Tempo di lettura
Da mesi il dibattito pubblico celebra il crollo del prezzo unitario dell’inferenza. Secondo i dati dell’AI Index dell’Università di Stanford, il costo del calcolo per capacità paragonabili ai modelli di prima generazione è sceso, nell’arco di un solo anno, da circa venti dollari per milione di token a pochi centesimi. Nello stesso periodo, però, la spesa enterprise per large language model è triplicata, e stando a una rilevazione McKinsey ripresa in un recente paper della stessa società sull’economia dei sistemi agentici oltre nove imprese su dieci dichiarano di avere sforato i budget preventivati. Il paradosso è solo apparente. E la sua spiegazione non è tecnologica, è organizzativa e, in ultima analisi, giuridica.
Il token non misura il valore. Misura la bolletta. E la bolletta cresce non perché il modello sia costoso, ma perché il processo in cui viene inserito non è stato ripensato.
I. La radice tecnica di un problema manageriale
Occorre partire da un chiarimento tecnico che ha conseguenze economiche immediate. Un agente non funziona secondo lo schema domanda-risposta al quale l’utenza si è abituata negli assistenti conversazionali. Un agente mantiene il contesto, interroga fonti esterne, invoca strumenti, verifica i propri passaggi intermedi, corregge gli errori e ripete l’elaborazione quando l’output non supera la soglia di affidabilità. Ogni singolo passaggio consuma risorse computazionali, e ogni risorsa consumata si traduce in token fatturati.
Il dato più istruttivo, in questa prospettiva, riguarda la ri-lavorazione. Secondo le stime McKinsey, in alcuni flussi di lavoro agentici circa il sessanta per cento dei costi non deriva dalla prima risposta prodotta, ma dal controllo successivo, dalle correzioni e dalla nuova verifica. Il dato che – come tutte le rilevazioni proprietarie delle società di consulenza, va assunto con la cautela imposta dall’impossibilità di verificarne il perimetro campionario – descrive comunque un fenomeno che chiunque abbia osservato da vicino un’implementazione agentica riconosce senza difficoltà. Non si tratta di un difetto del modello è una proprietà strutturale del processo agentico non governato. Il costo, in altri termini, non nasce dove il management crede che nasca.
A ciò si aggiunge un secondo elemento, ancora più insidioso sul piano previsionale, la dispersione. Sempre secondo la medesima analisi, per un medesimo compito – il fenomeno sarebbe particolarmente evidente nella generazione di codice – la spesa può variare in misura assai ampia a seconda del percorso che l’agente decide autonomamente di seguire. Ne discende una conseguenza che merita di essere enunciata senza attenuazioni:
Qualunque budget costruito sul costo medio per operazione è metodologicamente inattendibile. Il consumo di token non è preventivabile con certezza, perché dipende da un percorso decisionale che non è deterministico.
È questo il punto cieco che nessuna società di consulenza può colmare con un preventivo, e che nessun Chief Financial Officer può governare con gli strumenti tradizionali del controllo di gestione. L’impresa con questa modalità non acquista una licenza a canone predeterminato, assume una variabile di costo il cui valore è funzione della qualità della propria architettura informativa. Se i dati sono ridondanti, se le fonti collegate all’agente sono mal selezionate o non ottimizzate, se la connessione ai sistemi è permanente e indiscriminata, il consumo si moltiplica in modo silenzioso. La fattura arriva dopo. E arriva a consuntivo.
II. La sequenza invertita il vizio d’origine
L’errore ricorrente ha una struttura riconoscibile e si ripete con impressionante regolarità. Il management individua nell’intelligenza artificiale, anzitutto, una leva di riduzione del costo del lavoro. Ne consegue una decisione di adozione motivata dalla prospettiva di sostituire figure professionali. Solo in un secondo momento e talvolta mai ci si interroga sui processi, sulla formazione, sui flussi informativi e sui presidi di controllo.
