L’esercito americano ha consumato l’intera riserva annuale di token AI in poche settimane. Non è un dettaglio tecnico: è il segnale che l’adozione dell’intelligenza artificiale nelle grandi organizzazioni sta correndo molto più veloce di quanto i responsabili finanziari avessero messo a budget.
La piattaforma in questione è Ask Sage, un sistema multimodale di AI generativa che permette agli utenti di accedere a modelli diversi — tra cui Gemini di Alphabet, Llama di Meta e i modelli di OpenAI. L’Army Enterprise Large Language Model Workspace, alimentato da Ask Sage, è stato lanciato a maggio nell’ambito di un contratto quinquennale da 49 milioni di dollari. Il decollo è stato immediato: secondo l’Army CIO Leonel Garciga, la piattaforma è passata da zero a circa 19.000 utenti in meno di 45 giorni. Un’adozione così rapida ha un prezzo, letteralmente, perché Ask Sage fattura per token consumati. E i token sono finiti.
Il fenomeno non riguarda solo il Pentagono. Meta ha dovuto chiudere una classifica interna che monitorava il consumo di token per dipendente: la competizione tra ingegneri a chi ne usava di più stava spingendo i costi verso miliardi di dollari nel 2026. Adam Mosseri, responsabile di Instagram, ha descritto il meccanismo con una certa franchezza: costruire un “inceneritore di token” è semplice, ma non produce nessun valore. La divisione ha poi tagliato queste attività, quelle che Mosseri ha chiamato “the silly things”, riportando la spesa sotto controllo — almeno per ora. Mosseri ha anche avvertito che entro uno o due anni i budget di token per singolo ingegnere potrebbero diventare una linea di costo paragonabile allo stipendio. Anche Uber ha bruciato l’intero budget AI destinato al 2026 già ad aprile, aprendo una revisione interna.
Il token è l’unità con cui i modelli di linguaggio elaborano testo — input e output — ed è la base su cui vengono calcolati i costi d’uso. Ogni prompt, ogni risposta generata, ogni documento analizzato consuma token. Quando un’organizzazione grande scala l’accesso a migliaia di utenti senza imporre limiti, la curva di spesa sale molto in fretta. Il problema non è la tecnologia in sé, ma l’assenza di governance: nessun tetto, nessun criterio di priorità, nessuna distinzione tra uso ad alto valore e spreco puro.
Bret Taylor, presidente di OpenAI, ha una visione diversa. Intervenuto su CNBC, ha detto che i CFO che oggi perdono il sonno per i token smetterebbno di farlo entro dodici mesi. La sua previsione è che il mercato maturerà: altri soggetti — fornitori, intermediari, software verticali — assorbiranno la gestione dei token, togliendo questo peso alle aziende clienti. Taylor ha citato Ramp, che ha già lanciato uno strumento per monitorare la spesa in token, e Harvey, la startup di AI legale, come esempi di attori che gestiscono i token per conto dei propri clienti. Il suo scenario a lungo termine è un modello basato sui risultati: si paga per ciò che l’AI produce, non per ogni unità di testo elaborata. Ha anche respinto l’idea che i modelli open-weight cinesi a basso costo — come Kimi K3 di Moonshot, che ha attirato l’attenzione di Silicon Valley — rappresentino una risposta definitiva al problema. Secondo Taylor, l’efficienza nell’inferenza conta più del prezzo per token grezzo, e su questo i modelli proprietari di frontiera restano avanti.
La traiettoria è abbastanza chiara. I costi dei token scenderanno, sospinti dalla competizione tra i grandi lab e dall’arrivo di modelli sempre più efficienti. Ma nel frattempo le organizzazioni — militari, tech o industriali — devono imparare a trattare i token come qualunque altra risorsa finita: con criteri di allocazione, soglie di spesa e una distinzione netta tra sperimentazione e produzione. Chi non lo fa scopre tardi di aver bruciato l’intero budget annuale in sei settimane.
