OpenAI e Anthropic potrebbero aver trovato il vero business dell'AI

Realtà come OpenAI e Anthropic potrebbero aver superato il momento più difficile della loro storia economica: trasformare l’enorme popolarità dei modelli linguistici in ricavi reali e continuativi. La tesi arriva da Simon Willison, sviluppatore e ricercatore molto seguito nell’ambiente AI open source, che nelle ultime settimane ha collegato una serie di segnali apparentemente scorrelati: aumenti improvvisi degli investimenti in AI nelle grandi aziende, cambiamenti aggressivi nei modelli di pricing enterprise, crescita delle assunzioni commerciali e consumi infrastrutturali ormai giganteschi.

Willison, numeri alla mano, sostiene che le aziende hanno iniziato a pagare davvero per usare gli agenti AI. Non cifre marginali, non progetti pilota da innovation lab, ma budget enterprise consistenti e ricorrenti.

Per alcuni anni il settore dell’AI generativa ha vissuto una contraddizione evidente. Da una parte milioni di utenti, hype continuo e valutazioni astronomiche; dall’altra margini ancora opachi e costi infrastrutturali fuori scala. Secondo Willison, aprile 2026 potrebbe rappresentare il momento in cui questa dinamica è cambiata.

L’AI fa breccia nelle aziende: ecco quali sono i segnali

Pensiamo al boom iniziale di ChatGPT nel 2023: all’epoca OpenAI raggiunse numeri impressionanti in termini di utenti attivi, ma monetizzare quell’adozione su larga scala risultava molto più complicato. Pagare 20 dollari al mese per un chatbot consumer non basta a sostenere infrastrutture da centinaia di miliardi. Oggi invece le AI lab stanno vendendo strumenti che consumano quantità enormi di token e che sono usati quotidianamente da professionisti altamente pagati: sviluppatori software, ingegneri, analisti e knowledge worker (lavoratore che produce valore principalmente attraverso conoscenze specialistiche, capacità analitiche, elaborazione di informazioni e attività intellettuali).

Uno degli elementi più importanti evidenziati da Willison riguarda il cambiamento quasi silenzioso delle politiche commerciali di Anthropic e OpenAI.

Fino a pochi mesi fa molte aziende pagavano abbonamenti enterprise relativamente prevedibili, spesso con consumo incluso entro determinate soglie operative. Nel corso del 2025 e soprattutto nella prima metà del 2026 la situazione cambia radicalmente.

Anthropic e OpenAI aumentano i prezzi ma i clienti aziendali restano

Anthropic ha modificato il proprio piano enterprise a novembre 2025. Il vecchio modello prometteva sostanzialmente un “utilizzo sufficiente per una tipica giornata lavorativa“; il nuovo schema invece combina costo per seat e consumo API reale. In pratica le aziende non acquistano più semplicemente accessi utenti: pagano direttamente i token generati dagli agenti.

OpenAI segue una direzione simile con Codex (agente AI per sviluppo software). Il 2 aprile 2026 la società ha aggiornato il sistema tariffario passando da pricing per messaggio a pricing basato sul consumo token effettivo, allineato alle API pubbliche. Il cambiamento è poi esteso anche ai clienti ChatGPT Enterprise, Edu, Health, Gov e Teachers il successivo 23 aprile.

La parte interessante è che le aziende sembrano aver accettato questa trasformazione senza vere e proprie rivolte commerciali. Willison vede il product-market fit: i fornitori aumentano i prezzi, eliminano gli sconti impliciti e i clienti continuano comunque a usare i loro prodotti.

Non solo. I modelli frontier (i più avanzati disponibili) odierni risultano 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 pratica le AI lab non stanno riducendo i prezzi per accelerare l’adozione enterprise. Stanno facendo l’opposto.

I coding agent consumano enormi quantità di token

La tesi di Willison ruota soprattutto attorno agli agenti di coding e non ai chatbot generici.

Un coding agent moderno lavora in modo persistente: legge repository Git completi, modifica decine di file, esegue test automatici, consulta documentazione, apre pull request e interagisce con shell Linux o container remoti. Ogni operazione produce traffico token enorme e soprattutto tende a generare valore economico diretto.

Willison porta 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. Totale: oltre 2.180 dollari di utilizzo reale fronte di appena 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 su team enterprise da centinaia o migliaia di persone, il volume economico cresce rapidamente. Per questo motivo, OpenAI e Anthropic hanno deciso di iniziare a monetizzare davvero per gli utilizzi spiccatamente business dei loro strumenti.

Le storie sui costi AI fuori controllo non indicano un fallimento

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 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, n.d.r.).

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 stanno costruendo vere strutture enterprise

Un altro dettaglio spesso trascurato riguarda le assunzioni. Willison ha analizzato centinaia di offerte di lavoro pubblicate da OpenAI e Anthropic usando 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 le AI lab 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.

I costi infrastrutturali restano giganteschi

Il fatto che le AI lab abbiano forse trovato il cosiddetto product-market fit non significa automaticamente che abbiano risolto il problema della redditività.

L’infrastruttura necessaria per addestrare e servire modelli frontier continua ad avere costi enormi. Secondo la documentazione, Anthropic avrebbe siglato accordi per accedere alla capacità computazionale dei cluster xAI (orbita Elon Musk) COLOSSUS e COLOSSUS II pagando circa 1,25 miliardi di dollari al mese fino al maggio 2029.

Il dettaglio più interessante riguarda il fatto che Anthropic colleghi esplicitamente quell’accordo all’aumento dei limiti d’uso di Claude Code e della Claude API. Questo suggerisce che una parte enorme della spesa infrastrutturale riguardi l’inferenza quotidiana e non soltanto il training dei modelli.

E qui che si giocherà la vera partita economica dei prossimi anni: le AI lab hanno dimostrato di poter generare domanda; resta da capire se riusciranno a sostenere nel lungo periodo i costi colossali necessari per alimentarla.

Willison conclude osservando che la conferma definitiva arriverà soltanto 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.