In questo articolo vediamo in quali “caselle” si distribuisce la spesa AI di un’azienda, perché sfugge facilmente al budget e come normalizzazione e attribuzione permettono di riportarla sotto controllo.
Proviamo con una domanda semplice: quanto spende la vostra azienda in AI?
Nella maggior parte dei casi la risposta è un “più o meno”. E non per disattenzione. Pensiamo a un’azienda tipo, molto simile a quelle che incontriamo ogni giorno. Ha comprato Microsoft 365 Copilot per l’area commerciale e l’amministrazione ma l’IT preferisce usare Claude. Il marketing usa Adobe Firefly dentro Creative Cloud, il customer service ha attivato Salesforce Agentforce. Intanto l’IT sta costruendo un agente interno su AWS Bedrock, che legge i dati da Snowflake e usa Claude come modello. Cinque fornitori, quattro metriche, altrettanti team: mettere insieme un numero unico è tutt’altro che banale.
Nell’articolo precedente ci eravamo chiesti come si misura la spesa AI. Qui facciamo un passo indietro e ci chiediamo dove nasce. Perché prima di misurarla, bisogna sapere dove cercarla.
Quando si parla di “spesa AI” si immagina una voce di costo sola. Ma come ben sappiamo, l’AI è un insieme di varie tecnologie che possono entrare in azienda per due strade molto diverse: o si comprano già pronte, o si costruiscono in casa. E la scelta dipende da cosa si vuole ottenere.
Comprare un prodotto già pronto è la strada più comune, perché è la più veloce: non servono competenze tecniche, si attiva in pochi giorni e porta subito l’AI dentro gli strumenti che le persone usano ogni giorno. Prende tre forme:
Costruirla (o finalizzarla) in casa, invece, è la scelta di chi ha bisogno di qualcosa che sul mercato non trova: un assistente istruito sui processi e i dati dell’azienda, un servizio da offrire ai propri clienti, un’automazione su misura. Richiede più tempo e competenze, ma dà più controllo. In pratica vuol dire mettere insieme dei pezzi:
Ogni casella ha quindi la sua logica di acquisto e la sua metrica.
Il punto, però, non è solo che le caselle sono tante. È che la spesa sfugge, per tre motivi che si sommano.
Il primo è che quasi nessuna azienda sta da una parte sola: si compra e si costruisce insieme, e a farlo sono team diversi. Nel nostro esempio l’agente su Bedrock, da solo, tocca già quattro caselle: modello, dati, calcolo e piattaforma. E accanto a IT, marketing e customer service ci sono i team di prodotto e di sviluppo, che sperimentano: provano un modello nuovo, aprono un prototipo, accendono una GPU per un test e magari si dimenticano di spegnerla. Gran parte della spesa AI non nasce da un acquisto, ma da un’attivazione. Qualcuno abilita un servizio, il consumo parte, e nessuno ha firmato niente.
Il secondo è che la spesa AI si intreccia con quella cloud. Tutto quello che si costruisce in casa consuma cloud e finisce nella stessa fattura, mescolato a carichi di lavoro che con l’AI non c’entrano. Succede anche con una parte dell’AI comprata: alcuni agenti di Copilot Studio, per esempio, vengono fatturati sulla sottoscrizione Azure. Così, più AI si adotta, più si intaccano gli impegni di spesa pluriennali già firmati con il provider, senza capire bene quanto dipenda dall’AI.
Il terzo è che ogni casella parla una lingua diversa. Il token, protagonista dell’articolo precedente, si vede in chiaro solo nella casella dei modelli, e anche lì ogni fornitore lo conta a modo suo. Nelle altre caselle c’è sempre, ma tradotto in un’altra valuta: licenze, crediti, conversazioni, unità di consumo. Il lavoro sotto è lo stesso, un modello che elabora testo, ma ogni casella lo prezza con il suo tasso di cambio. Più caselle si usano, più valute bisogna convertire per arrivare a un totale.
Negli ultimi mesi non sono mancati gli esempi di cosa succede quando la spesa AI non viene governata. Uber ha esaurito ad aprile l’intero budget 2026 per gli strumenti di sviluppo AI. Un’azienda rimasta anonima, secondo quanto riportato, avrebbe speso 500 milioni di dollari in un solo mese per non aver messo limiti alle licenze dei dipendenti. E perfino Microsoft ha deciso di ritirare Claude Code a migliaia di sviluppatori, anche per contenere i costi.
