Dal blog https://jacobinitalia.it/
Sophie Bandarkar 11 Giugno 2026
I padroni dell’intelligenza artificiale avevano promesso che i loro servizi sarebbero stati accessibili e democratizzati. Le cose stanno andando diversamente
Quando OpenAI ha lanciato ChatGPT alla fine del 2022, ha rapidamente battuto ogni record, diventando il prodotto tecnologico con la crescita più rapida della storia. I fornitori di modelli di intelligenza artificiale come OpenAI, Anthropic e Google inizialmente utilizzavano prezzi fissi artificialmente bassi per incentivare l’adozione e conquistare quote di mercato, confidando di poter bruciare il capitale degli investitori per creare dipendenza e poi monetizzare una base di utenti fidelizzata.
Ma rispetto alle altre piattaforme rivolte ai consumatori che avevano adottato questa strategia sin dagli anni 2000, come Facebook, Uber o Instagram, l’intelligenza artificiale generativa si differenzia per due aspetti cruciali.
Innanzitutto, ogni utente aggiuntivo genera un enorme costo ricorrente per ogni query, su una scala mai raggiunta prima da nessun social network. Nello specifico, i chatbot consumano un’immensa potenza di calcolo, che a sua volta richiede elettricità, acqua per il raffreddamento dei server, terreni per i data center e miliardi di dollari di investimenti in hardware.
In secondo luogo, man mano che i modelli diventano più sofisticati, anche i costi di gestione aumentano. In questo senso, si avvicinano alle tecnologie di cloud computing come Amazon Web Services.
Nel 2023, la società di ricerca SemiAnalysis ha stimato che ChatGPT costasse già circa 700.000 dollari al giorno per essere gestito. Da allora, i modelli sono diventati ancora più complessi e dispendiosi in termini di risorse. All’inizio del 2026, con un numero di utenti attivi settimanali compreso tra ottocento e novecento milioni e solo trentacinque milioni di abbonati paganti, il costo per mantenere l’accesso globale a ChatGPT su questa scala si aggirava intorno ai 17 miliardi di dollari all’anno, ovvero quasi 47 milioni di dollari al giorno.
Andy Wu, professore di economia aziendale ad Harvard, sostiene che la maggior parte delle persone non si rende conto di quanto sia «assurdamente costosa» l’intelligenza artificiale. Molti sono consapevoli degli elevati costi fissi, ma non dei costi variabili di inferenza che si verificano ogni volta che il modello genera un’immagine. OpenAI prevede di spendere oltre 150 miliardi di dollari solo per i costi di inferenza entro il 2030. Mentre la stragrande maggioranza degli utenti continua ad accedere alla piattaforma gratuitamente, la domanda è come si colmerà il divario tra risorse e ricavi e chi ne sopporterà i costi.
Leggi anche… DIGITALE Il capitale nel cervello Redazione Jacobin Italia
Il problema della realizzazione dell’IA
Dal 2022 al 2025, il settore ha dovuto affrontare un problema di realizzazione. Questo termine marxista si riferisce al momento nel circuito del capitale (dal denaro all’investimento in capacità produttiva e di nuovo al denaro) in cui i beni vengono convertiti in vendite redditizie. Un problema di realizzazione emerge quando le imprese possono produrre enormi quantità di beni o servizi, ma non riescono a trovare acquirenti sufficienti per recuperare i costi.
In altre parole, un problema di realizzazione si verifica quando la capacità produttiva si espande più rapidamente della domanda. Nei primi anni dell’IA, le aziende tecnologiche hanno investito somme enormi nell’IA generativa – server farm, addestramento di modelli, manodopera ingegneristica e così via – ma la domanda era insufficiente. Alla fine del 2025, Wu affermò che il numero di persone disposte a pagare 20 dollari al mese per l’IA generativa era inferiore a quello delle persone disposte a pagare 20 dollari al mese per Netflix. Per generare domanda per un prodotto con cui i loro datori di lavoro erano finanziariamente coinvolti, le aziende tecnologiche spingevano i dipendenti a utilizzare i chatbot indipendentemente dal fatto che tale domanda producesse un output commisurato.
