Negli ultimi due anni molte organizzazioni hanno affrontato l’adozione dell’AI con una logica comprensibile: utilizzare il modello più avanzato disponibile per ottenere il miglior risultato possibile.
Ma questa strategia, efficace nelle prime fasi di sperimentazione, rischia di diventare economicamente insostenibile quando l’AI entra realmente nei processi aziendali.
In un recente articolo pubblicato nella newsletter AI@Work, Jared Spataro, Chief Marketing Officer AI at Work di Microsoft, propone una riflessione destinata a influenzare profondamente l’evoluzione delle piattaforme AI enterprise: non tutte le attività richiedono il modello più potente e costoso disponibile.
Dalla licenza al consumo: cambia il modello economico dell’AI
Per anni il software aziendale è stato governato principalmente attraverso un modello di costo prevedibile: una licenza per utente, un canone annuale, una spesa sostanzialmente controllabile.
L’AI agentica introduce una nuova variabile.
Ogni richiesta elaborata da un agente, ogni ragionamento complesso, ogni ricerca o analisi può generare un consumo di risorse e quindi un costo. In altre parole, il consumo AI diventa una voce economica dinamica, simile al cloud computing.
La conseguenza è evidente: se ogni attività viene affidata al modello più avanzato, il costo complessivo può crescere rapidamente senza generare un incremento proporzionale del valore prodotto.
La domanda non sarà più:
“Qual è il miglior modello?”
ma piuttosto:
“Qual è il modello più adatto a questo specifico lavoro?”
La maturità AI passa dalla governance economica
Molte aziende stanno ancora concentrando l’attenzione sulla sicurezza, sulla compliance e sulla gestione dei dati.
Sono aspetti fondamentali, ma non saranno sufficienti.
Nel prossimo futuro la governance dell’AI dovrà includere anche la gestione economica dei consumi AI.
Analogamente a quanto avviene oggi per il cloud, i responsabili IT e i business leader dovranno monitorare:
- costo per processo;
- costo per agente;
- ritorno dell’investimento generato da ciascun workload;
- rapporto tra qualità del risultato e consumo di risorse.
L’ottimizzazione economica dell’AI potrebbe diventare una competenza strategica tanto importante quanto la cybersecurity o la data governance.
Il concetto chiave: Model Routing
Spataro individua nel cosiddetto Model Routing uno dei meccanismi destinati a cambiare radicalmente l’esperienza utente.
L’idea è semplice.
Non tutte le attività hanno la stessa complessità:
- sintetizzare un documento;
- classificare una richiesta;
- generare una risposta standard;
- effettuare una ricerca interna;
sono attività molto diverse da:
- elaborare una strategia aziendale;
- produrre un’analisi finanziaria complessa;
- progettare una soluzione architetturale;
- supportare una decisione critica.
In futuro sarà la piattaforma stessa a decidere quale modello utilizzare, scegliendo dinamicamente quello che offre il miglior equilibrio tra:
- qualità;
- velocità;
- costo.
L’utente non dovrà conoscere il modello impiegato né preoccuparsi di selezionarlo manualmente.
Vedrà soltanto il risultato.
La vera rivoluzione è rendere invisibile la complessità
Uno degli aspetti più interessanti dell’articolo riguarda proprio il ruolo dell’utente.
Molti strumenti AI oggi chiedono alle persone di decidere quale modello usare:
- GPT-5?
- GPT-5 Thinking?
- Claude?
- Modello economico?
- Modello premium?
Per un professionista esperto può essere interessante.
Per la maggior parte degli utenti business è invece una complicazione.
La vera sfida dei prossimi anni non sarà offrire più modelli.
Sarà rendere la selezione del modello completamente trasparente.
In altre parole, il successo delle piattaforme AI enterprise potrebbe dipendere meno dalla qualità del singolo modello e molto di più dall’intelligenza del sistema che decide quando e come utilizzarlo.
Un modello non basta più
L’altra intuizione strategica dell’articolo è forse ancora più importante.
Secondo Microsoft, il futuro non sarà dominato da un unico modello AI superiore a tutti gli altri.
Al contrario, sistemi composti da più modelli specializzati potrebbero produrre risultati migliori rispetto a quelli ottenuti da un singolo modello di frontiera.
Immaginiamo un processo in cui:
- un modello genera una proposta;
- un secondo modello la verifica criticamente;
- un terzo modello confronta le diverse opzioni;
- un modello finale produce la sintesi conclusiva.
È una dinamica molto simile a quella di un team di consulenti che collaborano alla risoluzione di un problema.
L’AI del futuro potrebbe assomigliare meno a un singolo esperto e più a un consiglio di esperti virtuali.
Cosa significa per CIO e business leader
Per chi guida la trasformazione digitale emerge un messaggio molto chiaro.
La domanda strategica non è più:
“Come portiamo l’AI in azienda?”
La vera domanda diventa:
“Come governiamo l’utilizzo dell’AI affinché generi il massimo valore economico?”
Questo richiederà nuove competenze:
- monitoraggio dei consumi AI;
- definizione di policy di utilizzo;
- ottimizzazione dei costi degli agenti;
- valutazione continua del rapporto tra qualità e spesa;
- introduzione di KPI specifici per i workload AI.
Le organizzazioni che svilupperanno per prime queste capacità potranno scalare l’adozione dell’AI mantenendo sotto controllo il budget.
Le altre rischiano di trovarsi con bollette sempre più elevate e difficili da giustificare.
Conclusioni
L’articolo di Jared Spataro evidenzia una trasformazione che va ben oltre la tecnologia.
Stiamo passando da una fase in cui il valore dell’AI dipendeva dalla qualità del modello a una fase in cui il vantaggio competitivo dipenderà dalla capacità di orchestrare modelli diversi, processi diversi e livelli differenti di investimento.
L’AI non sarà una questione di “potenza massima disponibile”.
Diventerà una disciplina di allocazione intelligente delle risorse.
Proprio come accade oggi per il cloud, per le persone e per il capitale finanziario, anche l’AI richiederà scelte di investimento consapevoli.
Perché, come sottolinea efficacemente Spataro, non tutte le attività meritano il modello migliore. La vera sfida è capire quali lo meritano davvero.
Fonte: Not every task deserves your best model, Jared Spataro, AI@Work Newsletter, Microsoft, 10 settembre 2026.