ADSENSE
|
Questo post é stato letto 80 volte!
Openai e anthropic: il vero business dell’ai
L’uso enterprise dei modelli linguistici di grandi dimensioni (LLM) sta crescendo rapidamente, con agenti di coding, API e automazione che spingono OpenAI e Anthropic verso un possibile product-market fit reale.
Questo scenario evidenzia come realtà del calibro di OpenAI e Anthropic potrebbero aver superato il momento più delicato della loro storia economica, ovvero la conversione della vasta popolarità dei modelli linguistici in ricavi concreti e costanti.
La svolta economica nel settore AI
Questa tesi è supportata da Simon Willison, noto sviluppatore e ricercatore nel campo dell’AI open source.
Nelle ultime settimane, Willison ha evidenziato una serie di indicatori apparentemente slegati: un incremento improvviso degli investimenti in AI nelle grandi aziende, modifiche aggressive nelle politiche di pricing enterprise, un aumento delle assunzioni in ambito commerciale e consumi infrastrutturali ormai colossali.
Secondo Willison, i dati dimostrano che le aziende hanno iniziato a investire significativamente nell’uso degli agenti AI, non più solo per progetti pilota o cifre marginali, ma con budget aziendali consistenti e ricorrenti.
Dalla popolarità alla monetizzazione
Per diversi anni, il settore dell’AI generativa ha presentato una chiara contraddizione: milioni di utenti e un entusiasmo costante si contrapponevano a margini ancora poco chiari e costi infrastrutturali elevatissimi.
Willison suggerisce che aprile 2026 potrebbe aver segnato un punto di svolta.
Basti pensare al successo iniziale di ChatGPT nel 2023: OpenAI raggiunse numeri impressionanti di utenti attivi, ma la monetizzazione su vasta scala si rivelò complessa.
Un abbonamento consumer da 20 dollari al mese non è sufficiente a sostenere infrastrutture che valgono centinaia di miliardi.
Oggi, invece, i laboratori di AI stanno offrendo strumenti che consumano enormi quantità di token e sono impiegati quotidianamente da professionisti altamente qualificati come sviluppatori software, ingegneri, analisti e knowledge worker, ovvero lavoratori che generano valore attraverso conoscenze specialistiche e capacità analitiche.
Cambiamenti nelle politiche di pricing e reazioni del mercato
Un aspetto cruciale evidenziato da Willison riguarda la quasi impercettibile modifica delle politiche commerciali di Anthropic e OpenAI.
Fino a pochi mesi fa, molte aziende sottoscrivevano abbonamenti enterprise con costi prevedibili, spesso con un consumo incluso entro soglie operative definite.
Nel corso del 2025 e, in particolare, nella prima metà del 2026, la situazione è mutata radicalmente.
Aumenti di prezzo e accettazione aziendale
Anthropic ha rivisto il proprio piano enterprise nel novembre 2025.
Il modello precedente garantiva un “utilizzo sufficiente per una tipica giornata lavorativa”, mentre il nuovo schema combina un costo per postazione con il consumo effettivo delle API.
In pratica, le aziende non acquistano più solo accessi utente, ma pagano direttamente i token generati dagli agenti.
OpenAI ha adottato un approccio simile con Codex, il suo agente AI per lo sviluppo software.
Il 2 aprile 2026, l’azienda ha aggiornato il sistema tariffario, passando da un pricing basato sui messaggi a uno basato sul consumo effettivo dei token, allineato alle API pubbliche.
Questa modifica è stata poi estesa ai clienti ChatGPT Enterprise, Edu, Health, Gov e Teachers il 23 aprile successivo.
La cosa interessante è che le aziende sembrano aver accettato questa trasformazione senza significative proteste commerciali.
Willison interpreta questo come un chiaro segnale di product-market fit: i fornitori aumentano i prezzi e eliminano gli sconti impliciti, ma i clienti continuano a utilizzare i loro prodotti.
Non solo, i modelli “frontier”, i più avanzati disponibili, sono anche più costosi: GPT-5.5, rilasciato il 23 aprile 2026, ha un costo API circa doppio rispetto a GPT-5.4; Claude Opus 4.7, presentato pochi giorni prima, aumenta il costo reale rispetto a Opus 4.6 di circa il 40%, considerando anche il nuovo tokenizer adottato da Anthropic.
In sostanza, i laboratori di AI non stanno riducendo i prezzi per accelerare l’adozione enterprise, ma stanno facendo l’esatto contrario.
Il ruolo cruciale dei coding agent e i costi infrastrutturali
La tesi di Willison si concentra principalmente sugli agenti di coding, piuttosto che sui chatbot generici.
Un moderno agente di coding opera in modo persistente: analizza interi repository Git, modifica decine di file, esegue test automatici, consulta documentazione, apre pull request e interagisce con shell Linux o container remoti.
Ogni operazione genera un enorme traffico di token e, soprattutto, tende a creare valore economico diretto.
Consumi elevati e la vera sfida della redditività
Willison cita anche il proprio caso personale.