Ad esempio, Meta e Shopify hanno creato classifiche interne per monitorare e premiare l’utilizzo dei token. Il Ceo di Nvidia, Jensen Huang, dice che sarebbe «profondamente allarmato» se un ingegnere non utilizzasse token per un valore di almeno 250.000 dollari in un anno, e che questo non è diverso da uno dei nostri progettisti di chip che dice: «Indovinate un po’? Userò carta e penna». Questo, ovviamente, dopo che Nvidia ha investito 30 miliardi di dollari in OpenAI, finanziando la domanda per il proprio prodotto.
A gennaio, Accenture ha comunicato ai dirigenti che, per essere presi in considerazione per le promozioni, avrebbero dovuto utilizzare regolarmente strumenti di intelligenza artificiale. «Vorrei che ci fosse maggiore trasparenza sull’applicazione dell’uso dell’IA da parte dei dirigenti – spiega un dipendente di Accenture a Jacobin – La politica è vaga. Temo che incoraggerà le persone a usare l’IA solo per raggiungere un obiettivo».
Il problema della realizzazione è stato quindi rimandato attraverso una combinazione di creazione fittizia della domanda e prezzi sovvenzionati. È stato ulteriormente oscurato dalla logica di finanziamento circolare del settore, in cui un piccolo gruppo di imprese si è isolato dalla logica di mercato finanziandosi, fornendo e vendendosi reciprocamente prodotti in un circuito chiuso.
Alla fine del 2025, Anthropic ha rilasciato il suo modello Claude Opus 4.5, un modello di intelligenza artificiale agentiva destinato ai «lavoratori della conoscenza». Opus 4.5 rappresenta un vero e proprio traguardo tecnologico sotto ogni punto di vista convenzionale. Il modello è anche notevolmente più costoso da gestire e ha portato sia a un cambiamento nella strategia di prezzo sia a una rottura con la precedente retorica dell’IA come utilità universale.
I token sono l’unità di dati di base elaborata dai modelli di intelligenza artificiale. Chiacchierare con un chatbot utilizza diverse centinaia di token per paragrafo.
Le attività di intelligenza artificiale agentiva, in cui i modelli navigano autonomamente sul web, scrivono ed eseguono codici o gestiscono flussi di lavoro complessi, possono rapidamente consumare milioni di token.
Secondo l’imprenditore e investitore della Silicon Valley Vasudev Bhandarkar, il motivo principale per cui l’intelligenza artificiale agentiva è esponenzialmente più costosa risiede nella sua molteplicità (la capacità di gestire molte chiamate contemporaneamente), nella quantità di contesto che può trasportare, nella sua capacità di verifica, nell’utilizzo di strumenti esterni e nell’elevato costo in caso di errore. Il passaggio dall’intelligenza artificiale conversazionale a quella agentiva rappresenta un enorme salto in termini di intensità di risorse.
Dall’inizio del 2026, Anthropic ha progressivamente introdotto supplementi basati su token, livelli di inferenza premium, fatturazione separata per gli agenti autonomi e misurazione basata su crediti per l’utilizzo degli strumenti e le integrazioni. All’inizio di maggio, l’azienda ha annunciato che gli abbonati a Claude avrebbero dovuto affrontare un contatore di crediti mensile separato per gli strumenti degli agenti e gli strumenti di terze parti (strumenti che incapsulano il modello Claude) fatturati alle tariffe complete dell’interfaccia di programmazione delle applicazioni (Api) a partire da metà giugno. Contattato per un commento, un ricercatore anonimo specializzato in modelli linguistici di grandi dimensioni (Llm) ha dichiarato a Jacobin:
A partire da Claude Opus 4.5, i fornitori di modelli stanno dando sempre più priorità alle capacità agentive e agli accordi business-to-business (B2B), a scapito dei consumatori finali. Aziende come Google e OpenAI, pur rimanendo interessate all’adozione di massa, stanno cambiando strategia. Anthropic, invece, ha privilegiato il B2B fin dall’inizio.
