Ma quando accade in aziende come Microsoft, Uber o Salesforce, smette di essere una curiosità da programmatori e diventa una riga rossa nel bilancio.

Uber e Nvidia mettono i numeri sul tavolo

Il caso Uber è particolarmente interessante perché la società non appare certo ostile all’IA. Al contrario. Il suo direttore tecnologico, Praveen Neppalli Naga, ha descritto l’adozione degli strumenti di programmazione con IA come un passaggio profondo per l’ingegneria. Una quota molto ampia dei suoi sviluppatori usa strumenti di IA almeno una volta al mese e gli agenti interni generano migliaia di modifiche al codice ogni settimana. L’ambizione è chiara: lasciare che gli ingegneri scrivano meno codice manuale e si concentrino di più su architettura, revisione, controllo e direzione del lavoro automatizzato.

Poi però arriva la crepa. Se un’azienda tecnologicamente preparata come Uber brucia in quattro mesi il budget annuale destinato agli strumenti di codifica con IA, il messaggio per il resto del mercato diventa piuttosto semplice: l’adozione massiccia non si paga con l’entusiasmo. Si paga con fatture. E le fatture arrivano anche quando la tecnologia porta valore. La domanda aziendale non è più se un agente di IA possa scrivere codice. Può farlo. La domanda scomoda è se quel codice, una volta rivisto, corretto, integrato e messo in produzione, costi davvero meno rispetto ad altri modi di organizzare il lavoro.

La frase attribuita a Bryan Catanzaro colpisce perché arriva da Nvidia, cioè dal cuore materiale di questa rivoluzione. Nvidia vende le pale nella nuova corsa all’oro: chip, acceleratori, infrastrutture, strumenti per addestrare e far girare modelli enormi. Se da quel mondo emerge l’ammissione che, in certi casi, la computazione può costare più delle persone, non siamo davanti a un lamento nostalgico contro la tecnologia. Siamo davanti a una constatazione fisica. L’IA non vive in una dimensione eterea. Vive in server, GPU, reti, sistemi di raffreddamento, memoria e energia. Tanta energia. Molto meno romantico di una keynote, ma decisamente più vero.

La produttività esiste, ma non sempre paga il conto

Sarebbe ridicolo trasformare questa vicenda nel funerale anticipato dell’intelligenza artificiale. Gli strumenti di IA applicati alla programmazione hanno già dimostrato utilità nelle attività ripetitive, nella creazione di test, nella documentazione, nelle rifattorizzazioni semplici, nella ricerca di errori, nella spiegazione di codice vecchio e nel supporto agli sviluppatori che devono orientarsi in basi tecniche complesse. In un team ben organizzato possono essere una leva formidabile. Tolgono ruggine. Accelerano l’avvio. Eliminano pezzi di lavoro noioso. Non è poco.

Il problema nasce quando si confonde la produttività locale con la redditività complessiva. Un programmatore può sentirsi più veloce con l’IA e l’azienda può comunque scoprire che il costo finale per attività completata non migliora quanto sperava. Tra il suggerimento iniziale e il codice in produzione c’è una terra larga: revisione, sicurezza, test, compatibilità, manutenzione, responsabilità. Se l’IA propone una soluzione elegante ma introduce una vulnerabilità o rompe una parte delicata del sistema, il risparmio evapora. Come quei mobili economici che sembrano un affare finché non passi due pomeriggi con una brugola in mano e una crisi spirituale in salotto.

Non tutto il codice vale allo stesso modo. Una cosa è generare una piccola funzione ausiliaria, un’altra è toccare sistemi di pagamento, mappe, sicurezza aziendale o software usato da milioni di persone. Negli ambienti critici, il costo della revisione può crescere rapidamente. Non perché gli ingegneri siano diffidenti per sport, ma perché la responsabilità legale e tecnica resta umana. Nessuna grande azienda dirà a un’autorità di controllo che il problema lo ha creato un modello con buone intenzioni. Alla fine firma una persona, non un’icona colorata.

Dipendenti costosi, macchine pure

La narrazione dominante degli ultimi anni ha presentato l’IA come una minaccia diretta per il lavoro qualificato. In parte lo è. Alcune mansioni verranno automatizzate, alcuni ruoli cambieranno, certe strutture aziendali diventeranno più snelle e molti professionisti dovranno imparare a lavorare con strumenti che fino a ieri sembravano prototipi da laboratorio. Però questa notizia inserisce una correzione importante: automatizzare non significa sempre spendere meno. A volte il costo si sposta soltanto. Esce dalle buste paga ed entra in calcolo, licenze, dati, infrastrutture e fornitori.

