L’adozione dell’intelligenza artificiale continua a salire, ma la curva della spesa aziendale non procede più con la stessa velocità. È il segnale che emerge dai dati diffusi da Ramp, piattaforma di gestione delle spese aziendali: tra agosto e settembre la spesa per token è cresciuta appena dell’1,5%, dopo il balzo del 42% registrato a luglio rispetto al mese precedente.
Il dato non fotografa un improvviso disinteresse per i modelli generativi. Al contrario, i volumi di utilizzo sono ancora in aumento. La distanza fra più richieste ai modelli e una fattura che cresce poco racconta però una fase diversa del mercato: le aziende stanno ottenendo più capacità di calcolo e più output senza incrementare in misura proporzionale il budget destinato all’AI.
Per OpenAI, Anthropic e gli altri fornitori di modelli, questa distinzione è rilevante. L’espansione del mercato è stata spesso valutata partendo dall’idea che la diffusione degli strumenti avrebbe prodotto ricavi in accelerazione costante. I numeri osservati da Ramp suggeriscono invece che la riduzione dei prezzi, gli sconti negoziati con le imprese e una maggiore attenzione all’efficienza possano frenare la monetizzazione, anche quando gli utenti ricorrono più spesso all’AI.
Il rallentamento parte da chi spende di più
Secondo Ara Kharazian, lead economist di Ramp, la componente decisiva della spesa resta concentrata in una quota molto ristretta di aziende tecnologiche ad alta crescita e sostenute da venture capital. In estate il gruppo più intenso di utilizzatori, pari all’1% delle imprese analizzate, aveva raggiunto una spesa vicina a 10.000 dollari mensili per dipendente. Fra agosto e settembre quel valore si è mosso leggermente al di sotto del picco.
È sufficiente un arretramento in questa fascia per alterare il totale. Le imprese mediane, infatti, spendono fra 12 e 15 dollari al mese per dipendente; nel 10% superiore il livello è compreso fra 600 e 1.000 dollari. Si tratta di una crescita importante rispetto al passato, ma non abbastanza grande da compensare il rallentamento dei maggiori acquirenti di capacità AI.
La concentrazione è un elemento da considerare anche nel dibattito sulle valutazioni. Una parte consistente dei ricavi dei fornitori non arriva infatti da una base uniforme di aziende di ogni settore, ma da società software, finanziarie e digitali che hanno introdotto modelli e agenti in molti processi interni. Se questi clienti riducono il ritmo degli acquisti, l’effetto sui ricavi può essere rapido.
Non tutte le organizzazioni hanno inoltre gli stessi incentivi a raggiungere livelli di spesa elevati. Gli agenti per la programmazione e alcune applicazioni in finanza possono giustificare un uso frequente e costoso dei modelli. Per attività come uno studio medico o una concessionaria, invece, i casi d’uso disponibili potrebbero restare più circoscritti. La crescita dell’adozione orizzontale non implica quindi, di per sé, una spesa paragonabile a quella del ristretto gruppo di aziende più esposte alla trasformazione software.
La competizione sta rendendo l’AI meno cara
Ramp attribuisce il fenomeno soprattutto alle condizioni dell’offerta, non a un calo della domanda. OpenAI ha dimezzato a settembre i prezzi API di GPT-6 Sol e GPT-6 Luna. Anthropic ha a sua volta ridotto in modo significativo i prezzi di Fable 5.1 e Opus 5.5; in una recente comunicazione societaria, la società ha indicato che questa scelta ha ridotto la crescita dei ricavi di circa 600 milioni di dollari.
I listini non sono l’unica leva. I fornitori stanno proponendo anche condizioni commerciali dedicate alle grandi imprese, con sconti pensati per assicurarsi contratti e continuità di utilizzo. Nel breve periodo, però, questa strategia può comprimere il ricavo per ogni unità di elaborazione venduta. In un mercato con molti modelli alternativi, l’acquirente ha più spazio per negoziare e per trasferire workloads verso opzioni meno costose.
La pressione concorrenziale non arriva solo da OpenAI e Anthropic. Meta e NVIDIA stanno portando sul mercato offerte enterprise e modelli a prezzi contenuti o distribuiti con approcci aperti. A questo si aggiungono modelli sviluppati da società statunitensi e cinesi. Per compiti semplici, le imprese possono inoltre scegliere strumenti più leggeri, senza ricorrere a un modello di frontiera per ogni richiesta.
Ramp cita anche Jev, servizio che sta guadagnando spazio tra le aziende monitorate e che punta a gestire output predeterminati. In molti flussi operativi, come la classificazione di un contenuto o una decisione binaria, non serve necessariamente la massima capacità di ragionamento o generazione. Spostare questi carichi su soluzioni meno sofisticate abbassa il costo complessivo e libera i modelli più avanzati per le attività in cui offrono un vantaggio concreto.
Un rimbalzo a ottobre, ma non una risposta definitiva
I dati più recenti non indicano un blocco completo. Dal 23 settembre al 23 ottobre la spesa per token è tornata a crescere dell’8,9%. È un recupero che segnala un mercato ancora dinamico, ma non cancella la frenata rilevata a fine estate né risolve il tema della sostenibilità dei ricavi. Per capire se si tratta di una pausa temporanea oppure dell’avvio di una fase più matura serviranno serie storiche più lunghe e dati che vadano oltre la clientela aziendale osservata da Ramp.
Il perimetro stesso della rilevazione va tenuto presente. Ramp osserva le spese delle aziende che usano la sua piattaforma, non l’intero mercato mondiale dei modelli generativi. Il campione può offrire un indicatore utile dei comportamenti di acquisto nel segmento corporate, ma non rappresenta automaticamente tutti gli utilizzi, inclusi i contratti diretti più grandi, il consumo individuale o le installazioni self-hosted di modelli aperti.
La fase arriva mentre Anthropic si avvicina alla quotazione in Borsa. Per gli investitori, il confronto non sarà soltanto sulla domanda di AI, che resta elevata, ma sulla capacità dei fornitori di difendere margini e ricavi quando la potenza dei modelli diventa più accessibile. La corsa a ridurre i prezzi può accelerare l’adozione e ampliare il numero degli utenti, ma sposta la discussione economica su un altro terreno: quanto valore riescono a trattenere le aziende che finanziano infrastrutture, ricerca e capacità di calcolo sempre più costose.
Per le imprese clienti il quadro è, almeno nel breve periodo, favorevole. La presenza di offerte concorrenti consente di sperimentare più strumenti, combinare modelli diversi e negoziare contratti migliori. Per i fornitori, invece, la crescita dei volumi non sarà più sufficiente come prova della solidità del business. Dovranno dimostrare che un utilizzo in aumento può tradursi in ricavi difendibili anche in un mercato dove il costo di ogni richiesta continua a scendere.
