Curva dei costi dell'AI aziendale: il divario di ROI del 29%

Il divario che tutti interpretano male

Il cinquantanove percento delle organizzazioni riversa almeno 1 milione di dollari all'anno nell'AI. Il ventinove percento dichiara ritorni significativi. Il consenso legge quel divario come un fallimento.

Il consenso ha sbagliato inquadramento. Si tratta di un artefatto di prezzo della curva dei costi di calcolo dell'AI, e si dissolve secondo un calendario preciso.

Le imprese hanno acquistato l'accesso ai foundation model a prezzi del 2024 mentre il costo dell'inferenza scende lungo una traiettoria simile a quella del solare. Secondo l'indagine WRITER 2026 sull'adozione dell'AI aziendale, il 29% delle aziende registra un ROI significativo, a fronte di guadagni di produttività individuale pari a 5X. Quel paradosso rivela dove si nasconde il valore.

Cosa osserva il consenso rispetto a cosa predice il futuro

Gli analisti osservano la spesa trimestrale e il ritorno trimestrale. Tracciano il rapporto e lo chiamano verdetto. Quel rapporto misura il presente con precisione.

Il presente è la variabile sbagliata. La variabile che predice gli esiti dell'AI aziendale è il costo per unità di intelligenza, e la sua derivata seconda.

Il novanta percento degli analisti legge correttamente i dati attuali. Legge male il ritmo del cambiamento. Quando il costo di input crolla in una finestra di 18 mesi, ogni calcolo di ROI costruito sul prezzo odierno del token diventa obsoleto prima del rinnovo del contratto.

Gli uffici di Wall Street pubblicano la lettura pessimista e la chiamano rigore. Quegli uffici sono in ritardo rispetto alla curva. Prezzano il presente, e il presente porta con sé la minima informazione su un mercato definito dal calo del costo marginale.

La curva dei costi di calcolo dell'AI

Si può chiamare traiettoria qualcosa quando tre punti dati la ancorano. Il costo dell'inferenza per prestazioni di classe GPT-4 è calato bruscamente attraverso rilasci di modelli e generazioni di hardware successivi a partire dal 2023.

Il pattern rispecchia il fotovoltaico solare, dove il costo dei moduli è calato di circa il 90% nel decennio dal 2010 al 2020, secondo i dati IEA. Il calcolo segue la stessa forma: ogni raddoppio della capacità distribuita spinge il costo verso il basso di una percentuale prevedibile.

La curva impone una conclusione chiara. L'accesso generico e indifferenziato ai foundation model diventa una commodity. Il margine migra. Lo strato che cattura il valore si sposta dal modello all'applicazione verticale con un fossato di dati proprietari.

L'evento a strapiombo

L'adozione tende a saltare più che a salire gradualmente. L'uso dell'AI nelle imprese canadesi è triplicato in due anni, passando dal 6,1% nel Q2 2024 al 19,2% nel Q2 2026, secondo i dati di Statistics Canada citati da Tech Insider.

Evento a strapiombo: l'inferenza equivalente a GPT-4 raggiunge circa 0,001 dollari per token entro la fine del 2026. A quel prezzo, l'aritmetica del ROI si inverte.

Il 79% delle aziende che segnalano sfide di adozione affronta oggi un ostacolo di costo. Una volta che il prezzo di input supera quella soglia, l'ostacolo svanisce e la quota di ROI dichiarato sale. Il muro era economico fin dall'inizio.

Il meccanismo è meccanico. Token più economici permettono a un flusso di lavoro di chiamare il modello dieci volte laddove il budget prima consentiva una sola chiamata. La qualità per compito aumenta, i tassi di errore calano, e la produttività che i lavoratori già segnalano si converte in ritorno misurato.

Perché l'azienda si sta lacerando

Il cinquantaquattro percento dei rispondenti C-suite ha dichiarato che l'adozione dell'AI sta lacerando internamente la propria azienda, spinta dalle lotte per la titolarità del budget e dalla proliferazione degli strumenti.

Quelle lotte sono un vuoto di governance travestito da budget. Quando il costo di un modello era alto, l'approvvigionamento lo centralizzava. Il controllo centrale ha creato la guerra di territorio.

