C'è una cosa che le agenzie di marketing dell'AI non ti raccontano: OpenAI e Anthropic bruciano miliardi di dollari ogni anno. Non milioni: miliardi. Le stime pubblicate parlano di 5-10 miliardi di perdite annuali per OpenAI, cifre analoghe per Anthropic. Google e Microsoft finanziano le loro AI con i profitti di altre divisioni. Quando questo giro finirà — e finirà, perché nessun azionista sovvenziona all'infinito un servizio in perdita — i prezzi saliranno. La domanda è solo di quanto, e in quanto tempo.

Perché le grandi AI oggi lavorano in perdita

La ragione tecnica è semplice: far girare un modello di AI costa tantissimo. Ogni tua domanda a ChatGPT o Claude consuma centesimi (in alcuni casi decine di centesimi) di GPU, elettricità, raffreddamento e ammortamento hardware. Le schede grafiche di fascia enterprise usate per l'AI (Nvidia H100, H200, B200) costano 25.000-40.000 dollari l'una, e ne servono migliaia insieme per servire milioni di utenti contemporanei.

Se moltiplichi il costo per query per il volume mondiale, arrivi facilmente a miliardi al mese di sola infrastruttura. Ricavi? Molto inferiori — perché per conquistare il mercato le piattaforme sussidiano pesantemente il prezzo: il tuo abbonamento da 20€/mese di ChatGPT Plus, o quello da 25€/mese di Claude Pro, in molti casi non copre nemmeno il costo di infrastruttura del tuo uso mensile.

È esattamente lo stesso schema che abbiamo visto con Uber, con i food delivery, con lo streaming musicale: brucio soldi ora per conquistare il mercato, faccio pagare il conto dopo.

Cosa succederà (sta già succedendo) quando smetteranno di sussidiare

I segnali sono già arrivati. Negli ultimi 12 mesi:

  • OpenAI ha lanciato ChatGPT Pro a 200 $/mese (dieci volte il tier consumer) — segnale chiaro che il tier "base" non basta a coprire i costi degli utenti heavy
  • Anthropic ha alzato i prezzi di Claude Team più volte in un anno
  • Le API pubbliche hanno iniziato a introdurre rate limit più stringenti sui piani più economici
  • Sono comparsi nuovi tier "priority" con code prioritarie a pagamento aggiuntivo
  • Google ha iniziato a spingere sull'inserire pubblicità nelle risposte di Gemini

Il pattern è inconfondibile. Nei prossimi 24-36 mesi ci aspettiamo: prezzi consumer in salita del 50-200%, riduzione delle capacità gratuite, aumento dei limiti d'uso per chi paga poco, spostamento delle funzioni migliori sui tier più cari.

Se oggi la tua azienda usa un ChatGPT Team a 25€/mese per dipendente per riassumere email, generare bozze, fare traduzioni — preparati mentalmente al fatto che tra 18 mesi lo stesso servizio potrebbe costare 75-100€ a dipendente. Con 20 dipendenti fai da 500€/mese a 2.000€/mese. Non è più una sciocchezza, sono decine di migliaia di euro all'anno.

I costi nascosti che già oggi paghi

Ma il costo economico che verrà non è nemmeno il problema principale. Ce ne sono altri, silenziosi, che già oggi pesano — anche se non li vedi in fattura.

1. I tuoi dati escono dal tuo perimetro

Quando incolli un contratto, un'anagrafica clienti, un preventivo, o il verbale di una riunione in ChatGPT o Claude per farlo "sistemare", quei dati escono dall'Italia e finiscono su server americani (o comunque non europei). I fornitori dicono di non usarli per l'addestramento sui piani a pagamento — e generalmente è vero — ma:

  • Sono comunque trasferimenti internazionali di dati personali soggetti a valutazione GDPR
  • Il Cloud Act americano permette al governo USA di ordinare l'accesso ai dati archiviati da aziende americane, anche se conservati fuori dagli Stati Uniti
  • In caso di data breach del fornitore, i tuoi dati sono nel bottino
  • Non sai cosa passa in log, cache, sistemi di moderazione

Per una PMI che gestisce dati sensibili (studi legali, commercialisti, sanità, meccanica di precisione, uffici acquisti…) questo è un problema concreto che difficilmente il tuo attuale processo AI ha già affrontato.

2. Sei dipendente da una decisione altrui

Il fornitore può cambiare le policy in qualsiasi momento. Ha già cambiato modelli (deprecando quelli su cui avevi tarato i tuoi prompt), ha cambiato prezzi, ha cambiato limiti d'uso. Se un giorno decide che il tuo caso d'uso non è più supportato, o alza il prezzo del 300%, tu non hai alternative pronte.

