Il direttore finanziario di OpenAI Sarah Friar esorta le aziende ad abbandonare i parametri che hanno utilizzato per decenni per valutare il software e ad adottare un nuovo parametro per l'intelligenza artificiale, basato sul lavoro completato piuttosto che sul numero di persone che utilizzano uno strumento.

In un post sul blog pubblicato venerdì 17 luglio 2026 ed elaborato in un post su LinkedIn riportato da Axios, Fortune e CFO Dive, Friar ha introdotto quello che lei chiama un approccio "intelligenza utile per dollaro". L’argomento principale: i parametri che hanno definito l’era SaaS – posti, utenti attivi, rinnovi – non riescono a catturare il valore creato dall’intelligenza artificiale. Per un'analisi continua di come le aziende sono alle prese con l'economia dell'IA, segui la nostra copertura del settore dell'intelligenza artificiale.

Le quattro domande

Friar propone che le organizzazioni giudichino il valore dell'IA rispondendo a quattro domande:

1. L'intelligenza artificiale sta completando il lavoro che conta?
2. Quanto costa ogni attività completata con successo?
3. Le persone possono dipendere dal risultato?
4. Ogni dollaro dell'AI produce più valore man mano che l'utilizzo aumenta?

"Per anni, il software è stato misurato in base all'adozione: postazioni, utenti attivi, rinnovi", ha scritto Friar su LinkedIn. "L'intelligenza artificiale è diversa: deve essere misurata in base al lavoro svolto."

L’inquadramento riformula il consumo di token – la quantità di elaborazione dell’intelligenza artificiale per cui un’azienda paga – non come un costo da ridurre al minimo ma come materia prima che diventa preziosa solo quando si converte in output utilizzabile. "I token creano valore quando si trasformano in lavoro che le persone possono utilizzare", ha scritto, sostenendo che man mano che i modelli diventano più capaci possono assumere compiti più lunghi e in più fasi che mantengono il contesto, ragionano attraverso gli strumenti e si adattano man mano che procedono.

Perché OpenAI sta spingendo proprio adesso in questo senso

La proposta arriva in un momento scomodo per il settore dell’intelligenza artificiale. Si prevede che la spesa mondiale per l’intelligenza artificiale raggiungerà i 2,59 trilioni di dollari nel 2026, con un aumento del 47% su base annua, secondo i dati Gartner citati dal CFO Dive. Tuttavia, le prove che la spesa stia dando i suoi frutti restano scarse. Uno studio di PwC pubblicato a gennaio ha rilevato che solo il 12% dei CEO ha affermato che l’intelligenza artificiale ha apportato vantaggi sia in termini di costi che di ricavi. Un altro 33% ha riportato incrementi sia in termini di costi che di ricavi, mentre il 56% ha dichiarato di non aver riscontrato alcun beneficio finanziario significativo finora.

Questo divario sta producendo una frustrazione visibile ai vertici della scala aziendale. Il CEO di Palantir Alex Karp ha recentemente dichiarato alla CNBC che molti leader aziendali sono "stanchi" dell'economia dei grandi modelli linguistici, chiedendosi se l'aumento dei costi dei token si traduca in rendimenti - commenti fatti da Karp mentre promuoveva la tecnologia di Palantir e riconosciuti come motivati ​​dal punto di vista commerciale.

Per OpenAI, che vende i token in questione, riformulare la conversazione sui risultati piuttosto che sul consumo è strategicamente vitale. Se i clienti misurano il successo in base al lavoro svolto, allora pagare di più per un modello di frontiera che completa un compito complesso in modo affidabile sembra efficienza, non spreco.

Un allontanamento dalla mentalità “sedi e rinnovi”.

L’idea di “intelligenza utile per dollaro” si allinea con un ripensamento più ampio su come l’intelligenza artificiale dovrebbe essere prezzata e misurata. Il software aziendale tradizionale veniva venduto per postazione; I prezzi dell’IA basati sull’utilizzo infrangono questo modello, perché una singola postazione ora può consumare quantità di calcolo molto diverse a seconda dell’attività. Le quattro domande di Friar chiedono effettivamente agli acquirenti di costruire una contabilità interna attorno a attività completate e costo per attività riuscita: un numero molto più difficile da monitorare rispetto al numero dei dipendenti, ma che riflette ciò che effettivamente fa la tecnologia.

Non tutti sono convinti che il nuovo parametro favorisca gli acquirenti. I critici sottolineano che il “lavoro compiuto” è difficile da definire e verificare e che i fornitori hanno tutti gli incentivi a classificare i risultati dell’intelligenza artificiale come di successo. L'affidabilità – la terza domanda di Friar – è particolarmente difficile da misurare quando i modelli producono risposte sicure ma errate, il fenomeno noto come allucinazione. Senza una verifica indipendente, la metrica rischia di diventare uno strumento di marketing piuttosto che un meccanismo di responsabilità.

Tuttavia, la proposta riflette un vero cambiamento nella conversazione. Dopo due anni di metriche di adozione senza fiato, i dirigenti chiedono prove che la spesa per l’intelligenza artificiale stia guadagnando terreno. Le aziende che potranno rispondere alle quattro domande di Friar con i dati – sia che utilizzino i modelli di OpenAI o quelli di un concorrente – saranno quelle i cui budget sopravvivranno all’inevitabile esame accurato.

Fonti

  • CFO Dive, "OpenAI spinge nuovi parametri per misurare gli investimenti nell'intelligenza artificiale", 17 luglio 2026
  • Axios, "Esclusivo: il CFO di OpenAI propone un nuovo modo per misurare il valore dell'intelligenza artificiale", 17 luglio 2026
  • Fortune, "Il CFO di OpenAI: 4 domande che rivelano se la tua spesa per l'IA sta dando i suoi frutti", 17 luglio 2026

Mantieni il passo con l'intelligenza artificiale aziendale

Gli aspetti economici dell’intelligenza artificiale vengono riscritti in tempo reale. Aggiungi la nostra home page ai segnalibri per [l'ultima copertura aziendale sull'intelligenza artificiale] (https://aibuzzwire.news).

Leggi altre notizie sull'AI →