Man mano che la curva dei costi di calcolo spinge i prezzi verso lo zero, il calcolo si ribalta. La governance dell'AI smette di riguardare il razionamento di una capacità scarsa e diventa questione di instradare capacità abbondante verso dati proprietari. Le aziende che riformulano la governance attorno ai fossati di dati risolvono la guerra interna. Le aziende che continuano a litigare sull'accesso generico continuano a sanguinare.

La guerra interna rivela una verità più profonda. Il valore stava migrando mentre l'organigramma litigava su un asset in scadenza.

Il segnale canadese

Un'indagine separata di RSM pubblicata a luglio 2026 ha rilevato che le aziende canadesi sono in ritardo rispetto ai concorrenti americani sia nell'integrazione dell'AI sia nei ritorni misurati.

Il consenso legge quel ritardo come un problema di competitività. Leggi invece la curva. Il ritardo è un divario di tempistica, e i divari di tempistica si chiudono in fretta quando i costi di input calano per tutti contemporaneamente.

L'adozione canadese triplicata in due anni segnala già il salto che ci attende. Il divario nei ritorni misurati riflette contratti precedenti a prezzi più alti, e si comprime man mano che la curva dei costi di calcolo fornisce intelligenza più economica ai ritardatari e ai leader allo stesso modo.

La lezione per qualsiasi dirigente al di fuori degli Stati Uniti: la finestra per costruire un fossato di dati si allarga proprio perché lo strato del modello si trasforma uniformemente in commodity oltre i confini.

La mia posizione

La mia posizione è diretta. Il divario di ROI dell'AI aziendale è un artefatto temporaneo della curva dei costi di calcolo, e si chiude man mano che i foundation model si trasformano in commodity nel corso del 2026, spostando il margine verso applicazioni verticali con dati proprietari.

La prova sta nella discesa stessa: tre generazioni di prezzi dei token in calo, l'analogia solare, e curve di adozione che saltano invece di strisciare.

Cosa mi farebbe cambiare idea? Un pavimento strutturale sotto il costo dell'inferenza. Se i prezzi dei token si appiattissero per tre trimestri consecutivi mentre l'offerta di hardware si restringe, la tesi della commoditizzazione crolla e l'accesso generico ai modelli mantiene potere di prezzo. Osservo quel pavimento da vicino.

Tre categorie che cambiano forma entro il 2028

Tre categorie aziendali che svaniscono nella loro forma attuale:

• I rivenditori di capacità AI generica, il cui prodotto diventa acqua
• I copilot orizzontali senza fossato di dati, assorbiti nello strato della piattaforma
• I team di approvvigionamento che bloccano contratti pluriennali su accesso generico, arenati su prezzi obsoleti

Per il CTO, la mossa è ricostruire lo stack attorno a un fossato di dati ora, prima che il segnale di prezzo lo renda ovvio. Per il venture capital, la scommessa che sembra impossibile sta nelle applicazioni verticali con dati proprietari, prezzate come se lo strato del modello rimanesse costoso.

Per il Chief Strategy Officer, qualsiasi piano triennale che presuppone l'economia odierna dei token presuppone un mondo in procinto di sparire. Per l'approvvigionamento tecnologico, il pericolo è concreto: un vincolo di fornitore sulla capacità generica diventa una responsabilità nel momento in cui il mercato riprezza la stessa capacità verso lo zero.

Altre traiettorie di mercato da questa redazione si trovano sull'indice del blog AGORA.

La previsione

Previsione: entro la fine del 2026, l'inferenza equivalente a GPT-4 raggiunge circa 0,001 dollari per token, e la quota di imprese che dichiarano un ROI significativo dell'AI sale sopra il 45%, in aumento rispetto al 29% registrato dall'indagine WRITER.

Fiducia: alta sulla tecnologia, media sulla cifra esatta di ROI. La curva dei costi di calcolo sostiene la prima metà. Il ritardo di adozione introduce varianza nella seconda.

Segnale di smentita: i prezzi dei token si appiattiscono per tre trimestri consecutivi mentre la quota di ROI dichiarato resta sotto il 35%. Quella combinazione falsificherebbe la tesi dell'artefatto di prezzo e restituirebbe l'argomento agli scettici.