La sequenza corretta è esattamente l’opposta, e prevede quattro passaggi preliminari all’adozione, non successivi ad essa:
Analisi dei flussi e mappatura dei processi. Non è possibile stabilire quale livello di “intelligenza” allocare a ciascun processo senza avere prima compreso come quel processo funzioni realmente, quali dati consumi e quali decisioni produca. Impiegare un modello di frontiera per un’attività gestibile con un sistema deterministico o con software tradizionale significa pagare una capacità premium dove non serve.
Revisione dei paradigmi operativi. Introdurre uno strumento di capacità così estese in un processo progettato per un’organizzazione precedente non produce efficienza: produce stratificazione. Il lavoro va ridisegnato, non semplicemente affiancato.
Formazione strutturata degli utenti. Un agente utilizzato senza competenza genera più iterazioni, più correzioni, più verifiche e dunque, letteralmente, più costi. La formazione non è un’attività accessoria di accompagnamento: è una variabile economica diretta.
Riorganizzazione dei reparti e ridefinizione delle responsabilità. Chi valida l’output? Chi risponde di un errore non intercettato? Chi decide quali fonti l’agente possa interrogare? In assenza di risposte formalizzate, la catena di responsabilità si dissolve nel momento esatto in cui diventerebbe necessaria.
Il riscontro statistico di questa inversione è documentato. L’Office for National Statistics britannico, nella rilevazione Artificial intelligence in UK businesses 2023-2026 pubblicata nel luglio 2026, registra che la quota di imprese con almeno dieci dipendenti che dichiarano di utilizzare intelligenza artificiale è passata da circa il dodici per cento del 2023 a circa il trentacinque per cento del 2026. Ma il numero medio di tecnologie di IA per impresa utilizzatrice è salito soltanto da 1,4 a 1,6; solo il dieci per cento delle imprese utilizzatrici descrive il proprio impiego come esteso, e appena il quindici per cento dichiara che oltre metà dei dipendenti la impiega quotidianamente. Lo stesso istituto ne trae la conclusione che, per la maggioranza delle imprese adottanti, gli impatti trasformativi risultano limitati.
L’adozione, dunque, cresce in ampiezza e non in profondità, strumenti frammentati, casi d’uso isolati, scarsa integrazione con i sistemi e i dati interni. In questo scenario i costi possono crescere senza che il valore aumenti alla stessa velocità. È la fotografia esatta della spinta all’adozione priva di visione d’insieme.
III. Il piano giuridico non è buona pratica, è obbligo
Qui si colloca l’aspetto che il dibattito manageriale continua a trascurare, e che invece dovrebbe orientarlo. I passaggi appena descritti non costituiscono raccomandazioni di buona amministrazione. Sono, in misura crescente, adempimenti normativi presidiati da sanzione e fonte di responsabilità personale.
L’alfabetizzazione del personale come obbligo di legge
L’articolo 4 del Regolamento (UE) 2024/1689 – l’AI Act – impone ai fornitori e ai deployer di sistemi di intelligenza artificiale di adottare misure volte a garantire, nella misura del possibile, un livello sufficiente di alfabetizzazione in materia di IA del proprio personale, nonché di qualsiasi altra persona che si occupi del funzionamento e dell’utilizzo dei sistemi per loro conto, tenendo conto delle conoscenze tecniche, dell’esperienza, dell’istruzione e della formazione dei destinatari, nonché del contesto d’uso. La disposizione è applicabile, in forza dell’articolo 113, dal 2 febbraio 2025.
Tre precisazioni si impongono, perché delimitano con esattezza la portata dell’obbligo.
Il perimetro soggettivo è ampio. Le Q&A pubblicate dalla Commissione europea chiariscono che l’obbligo si estende oltre i dipendenti, includendo appaltatori, fornitori di servizi e, a seconda del rischio, i clienti. È inoltre espressamente confermato che vi rientra l’impresa il cui personale si limiti a impiegare strumenti generativi di uso comune per attività redazionali o di traduzione: in tal caso il personale deve essere informato dei rischi specifici, a cominciare dalle allucinazioni. Non esiste, dunque, una soglia dimensionale o di sofisticazione sotto la quale l’obbligo non operi.