La direzione è chiara: le forme di intelligenza artificiale più potenti e che richiedono un’elevata potenza di calcolo sono la priorità e saranno sempre più razionate ai lavoratori qualificati delle grandi aziende, i cui datori di lavoro possono permettersele. All’inizio di marzo, Claude ha brevemente superato ChatGPT per numero di utenti attivi giornalieri, registrando un aumento del 1.487% nell’utilizzo. La domanda c’è. Il modello di prezzo per sostenerla a livelli di accesso democratici e accessibili non esiste. Per dirla con le parole di Bhandarkar: «La domanda è: l’intelligenza artificiale diventerà come l’elettricità o i jet privati?».
Leggi anche…
I sistemi Gpt sono macchine ideologiche
La transizione che nessuno ha votato
Oppure, al momento, la risposta del settore a questa contraddizione è che l’IA si ripagherà da sola grazie ai guadagni in «produttività». L’esperienza recente di Uber suggerisce che la questione potrebbe non essere così semplice. Dopo aver speso 3,4 miliardi di dollari in IA nel 2025, Uber ha esercitato una forte pressione interna sui suoi cinquemila ingegneri affinché adottassero Claude, con classifiche che incentivavano il massimo utilizzo.
L’azienda ha esaurito l’intero budget per l’IA previsto per il 2026 entro aprile. Il direttore tecnologico di Uber ha ammesso di essere «tornato al punto di partenza perché il budget che pensavo mi sarebbe servito è già stato ampiamente superato».
Il valore d’uso dell’IA e i suoi costi per il capitale hanno avuto una divergenza. I guadagni di produttività sono probabilmente reali, ma insufficienti. Ad esempio, il consumo per sviluppatore presso Uber è aumentato da cinque a venti volte, ma nessun parametro di riferimento pubblico mostra un aumento corrispondente del «valore di output».
Secondo il ricercatore della Llm, «che tu sia un fornitore di modelli o un’azienda tecnologica nell’economia dell’IA, la concorrenza è agguerrita e si avverte la pressione di mantenere alti i costi, anche se si investe più di quanto si dovrebbe o si può». Per ora, non ci sono prove che i conti tornino e, soprattutto, non ci sono prove che debbano farlo. Lo stesso sistema di finanziamento circolare consente al settore di continuare a spendere senza conciliare costi e rendimenti.
Anche se l’intelligenza artificiale alla fine si ripagasse da sola in un’azienda come Uber, cosa significherebbe per la maggior parte dei lavoratori esclusi da questi vantaggi? In altre parole, anche se l’IA fosse produttiva nel complesso, per chi si concretizzerebbe questo valore in termini di produttività? I guadagni in termini di efficienza riguardano principalmente il lavoro intellettuale, ma i costi – prezzi più elevati, accesso razionato, precarietà del lavoro e, soprattutto, devastazione ambientale – sono ripartiti in modo ineguale.
Sebbene le aziende che hanno imposto il consumo di IA non abbiano un piano chiaro per finanziare l’aumento dei costi, hanno dimostrato una notevole capacità di assicurarsi finanziamenti innovativi e di rimandare il momento del giudizio attraverso i mercati dei capitali. La preoccupazione principale non riguarda i bilanci dell’economia dell’IA, ma il fatto che si sia disposti ad accettare passivamente questo compromesso. È possibile rinegoziare i termini di questa transizione?
*Sophie Bandarkar è una scrittrice, organizzatrice e dottoranda in economia. Vive a Parigi. Questo articolo è uscito su JacobinMag. La traduzione è a cura della redazione
© 2026 Jacobin Ital
PAROLE LIBERE 