Tenere sotto controllo i costi dell'IA: quanto costa davvero costruire con l'IA

La prima fattura dell'IA raramente sorprende perché i prezzi sono alti. Sorprende perché in testa c'è il modello sbagliato: l'idea di pagare a domanda. In realtà si paga una quantità di testo, e per tutto il testo che accompagna ogni singola chiamata. Una volta capita questa differenza, le decisioni mentre si costruisce cambiano subito.

Questo articolo spiega il meccanismo, non i prezzi del giorno. Le cifre cambiano, i piani vengono rinominati, le promozioni vanno e vengono. Le quattro leve sottostanti restano le stesse, che si lavori con Claude, ChatGPT, Gemini o un modello locale.

Si fattura per token, non per domanda

Un token è un frammento di testo: a seconda della lingua, da mezza parola a una intera. I fornitori fatturano separatamente ciò che entra e ciò che esce, e i token di input sono di norma nettamente più economici di quelli di output. Una domanda breve con una risposta lunghissima può quindi costare più di una domanda lunga con una risposta asciutta.

Ne deriva una conseguenza pratica immediata: «sii breve» non è una formula di cortesia, è un'istruzione di costo. Indicare formato e lunghezza nell'incarico delimita la metà cara della fattura. È anche il motivo per cui un incarico preciso rende due volte, in qualità e in denaro. Come si costruisce è spiegato in il tuo primo buon prompt.

Il contesto è il vero motore della spesa

Qui sta la sorpresa che spiega la maggior parte delle fatture: un modello linguistico non ha memoria tra due chiamate. Perché una conversazione sembri una conversazione, a ogni nuovo passo viene rispedito lo storico precedente, e quel rinvio viene riaddebitato come input.

Il ventesimo passo di una sessione paga dunque anche i diciannove precedenti. In una sessione di programmazione, dove nello storico finiscono anche file, messaggi di errore e output degli strumenti, questo carico di base cresce in fretta. Dieci conversazioni brevi e pulite costano regolarmente meno di una lunga che si trascina tutto dietro.

Da qui un'abitudine che fa risparmiare più di qualsiasi confronto di prezzi: aprire una nuova conversazione appena cambia l'argomento. Non per ordine, ma perché altrimenti il vecchio storico si paga a ogni passo successivo. Lo stesso vale per gli agenti: un incarico ben delimitato con un criterio di arresto chiaro genera meno chiamate agli strumenti dell'esplorazione aperta che gli agenti IA tendono altrimenti ad avviare.

Abbonamento e API sono due mondi distinti

Un abbonamento a pagamento è una quota fissa con limiti d'uso: paghi un importo mensile e ogni tanto sbatti contro un tetto. L'API funziona all'opposto: non comprende alcuna quantità inclusa e fattura ogni chiamata singolarmente. In cambio non blocca nulla, finché il metodo di pagamento regge.

I due mondi restano separati: un piano non include credito API, e l'uso dell'API passa da un account proprio con limiti di frequenza e fatturazione dedicati. Confonderli porta ad aspettare inutilmente un azzeramento oppure ad avviare senza volerlo un uso a pagamento. Quale limite ti sta bloccando e quando si rinnova è spiegato nell'articolo sui limiti di Claude e Codex.

Nella pratica quotidiana: il lavoro manuale va nell'abbonamento, l'automazione nell'API, e l'automazione ha bisogno di un tetto.

Quattro leve che cambiano davvero la cifra

Tenere piccolo il contesto è la leva più forte e insieme la più economica, perché agisce a ogni singola chiamata. Chat nuova per argomento nuovo, solo il file rilevante invece dell'intera cartella, niente log di errore incollati per intero.

Mettere in cache ciò che si ripete. Quando molte chiamate condividono lo stesso lungo inizio — un'istruzione di sistema, un regolamento, un documento di riferimento — i fornitori offrono proprio questo: Anthropic come prompt caching con validità breve, Google come context caching nell'API Gemini. La parte ricorrente viene poi fatturata a meno rispetto a una ritrasmissione completa. Con prompt brevi e sempre nuovi la cache non serve: conviene solo quando c'è ripetizione reale.

Elaborare a lotti invece che una chiamata per volta. Se un compito non deve essere pronto subito, l'elaborazione asincrona è la via economica. Anthropic offre i message batch, Google un'API batch. Il prezzo è il tempo di attesa, quasi sempre irrilevante per analisi notturne, traduzioni di massa o preparazione dati.

Scegliere la dimensione di modello giusta. Il modello più grande non produce sempre il risultato più caro. Per compiti ben delimitati e verificabili meccanicamente basta spesso un modello piccolo. Per pianificazione aperta e debug difficile il modello grande costa spesso meno, perché risolve al primo tentativo invece che al quarto. Tre tentativi economici falliti costano più di uno costoso riuscito.

Il tetto viene prima dell'esperimento

Le fatture più salate non nascono da modelli costosi, ma da cicli che nessuno ha fermato: uno script che riprova a ogni errore, un agente senza criterio di arresto, un processo pianificato e dimenticato. Senza tetto di spesa lo scopri dalla fattura.

Da qui un ordine semplice: impostare il tetto di spesa sull'account del fornitore prima che parta la prima chiamata automatizzata. Non dopo, non «quando andrà in produzione». Aiutano inoltre limiti di frequenza bassi per le chiavi nuove, chiavi API separate per progetto e un budget massimo di token per risposta.

La routine mensile di cinque minuti

Il controllo dei costi non è un'impostazione una tantum. Bastano quattro domande al mese:

• Il consumo corrisponde a quello che ho davvero fatto?
• C'è ancora una chiamata automatizzata attiva che avevo dimenticato?
• Esiste un lungo inizio ricorrente non ancora messo in cache?
• La scelta del modello è ancora adatta al compito o è solo un'eredità?

Fa fede sempre la vista consumi del fornitore, non la stima personale. Anthropic offre inoltre una Usage and Cost API con cui interrogare consumo e spesa in modo programmatico e portarli in una dashboard propria.

Cosa questo articolo volutamente non fa

Non indica prezzi precisi per milione di token né confronti di piani in euro. Cifre simili diventano sbagliate il giorno in cui un fornitore le cambia, e succede più spesso di quanto convenga a un articolo. I valori vincolanti stanno nelle pagine prezzi collegate e nella vista del tuo account.

Quello che resta è il meccanismo: token invece di domande, il contesto come moltiplicatore, portafogli separati per piano e API, e un tetto che agisce prima dell'errore invece che dopo. Sistemate una volta queste quattro cose, i costi dell'IA smettono di essere un pensiero ricorrente.