La vigilanza decorre dal 2 agosto 2026. L’obbligo è già in vigore, ma le norme in materia di vigilanza e applicazione – affidate alle autorità nazionali di vigilanza del mercato, non all’Ufficio per l’IA – diventano operative da tale data. Il periodo in cui l’inadempimento restava di fatto privo di presidio sanzionatorio si sta dunque chiudendo proprio ora. Le Q&A della Commissione aggiungono un rilievo che merita attenzione. La sanzione sarà proporzionata e valutata caso per caso, ma diviene tanto più probabile quanto più vi sia evidenza di un incidente riconducibile alla carenza di formazione. È il collegamento diretto fra il difetto formativo e l’evento dannoso a costituire il presupposto più concreto di responsabilità.
Il quadro è in evoluzione. Va segnalato, per completezza, che il digital omnibus presentato dalla Commissione il 19 novembre 2025 propone di riformulare l’articolo 4, trasferendo agli Stati membri e alla Commissione l’onere di promuovere l’alfabetizzazione anziché imporre un obbligo generale alle organizzazioni. Si tratta, allo stato, di una proposta. E anche ove fosse approvata, permarrebbe – come la stessa Commissione tiene a precisare – l’obbligo di formazione del personale addetto ai sistemi ad alto rischio ai fini della sorveglianza umana. Chi confidasse in un alleggerimento risolutivo si esporrebbe a un rischio mal calcolato.
La formazione degli utenti, dunque, non è una scelta discrezionale del management da collocare nel capitolo delle spese comprimibili. È una condizione di legittimità dell’utilizzo. E come si è visto è al tempo stesso una leva diretta di contenimento del costo variabile, l’adempimento normativo e la razionalità economica, per una volta, coincidono perfettamente.
La sorveglianza umana e la scelta delle fonti
L’articolo 26 del medesimo Regolamento pone in capo ai deployer di sistemi ad alto rischio l’obbligo di affidare la sorveglianza umana a persone fisiche dotate della necessaria competenza, formazione e autorità, oltre che del sostegno necessario. Il correlato articolo 14 impone che i sistemi siano progettati in modo da consentire una supervisione effettiva. Le Q&A della Commissione sono esplicite su un punto decisivo, limitarsi a mettere a disposizione le istruzioni per l’uso, o chiedere al personale di leggerle, è in molti casi inefficace e insufficiente. Occorrono misure ulteriori. Una supervisione affidata a personale non formato o formalmente attribuita a un soggetto privo di autorità reale di intervento è una supervisione inesistente sul piano sostanziale, ancorché documentata su carta.
Quanto alla predisposizione agentica con connessioni permanenti a fonti interne, il profilo si sposta sul Regolamento (UE) 2016/679. La connessione costante di un agente ai sistemi aziendali configura un trattamento che richiede, a monte, la verifica della base giuridica, la valutazione della necessità e proporzionalità, la definizione dei perimetri di accesso secondo il principio di minimizzazione ex articolo 5, paragrafo 1, lettera c), e ricorrendone i presupposti una valutazione d’impatto ai sensi dell’articolo 35. Collegare un agente a fonti “forse poco approfondite e ritenute idonee” non è soltanto un errore di architettura che moltiplica i token è un trattamento privo di adeguata valutazione preventiva. Il costo economico e il rischio sanzionatorio hanno, letteralmente, la medesima origine.
Va poi considerato che il flusso continuo di dati aziendali verso sistemi esterni impone la qualificazione dei ruoli ai sensi degli articoli 28 e 32, la verifica delle condizioni di trasferimento extra-UE quando i modelli siano ospitati fuori dallo Spazio economico europeo, e la tutela del segreto industriale ai sensi del d.lgs. 63/2018. Nessuno di questi profili emerge dal cruscotto di controllo dei costi. Tutti emergono in sede ispettiva o contenziosa.
Gli assetti adeguati e la responsabilità degli amministratori
Il profilo più rilevante è tuttavia interno all’ordinamento nazionale, e riguarda direttamente coloro che assumono la decisione di adozione.