Utilizzando il tool ccusage sul suo laptop, ha stimato un consumo teorico di circa 1.199 dollari in token Claude Code e 980 dollari in token OpenAI Codex nell’arco di 30 giorni.
Il totale ammonta a oltre 2.180 dollari di utilizzo effettivo, a fronte di soli 200 dollari spesi in abbonamenti Max e Pro.
Un singolo sviluppatore esperto può facilmente generare oltre 1.000 dollari mensili di traffico AI.
Se moltiplicato per team aziendali composti da centinaia o migliaia di persone, il volume economico cresce rapidamente.
Per questo motivo, OpenAI e Anthropic hanno deciso di iniziare a monetizzare seriamente gli utilizzi spiccatamente business dei loro strumenti.
Il fatto che i laboratori di AI abbiano trovato il product-market fit non implica la risoluzione del problema della redditività.
L’infrastruttura necessaria per addestrare e gestire i modelli “frontier” continua a essere estremamente costosa.
Secondo la documentazione, Anthropic avrebbe siglato accordi per accedere alla capacità computazionale dei cluster xAI (nell’orbita di Elon Musk) COLOSSUS e COLOSSUS II, pagando circa 1,25 miliardi di dollari al mese fino a maggio 2029.
Il dettaglio più significativo è che Anthropic collega esplicitamente questo accordo all’aumento dei limiti d’uso di Claude Code e della Claude API.
Questo suggerisce che una parte enorme della spesa infrastrutturale riguarda l’inferenza quotidiana e non solo il training dei modelli. È qui che si giocherà la vera partita economica dei prossimi anni: i laboratori di AI hanno dimostrato di poter generare domanda; resta da vedere se riusciranno a sostenere nel lungo periodo i costi colossali necessari per alimentarla.
Willison conclude che la conferma definitiva arriverà solo con le future quotazioni in borsa di Anthropic e OpenAI: i documenti resi pubblici in occasione delle IPO potrebbero finalmente mostrare numeri verificabili su margini, ricavi enterprise, costi di inferenza e sostenibilità economica reale.
Costi crescenti e la percezione del successo
Una parte molto interessante dell’analisi di Willison riguarda il modo in cui i media stanno raccontando i costi crescenti dell’AI enterprise.
Negli ultimi mesi, diverse testate hanno parlato di aziende preoccupate per l’aumento delle spese AI.
L’esperto interpreta questi episodi in modo quasi opposto.
Il caso più discusso riguarda Uber.
Alcuni report sostenevano che l’azienda avesse praticamente esaurito il budget AI annuale già nei primi mesi del 2026, soprattutto a causa dell’uso di Claude Code.
Per molti osservatori, questo sarebbe un segnale negativo, mentre Willison non è d’accordo.
La sua osservazione è piuttosto semplice: se Claude Code è diventato davvero utile solo nel novembre 2025, è perfettamente plausibile che i budget pianificati nel 2025 non fossero in grado di prevedere l’esplosione di utilizzo avvenuta nel 2026.
Anche le dichiarazioni del COO di Uber, Andrew Macdonald, sarebbero state interpretate in modo eccessivamente catastrofico.
Macdonald spiegava che circa il 25% dei commit di codice dell’ultimo trimestre derivava da Claude Code, ma che risultava ancora difficile misurare con precisione l’impatto finale sulla produzione di funzionalità utili.
Uber non ha detto “l’AI non funziona”; ha dichiarato qualcosa di molto diverso: “la stiamo usando così tanto che i costi stanno crescendo più velocemente della nostra capacità di misurarne il ROI” (return on investment).
Una situazione simile emerge anche nel caso Microsoft.
Alcune indiscrezioni parlavano della cancellazione di licenze Claude Code interne per motivi finanziari.
Secondo Willison, anche questo potrebbe rappresentare un segnale di product-market fit (momento in cui un’azienda offre un prodotto che soddisfa una forte domanda di mercato) piuttosto che di fallimento.
La sua interpretazione richiama una vecchia regola del pricing software: il prezzo ideale è quello che spinge il cliente a esitare un momento… per poi accettare comunque.
Le AI lab costruiscono strutture enterprise
Un altro dettaglio spesso trascurato riguarda le assunzioni.
Willison ha analizzato centinaia di offerte di lavoro pubblicate da OpenAI e Anthropic utilizzando Claude Code, Datasette e Datasette Agent.
I numeri sono significativi.
OpenAI pubblicava oltre 700 posizioni aperte, con circa un terzo legate ad attività enterprise: account executive, supporto commerciale, go-to-market e Forward Deployed Engineers.
Anthropic mostrava una proporzione simile. È un passaggio molto importante perché suggerisce che i laboratori di AI non si percepiscono più soltanto come aziende di ricerca o piattaforme API.
Stanno costruendo organizzazioni commerciali enterprise tradizionali, molto simili ai grandi vendor di software B2B.
Paradossalmente, le aziende che promettono automazione tramite AI stanno aumentando fortemente le assunzioni umane per vendere e supportare quei sistemi.
Questo post é stato letto 80 volte!