Il Layer dei Modelli È Ora una Utility. Il Layer Applicativo È l'Economia.

Il layer dei modelli è diventato una utility. GPT-5.6 Luna a $1 per milione di token di input segna l'inaugurazione formale dell'era dell'intelligenza come utility — e le imprese che trattano l'AI come un servizio premium stanno prezzando male il prossimo decennio.

Perché il consenso ha la cornice sbagliata

La narrativa dominante inquadra il prezzo di $1/milione di Luna come prova che le aziende AI sono in una corsa al ribasso — la commoditizzazione distrugge valore lungo tutta la catena. Gli analisti citano pressione sui prezzi, margini in erosione e frammentazione competitiva come segnali d'allarme. Stanno osservando la variabile sbagliata. Secondo il TokenCost AI Price Index, il costo minimo per l'intelligenza LLM capace è calato di 300 volte dal 2023, seguendo la traiettoria storica dell'elettricità, della banda larga e del cloud compute — tutte tecnologie precedute da una creazione di valore esplosiva nei layer applicativi superiori. La commoditizzazione del layer dei modelli è la precondizione per le applicazioni da trilioni di dollari: il fondamento abilitante, la forza generativa, l'infrastruttura su cui si costruiscono gli imperi. La curva dei costi indica che il layer applicativo è il vincitore.

La curva dei costi

I dati sono inequivocabili. Marzo 2023: GPT-4 lancia a $30 input / $60 output per milione di token — l'intelligenza frontier come lusso riservato ai team ben finanziati. Maggio 2024: GPT-4o arriva a $5 input / $15 output — un calo dell'83% in 14 mesi per prestazioni equivalenti. Ottobre 2024: GPT-4o viene riprezzato a $2,50 input / $10 output mentre la pressione competitiva di DeepSeek V3 ($0,14/milione) ridisegna le aspettative di mercato. Luglio 2026: GPT-5.6 Luna a $1 input / $6 output — un crollo del 97% dal prezzo di lancio di GPT-4 in 40 mesi, mentre Luna supera le performance di benchmark di GPT-4 in ogni suite di valutazione principale.

Dall'analisi di sei fonti primarie condotta da AGORÀ Intelligence, questa traiettoria rispecchia i costi di generazione elettrica tra il 1880 e il 1920: un calo del 95% in quattro decenni che ha reso possibile l'economia industriale, seguito da un secolo di creazione di valore nel layer applicativo che ha eclissato il layer utility che lo ha abilitato. La versione AI sta comprimendo quella timeline di un fattore dieci.

L'evento di discontinuità

La discontinuità nell'adozione arriva quando i token di input frontier attraversano la soglia di $0,50/milione — il punto in cui il costo dell'intelligenza in un workflow aziendale standard scende al di sotto del costo di un singolo giudizio umano su quel workflow. Alla traiettoria attuale, quel passaggio avviene nel Q1–Q2 2027. Il solare ha raggiunto il suo momento di svolta nel 2013-2014, quando il costo utility-scale a mercato libero ha attraversato la soglia di $100/MWh; la capacità installata globale è triplicata nei quattro anni successivi. L'adozione degli SSD è esplosa nel trimestre in cui si è raggiunta la parità di prezzo per gigabyte con gli HDD — l'intera postura storage enterprise è cambiata in 24 mesi. L'intelligenza si avvicina alla propria soglia di parità. Le imprese che hanno costruito data moat — transazioni proprietarie, cartelle cliniche, biblioteche di precedenti legali, grafi di comportamento clienti — dispiegheranno a piena scala la settimana in cui quella soglia viene attraversata. Chi ha atteso modelli migliori scoprirà che il data moat era la variabile decisiva, e il modello era la commodity sottostante. Questo è un cambiamento di regime.

Tre settori che appariranno diversi entro il 2028

1. Legal technology: La revisione documentale completa a prezzi Luna diventa economicamente praticabile per i team legali del mercato medio, estendendosi ben oltre i grandi studi. Gli studi con database proprietari di esiti processuali acquisiscono un potere di prezzo decisivo rispetto ai concorrenti puri API. Il primo studio legale AI-native con fatturazione al 30% delle tariffe degli incumbent raggiunge la profittabilità entro il Q4 2027.
2. Diagnostica sanitaria: Il supporto alle decisioni cliniche a costi inferiori a $1/milione di token di input raggiunge la neutralità di costo rispetto ai percorsi diagnostici tradizionali. I sistemi sanitari proprietari di asset di dati longitudinali sui pazienti — 10+ anni di cartelle cliniche strutturate — dispiegano il triage AI-aumentato come centro di ricavi, trasformando una voce di costo in un vettore di crescita. La prima suite diagnostica AI approvata dalla FDA con pricing basato sugli outcome arriva entro metà 2027.
3. Credito nei servizi finanziari: Il credit decisioning in tempo reale per i segmenti underbanked — storicamente antieconomico ai prezzi GPT-4 — diventa praticabile con Luna. I prestatori fintech con dati alternativi proprietari (pagamenti affitti, bollette, flussi di reddito gig) sottoscrivono il 50–80% di richiedenti in più rispetto ai credit bureau incumbent. Il divario di credito per 1,4 miliardi di adulti non bancarizzati inizia a colmarsi nel 2027, guidato dall'economia della curva dei costi.

Kill signal: GPT-5.6 Luna riprezzata oltre $2/milione di token di input entro 90 giorni dal lancio, oppure OpenAI consolida la famiglia a tre livelli in un'offerta a livello singolo — indicando che la difesa dei margini ha sostituito l'espansione di mercato come obiettivo strategico primario.