Secondo una nuova sorprendente analisi di Gartner riportata da CIO.com il 24 giugno 2026, le aziende che implementano agenti di codifica AI potrebbero presto pagare per l'utilizzo dei token AI da parte dei loro sviluppatori tanto quanto per gli stipendi degli sviluppatori stessi.

La previsione, dell'analista senior di Gartner Nitish Tyagi, avverte che i costi dei token AI raggiungeranno o supereranno lo stipendio mensile tipico di un ingegnere del software entro i prossimi due anni. La previsione riflette un cambiamento fondamentale dal modello SaaS flat per posto su cui le aziende hanno fatto affidamento per anni verso prezzi basati sul consumo, in cui ogni chiamata API, ogni espansione della finestra di contesto e ogni flusso di lavoro guidato dagli agenti si aggiunge al conto. Per le aziende che seguono gli aspetti economici più ampi della trasformazione del settore dell’IA, l’allarme segnala che la fase della luna di miele della sperimentazione dell’IA a basso costo sta finendo.

I numeri dietro l'avvertimento

Tyagi è stato attento a chiarire che la previsione di Gartner si basa su uno stipendio medio globale di uno sviluppatore di circa 2.000 dollari al mese. Negli Stati Uniti, dove il compenso annuale degli sviluppatori supera abitualmente le sei cifre, la spesa equivalente in token non ha ancora raggiunto la parità. Ma il divario si sta riducendo rapidamente.

"Ho sentito numeri spaventosi come 'Il mio sviluppatore ha consumato 20.000 dollari il mese scorso' o 'Un utente aziendale ha consumato 32.000 dollari'", ha dichiarato Tyagi a CIO.com. "L'obiettivo è allarmare il settore sull'impatto dei costi simbolici se non sono governati e controllati."

L’esplosione dei costi è determinata da diversi fattori convergenti. Gli sviluppatori stanno adottando rapidamente strumenti di intelligenza artificiale generativa e di codifica ad agenti, e questi strumenti consumano molti più token rispetto alle semplici interazioni basate sulla chat. I flussi di lavoro gestiti da agenti, che possono essere eseguiti in modo autonomo per periodi prolungati, generano un massiccio consumo di token mentre eseguono l'iterazione delle basi di codice, mantengono finestre di contesto gonfie ed effettuano chiamate API ripetute.

Perché i costi stanno andando fuori controllo

Parte del problema è strutturale. I fornitori di codifica AI devono ancora fornire ciò che Tyagi chiama “capacità di ottimizzazione dei costi mature e integrate”. Le aziende stanno pagando per gli investimenti infrastrutturali che i fornitori trasmettono ai clienti cercando allo stesso tempo di mantenere la redditività. Il risultato è un panorama dei prezzi opaco e in aumento.

Molte organizzazioni inoltre non hanno la maturità e le strutture di governance per determinare se la loro spesa per l’intelligenza artificiale sta generando un ritorno sull’investimento. Le finestre di contesto si gonfiano, i budget vengono esauriti prima del previsto e la spesa in token diventa difficile da giustificare. Ad aggravare il problema, i non sviluppatori stanno adottando sempre più strumenti di intelligenza artificiale man mano che ne acquisiscono maggiore familiarità, aumentando ulteriormente il consumo in tutta l’organizzazione.

Forse in modo più controintuitivo, Tyagi ha notato che non esiste una "relazione diretta" tra il volume di token consumati da uno sviluppatore e i suoi effettivi guadagni di produttività. Più token non significano automaticamente codice migliore o consegna più rapida.

"Il tokenmaxxing non è direttamente correlato a maggiori guadagni di produttività", ha affermato Tyagi, "ma l'ottimizzazione del consumo di token sì."

La prescrizione di Gartner per il controllo dei costi

Gartner non consiglia alle aziende di abbandonare gli agenti di codifica AI. Lontano da ciò. La guida dell'azienda è incentrata sulla definizione di governance e controllo dei costi prima che i costi superino i livelli recuperabili.

Tra le raccomandazioni specifiche:

  • Imposta soglie di token. Le organizzazioni dovrebbero introdurre limiti di spesa espliciti e automatizzare il monitoraggio dell'utilizzo per individuare i consumi fuori controllo prima che prosciughino i budget.
  • Classificare le attività in base al livello di autonomia. Gartner suggerisce di suddividere il lavoro in tre modelli di esecuzione: guidato dallo sviluppatore, sviluppatore con agente e completamente guidato dall'agente. Non tutte le attività giustificano il consumo di token del modello di frontiera.
  • Percorso per complessità. I compiti più semplici e ad alta frequenza dovrebbero essere indirizzati verso modelli più piccoli ed economici, con un'escalation verso modelli di frontiera riservati a lavori complessi e di alto valore.
  • Ingegneria del contesto del mandato. Gli sviluppatori dovrebbero essere formati per ottimizzare il contesto che forniscono all'intelligenza artificiale, includendo solo le informazioni pertinenti e riepilogando ove possibile per ridurre il sovraccarico dei token.

Una nuova metrica di produttività

La tradizionale metrica delle "righe di codice scritte" è diventata obsoleta da quando gli strumenti di intelligenza artificiale hanno iniziato a generare intere librerie Python in pochi secondi. Gartner sostiene che il valore dovrebbe ora essere misurato in termini di qualità, velocità e soddisfazione del cliente piuttosto che in termini di volume di output.

Le domande chiave che le aziende dovrebbero porsi includono quanto velocemente gli sviluppatori possono rilasciare funzionalità importanti, quanto tempo viene ridotto tra lo sviluppo e il feedback e se la consegna rapida mantenendo la qualità crea un reale vantaggio competitivo.

Il consiglio di Tyagi ai leader è pragmatico: non considerare l’aumento dei costi di codifica dell’IA come un motivo per allontanarsi dall’intelligenza artificiale e non passare di riflesso a modelli open source per tutto. L’obiettivo, ha sottolineato, è ottimizzare i costi senza compromettere il valore apportato da questi strumenti.

Il quadro aziendale più ampio

L’avvertimento di Gartner arriva in un momento in cui le aziende di tutti i settori stanno passando dalla sperimentazione dell’intelligenza artificiale all’implementazione su larga scala. Le aziende stanno frenando la spesa e chiedendo risultati concreti, e la disconnessione tra investimenti nell’intelligenza artificiale e rendimenti misurabili sta diventando una preoccupazione a livello di consiglio di amministrazione.

Per i team di sviluppo software in particolare, il messaggio è chiaro: l’era del consumo illimitato di token AI è insostenibile. Le aziende che non riescono a implementare strutture di governance ora rischiano di scoprire che i loro strumenti di codifica IA costano più degli ingegneri che avrebbero dovuto potenziare.

---

Stai al passo con l'impatto economico dell'intelligenza artificiale

Dalle pressioni sui costi aziendali ai finanziamenti da miliardi di dollari, il business dell’intelligenza artificiale si muove rapidamente. Segui AI Buzz Wire per un'analisi approfondita delle forze finanziarie che stanno rimodellando il panorama tecnologico.

Leggi altre notizie sull'AI →