L’articolo 2381, comma quinto, del codice civile impone agli organi delegati di curare che l’assetto organizzativo, amministrativo e contabile sia adeguato alla natura e alle dimensioni dell’impresa; il comma terzo pone in capo al consiglio di amministrazione il dovere di valutarne l’adeguatezza. L’articolo 2086, comma secondo, come novellato dal Codice della crisi, eleva tale dovere a obbligo generale dell’imprenditore che operi in forma societaria o collettiva, funzionalizzandolo alla rilevazione tempestiva della crisi e della perdita della continuità aziendale.
Introdurre in azienda una variabile di costo strutturalmente non preventivabile, senza avere prima predisposto strumenti di misurazione, controllo e attribuzione di responsabilità, è astrattamente idoneo a integrare un’inadeguatezza dell’assetto organizzativo e amministrativo.
È doveroso precisare che si tratta di una lettura sistematica, non di un orientamento consolidato. Non risultano, allo stato, pronunce che abbiano applicato il principio degli assetti adeguati specificamente all’adozione di sistemi di intelligenza artificiale. La proposta interpretativa, tuttavia, non richiede alcuna forzatura l’obbligo di cui agli articoli 2381 e 2086 c.c. è per definizione un obbligo di adeguamento dell’organizzazione alle caratteristiche concrete dell’attività esercitata, e una variabile di costo non preventivabile introdotta senza strumenti di misurazione è esattamente ciò che quella disciplina mira a intercettare.
La conseguenza è che il rischio non resta confinato al conto economico. Si sposta sul piano della responsabilità ex articolo 2392 del codice civile. Il management che, come si osserva quotidianamente, difficilmente accetterà di rispondere degli esiti dei nuovi bilanci fra pro e contro, dovrebbe considerare che l’ordinamento non richiede il successo della scelta imprenditoriale, la business judgment rule protegge il merito della decisione, ma richiede che la decisione sia stata assunta in modo informato e con procedure adeguate. È precisamente ciò che manca quando l’adozione precede l’analisi.
Vi è poi un profilo che le Q&A della Commissione richiamano espressamente e che merita di essere considerato nella valutazione del rischio complessivo. Accanto all’applicazione pubblica affidata alle autorità di vigilanza, si prospetta un’applicazione privata, ossia lo scenario in cui il soggetto che abbia subito un danno agisca in giudizio nei confronti dell’organizzazione che non abbia adempiuto all’obbligo di alfabetizzazione. La Commissione precisa che l’AI Act non introduce autonome fattispecie di reato né un autonomo diritto al risarcimento, il quale resta regolato dal diritto nazionale. Ma la carenza formativa, ove abbia contribuito causalmente all’evento, entra a pieno titolo nel giudizio di colpa secondo le ordinarie categorie civilistiche.
Sul versante penalistico-organizzativo, infine, chi ha adottato un modello ex d.lgs. 231/2001 dovrà interrogarsi sull’adeguatezza dei protocolli decisionali rispetto a processi in cui una quota crescente dell’attività istruttoria è delegata a sistemi automatizzati: si pensi ai reati informatici di cui all’articolo 24-bis, alle fattispecie in materia di corporate governance e, per le realtà vigilate, agli obblighi antiriciclaggio, dove l’impiego di sistemi automatici di profilazione della clientela impone requisiti di tracciabilità e spiegabilità della decisione.
IV. Dove si sposta realmente il vantaggio competitivo
Un ulteriore elemento merita attenzione, perché modifica la gerarchia delle priorità in modo che il dibattito sui costi tende a oscurare. Se gli agenti consentono di replicare in tempi brevi processi che un tempo richiedevano anni di riorganizzazione, il vantaggio competitivo cessa di risiedere nell’esecuzione e si sposta verso i dati proprietari, il contesto operativo e la capacità di governo.