Sono casi estremi, ma il meccanismo che li ha generati è lo stesso che vediamo, su scala più piccola, in molte aziende. Di solito l’IT, e chi si occupa di governance fino al board, ha in mente un budget AI indicativo: quello pianificato nei contratti pluriennali e nei commitment con i vendor. La spesa reale, però, va oltre e prende altre strade. Le fatture arrivano all’amministrazione e finiscono nelle spese generali, spesso senza un centro di costo. Chi ha attivato quel servizio, per quale progetto, con quale obiettivo? Va ricostruito dopo, quando possibile.
Così ci si accorge del problema solo quando la cifra pianificata è già sforata, o esaurita prima del previsto. A quel punto le strade sono due, nessuna piacevole: trovare in corsa soldi che nessuno aveva messo in conto, come ha dovuto fare Uber, oppure spegnere i servizi AI proprio quando le persone hanno iniziato a usarli davvero, come ha scelto di fare Microsoft.
La buona notizia è che non si parte da zero. Qualche anno fa il cloud ha posto un problema molto simile: fatture di provider diversi, ognuno con le sue metriche, e consumi difficili da ricondurre a chi li generava. La risposta è stata il FinOps, la disciplina che mette insieme IT, finanza e business per tenere sotto controllo la spesa cloud. Oggi quegli stessi principi si stanno estendendo all’AI, ed è in questa direzione che va anche la Tokenomics Foundation, nata per dare all’economia dell’AI un vocabolario comune, come il FinOps aveva fatto per il cloud.
Come abbiamo visto, l’AI viene acquistata e sviluppata da team diversi, e il rischio di creare silos è alto: silos di costo, ma anche di informazioni. Il FinOps nasce proprio per superarli, attraverso un cambio culturale prima ancora che tecnologico, fondato su alcuni principi chiave:
Tutti e tre i principi presuppongono che ci siano dati condivisi, ed è per questo che uno dei primi passi è ricondurre tutto a un’unica vista. La mappa può essere un buon punto di partenza per scoprire le zone d’ombra: basta usarla come traccia per parlare con i team interni e chiedere a ciascuno quali strumenti AI usa, quali funzionalità ha attivato, quali prove sta facendo. Spesso è proprio da queste conversazioni che emerge la spesa che non compare in nessun contratto, perché è nascosta in un abbonamento, in una fattura cloud o in una sperimentazione partita senza troppo clamore.
Le interviste da sole, però, non bastano a tenere il quadro aggiornato. Qui la tecnologia aiuta. Flexera, di cui siamo partner, copre tutte le caselle della mappa. La gestione degli abbonamenti SaaS fa emergere le applicazioni e le funzionalità AI acquistate. L’ottimizzazione di cloud e data cloud porta alla luce i consumi di dati, calcolo e piattaforme, anche quando si confondono con il resto della fattura. E il nuovo modulo AI Cost Management aggiunge la parte più sfuggente: il consumo effettivo di applicazioni, modelli e agenti, cioè quanti token e crediti vengono usati davvero e con quale strumento.
Su questa visibilità si costruisce il vero valore, che passa da due azioni:
È qui che AI Cost Management fa la differenza: normalizza le metriche dei diversi vendor e lega ogni consumo a chi lo ha generato. Il risultato è che il budget indicativo diventa un vero budget AI, unico, in mano all’IT, da pianificare e seguire durante l’anno.
Conclusione
La spesa AI non si nasconde in un posto solo. Si nasconde negli spazi tra le caselle: tra un team e l’altro, tra un contratto e l’altro, tra la fattura AI e quella cloud. Ricomporla non è un esercizio contabile: serve a rispettare il budget, a capire che valore porta ogni euro speso e a scegliere bene dove comprare e dove costruire.
Ne parliamo nel dettaglio nel webinar “Governare i costi AI“, in programma il 27 ottobre, con Jary Busato, consulente ITAM e FinOps di WEGG. Vedremo come applicare alla spesa AI l’approccio nato con il FinOps e come la tecnologia Flexera può supportarlo nella pratica. Vai qui per iscriverti!
Approfondimenti
I NOSTRI UFFICI
I NOSTRI UFFICI
PADOVA
Via Arnaldo Fusinato 42, 35137
MILANO
Viale Enrico Forlanini 23, 20134
ROMA
Viale Giorgio Ribotta 11, 00144
Copyright © 2025 WEGG S.r.l. • P.I 03447430285 • C.F. 02371140233 • REA 311023
Azienda Certificata ISO 9001:2015 – ITA / ISO 9001:2015 – EN