Per le imprese italiane il punto è particolarmente delicato. L’Italia ha un tessuto produttivo fatto di grandi gruppi, certo, ma anche di medie aziende, software house, consulenze digitali, banche, assicurazioni, sanità privata, industria manifatturiera e pubblica amministrazione. Non tutti possono permettersi una sperimentazione senza fondo. Il tema non è scegliere tra uomo e macchina come in un brutto film aziendale degli anni Novanta. Il tema è capire dove l’IA crea valore reale, dove è solo comodità costosa e dove rischia di diventare una bolletta tecnologica travestita da modernizzazione.

Le aziende dovranno misurare con più attenzione quali reparti meritano accesso ai modelli più potenti, quali attività possono essere svolte con strumenti più leggeri, quali dipendenti hanno bisogno di uso intensivo e quali invece richiedono supporto occasionale. Serviranno metriche meno decorative: quanto tempo si risparmia davvero, quanti errori vengono introdotti, quanta revisione resta necessaria, quanto costa ogni flusso automatizzato, quale dipendenza si crea dal fornitore. Meno brochure, più officina. E magari qualche riunione in meno, che non ha mai fatto male a nessuno.

Per i lavoratori il messaggio non è rassicurante, ma nemmeno semplicistico. L’IA non cancella all’improvviso il valore umano. Lo sposta verso giudizio, supervisione, conoscenza del contesto, responsabilità e capacità di riconoscere sciocchezze scritte con sintassi impeccabile. Un bravo ingegnere non scrive solo codice: decide cosa non va scritto, quale rischio evitare, quale soluzione resterà sostenibile tra due anni. L’IA può produrre moltissimo. Ma produrre molto e produrre bene non sono sinonimi. Anzi, spesso litigano.

Cosa cambia per le grandi tecnologie

Microsoft ha un incentivo evidente a mettere ordine in questo terreno. GitHub Copilot CLI porta l’assistente direttamente nella terminale, cioè in uno dei luoghi più importanti del lavoro degli sviluppatori. Spingendo i propri team verso uno strumento interno, Microsoft riduce la dipendenza esterna, raccoglie dati d’uso, controlla meglio l’integrazione, definisce policy comuni e costruisce uno standard aziendale. In una società di quelle dimensioni, standardizzare non è burocrazia grigia. È potere operativo.

La stessa logica può estendersi al resto delle grandi aziende. Nella fase dell’entusiasmo molti reparti hanno sperimentato Claude, Copilot, Cursor, modelli di OpenAI, strumenti interni e soluzioni ibride senza una vera architettura dei costi. La seconda fase sarà meno romantica. Arriveranno comitati, limiti, pannelli di consumo, policy per team, accessi differenziati e un ritorno piuttosto terrestre al buon senso. Non perché l’IA conti meno, ma perché conta troppo per lasciarla accesa in modalità buffet illimitato.

Anche la competizione tra fornitori cambierà tono. Se i clienti aziendali iniziano a guardare il costo per attività e non solo la qualità della demo, chi vende IA dovrà giustificare prezzi, migliorare efficienza, offrire modelli più piccoli, cache più intelligenti e piani meno imprevedibili. L’IA sta entrando nella stessa età adulta attraversata dal cloud, dal software come servizio e dalla cybersicurezza. Prima fascino. Poi adozione. Poi la telefonata del direttore finanziario che chiede perché la nuvola costi quanto un quartiere di Milano.

Il conto dietro la promessa

Questi movimenti non raccontano il fallimento dell’IA, ma la fine di una certa ingenuità. Microsoft, Uber e Nvidia mostrano che l’IA utile può essere anche costosa; che uno strumento popolare può essere limitato per ragioni di bilancio; che il confronto tra esseri umani e macchine non si risolve con uno slogan da conferenza; e che il futuro del lavoro sarà una negoziazione continua tra talento, automazione, energia, denaro e responsabilità.

L’intelligenza artificiale continuerà a entrare nelle aziende, nelle redazioni, negli studi professionali, negli ospedali, nelle banche e nelle fabbriche del software. Farà attività che fino a poco tempo fa sembravano protette. Accelererà processi. Sbaglierà con una sicurezza quasi offensiva. Aiuterà molto quando sarà usata bene e costerà moltissimo quando la velocità verrà confusa con il valore. La rivoluzione non si cancella. Però comincia a mostrare lo scontrino. E lo scontrino, come spesso accade, ha meno fascino della presentazione sul palco, ma dice molte più verità.