3. Rate limit e latenza

Nei momenti di picco (rilasci di nuovi modelli, eventi globali), i servizi rallentano o non rispondono. Se ci hai integrato un flusso operativo aziendale, ti fermi anche tu.

L'alternativa: AI locale in azienda

Ora la parte che quasi nessuno racconta alle PMI italiane. Negli ultimi 18 mesi è successa una piccola rivoluzione silenziosa: sono usciti modelli di AI open source (Llama di Meta, Mistral, Qwen di Alibaba, Phi di Microsoft) che puoi far girare sul tuo hardware, senza inviare un byte fuori dall'ufficio.

La qualità? Sono più bassi di GPT-5 o Claude Opus 5 sui compiti di ragionamento complesso — ma su un sacco di casi d'uso reali della PMI (riassunto documenti, bozze di email, traduzioni, risposte a FAQ interne, ricerca dentro archivi aziendali, generazione di testo standard) fanno l'80-90% del lavoro a fronte di zero costi ricorrenti.

Cosa serve tecnicamente

Un setup base per una PMI di 10-30 dipendenti si compone di tre pezzi:

  • Una workstation dedicata: mini-server o macchina desktop con GPU consumer di fascia alta (Nvidia RTX 5090 o Apple Mac Studio con memoria unificata da 128 GB). Costo: 5.000-15.000 € una tantum, a seconda della potenza necessaria
  • Il modello AI: gratuito, open source (Llama 3.3, Mistral Large, Qwen 2.5). Si scarica una volta, gira in azienda per sempre
  • Il software di orchestrazione: Ollama, LM Studio, LocalAI, oppure setup più avanzati con vLLM. Gratuiti, community attiva

Aggiungi opzionalmente il RAG (Retrieval Augmented Generation): un sistema che collega l'AI ai tuoi documenti aziendali (contratti, procedure, listini) permettendole di rispondere basandosi su di essi. Tutto in ufficio, tutto tuo.

Fatti due conti: se oggi paghi 500€/mese di abbonamenti AI per il tuo team, tra 12-18 mesi la workstation è ripagata. E da lì in avanti, ogni mese di uso è puro risparmio — mentre chi resta sui servizi cloud continuerà a pagare (e sempre di più).

L'approccio ibrido: dove ha senso in ufficio, dove no

Attenzione, non stiamo dicendo "abbandonate ChatGPT e Claude". Sarebbe una sciocchezza. La strada intelligente è l'ibrido:

  • In ufficio: tutto quello che tocca dati sensibili (contratti, anagrafiche, contabilità), tutto quello che è ripetitivo e ad alto volume (bozze standardizzate, traduzioni interne, riassunti di documenti), tutto quello che deve girare offline o senza rate limit
  • In cloud (ChatGPT/Claude/Gemini): ragionamenti complessi, brainstorming creativo, casi d'uso una tantum che non giustificano un investimento infrastrutturale, quando serve il modello più potente disponibile

Il vantaggio dell'ibrido è doppio: riduci i costi ricorrenti (perché il grosso del volume passa dal locale gratuito) e proteggi i dati sensibili (che non escono più dall'ufficio).

Da dove cominciare: valutare prima di comprare

Prima di andare a comprare hardware, la domanda giusta non è "quale GPU?" ma "quali sono i miei casi d'uso reali dell'AI, e quanto volume generano?". Solo dopo si può dimensionare correttamente un'infrastruttura locale — evitando sia di sotto-dimensionare (macchina inadeguata che frustra gli utenti) sia di sovra-dimensionare (10k€ buttati per una workstation di potenza superiore a quello che ti serve).

Un preavviso trasparente: in System-i stiamo lavorando proprio a questo. Nei prossimi mesi lanceremo un servizio strutturato per valutare, progettare e gestire infrastrutture AI on-premise per PMI del bresciano e non solo — dalla scelta hardware alla configurazione software, dal fine-tuning sui documenti aziendali alla manutenzione dei modelli. È un "coming soon" onesto: stiamo facendo esperimenti e testando sul campo, non vogliamo vendere fumo. Ma se il tema ti interessa e vuoi essere tra i primi ad averne uno operativo, segnalaci il tuo interesse — così ti aggiorniamo appena il servizio è pronto e magari coinvolgiamo la tua realtà come pilota.

Nel frattempo il consiglio è: inizia a censire cosa fai davvero oggi con l'AI cloud. Fai un elenco onesto dei casi d'uso, misura il volume (quante query al giorno), stima quanto costerebbe se il prezzo raddoppiasse. È il primo passo per prendere una decisione informata, non un salto nel vuoto.

Perché una cosa è certa: i prezzi dell'AI in cloud saliranno. La finestra economicamente vantaggiosa è aperta ora. Meglio farsi trovare pronti.