Le previsioni di mercato sono coerenti. Secondo la stima diffusa da Gartner il 1° luglio 2026, fino a duecentotrentaquattro miliardi di dollari di spesa nel software applicativo enterprise risulterebbero esposti, da qui al 2030, al cosiddetto agentic arbitrage. Il fenomeno per cui gli agenti eseguono compiti attraverso più sistemi, riducendo la necessità che gli utenti interagiscano con le interfacce software tradizionali. Si tratterebbe di circa il venti per cento della spesa SaaS applicativa aziendale entro la fine del decennio. Il medesimo analista formula un’osservazione che vale la pena riportare, le imprese non acquistano più software principalmente per le persone, ma sempre più per gli agenti, con la conseguenza che i criteri di valutazione consolidati per decenni, incentrati sull’interfaccia e sull’esperienza d’uso perdono progressivamente rilievo. Se il software diventa progressivamente headless, meno legato all’interfaccia e più accessibile da agenti che agiscono in autonomia, il vantaggio non si misura più sul numero di utenze licenziate, ma sulla capacità di controllare dove e come il lavoro viene eseguito.
Da questa evoluzione discende un’indicazione operativa di natura schiettamente contrattuale, che nella prassi italiana è ancora largamente trascurata, i permessi di accesso agentico vanno negoziati nei contratti di licenza sin da ora. Molti accordi oggi in essere resteranno vigenti quando gli agenti aziendali saranno divenuti prassi ordinaria, e sono stati redatti presupponendo un utilizzatore umano. La questione se un agente costituisca un “utente” ai fini della licenza, se l’accesso via API rientri nel perimetro contrattuale, e a chi appartenga la conoscenza operativa generata dalle correzioni e dalle eccezioni gestite dall’agente, sono clausole da scrivere oggi, non da interpretare domani in sede di contenzioso.
Ciò impone di rivedere anche la classica alternativa fra acquistare, sviluppare internamente o affidarsi a partner. La decisione va assunta per singolo carico di lavoro, non per piattaforma. Per compiti ad alta sensibilità o ad altissimo volume interno può risultare preferibile una soluzione privata o on-premise; per attività specialistiche e poco frequenti può convenire l’interfaccia di un modello di frontiera, dove la capacità conta più del costo unitario; per i carichi regolamentati quali ad es. bancari, sanitari, ecc. la residenza dei dati e il controllo effettivo impongono cloud privato o infrastruttura sovrana. La collocazione dipende dal workload, non dal fornitore. E, si aggiunga, dipende in misura decisiva dal regime giuridico applicabile a quei dati quindi una scelta che nasce tecnica e finisce inevitabilmente per essere una scelta di compliance.
V. Conclusioni
Il prezzo dei token continuerà verosimilmente a scendere. Ma il valore economico degli agenti non si misurerà mai su quel parametro. Si misurerà sulla qualità del dato, sul controllo del contesto, sulla selezione del modello proporzionata al compito, sulla definizione di metriche condivise e sulla corretta delimitazione dei confini fra interno ed esterno.
Le imprese che confondono l’abbondanza dell’intelligenza artificiale con la sua convenienza rischiano di spendere di più ottenendo meno. Ma il rilievo va portato oltre il piano economico: rischiano anche di avere adottato una tecnologia in violazione di obblighi formativi ormai vigenti, di avere strutturato flussi di dati privi di valutazione preventiva, e di avere assunto una decisione strategica in condizioni che difficilmente supererebbero il vaglio dell’adeguatezza degli assetti.
L’intelligenza artificiale non genera errori. Ne rivela di preesistenti. La spinta spasmodica all’adozione, quasi si trattasse di una panacea, non produce difetti del sistema, produce invece la conferma documentale di una mancata visione d’insieme del management.
La differenza fra le imprese che trasformeranno il costo in produttività e quelle che si troveranno davanti conti inattesi non passerà per la scelta del fornitore. Passerà per la decisione, assunta prima e non dopo, di trattare gli agenti come una capacità operativa da governare — con la medesima disciplina che si applica al lavoro umano, al capitale, al rischio e alle operation — e non come una dimostrazione permanente.
È una questione di metodo. Ed è, sempre più, una questione di responsabilità.
Jacopo Lazzari
