La trasformazione dei modelli di business nel settore dell’intelligenza artificiale sta diventando un elemento tanto rilevante quanto l’evoluzione tecnologica dei sistemi stessi. La recente decisione di Anthropic di rivedere la struttura tariffaria del servizio Claude Enterprise rappresenta un passaggio emblematico di questa dinamica, segnando il superamento progressivo del modello ad abbonamento fisso a favore di una logica basata sul consumo effettivo di risorse computazionali.
Il cambiamento introduce una struttura ibrida in cui, accanto a una quota mensile base significativamente ridotta rispetto al passato, viene applicata una tariffazione variabile legata all’utilizzo reale dell’intelligenza artificiale. In precedenza, il servizio prevedeva un costo fisso elevato per utente che includeva un certo volume di token, configurandosi come una soluzione prevedibile e relativamente stabile dal punto di vista della pianificazione dei costi. Con il nuovo modello, invece, la spesa diventa funzione diretta dell’intensità di utilizzo, introducendo una variabilità che può incidere in modo sostanziale sui budget aziendali.
Questo passaggio non è semplicemente una scelta commerciale, ma riflette un cambiamento strutturale nelle modalità di utilizzo dell’AI all’interno delle organizzazioni. L’emergere degli agenti intelligenti, capaci di operare in autonomia per periodi prolungati, ha modificato radicalmente i pattern di consumo delle risorse. Strumenti come Claude Code e Claude Cowork non si limitano a rispondere a richieste puntuali, ma eseguono processi continui, orchestrano attività su più applicazioni e iterano operazioni con frequenze elevate. Questo tipo di utilizzo comporta un incremento esponenziale del consumo di calcolo rispetto ai modelli tradizionali basati su interazioni discrete.
La questione è strettamente legata ai costi di inferenza, ovvero alle risorse necessarie per eseguire i modelli in produzione. A differenza della fase di addestramento, che rappresenta un investimento iniziale concentrato, l’inferenza genera costi ricorrenti direttamente proporzionali al volume di utilizzo. Con la diffusione degli agenti AI, questi costi tendono ad aumentare in modo non lineare, poiché ogni agente può generare un flusso continuo di richieste, spesso distribuite su più servizi e ambienti operativi.
Le stime indicano che i costi di inferenza sono destinati a crescere rapidamente, arrivando a moltiplicarsi più volte nel giro di pochi anni. Questo fenomeno esercita una pressione crescente sulla redditività dei fornitori di AI, rendendo insostenibile, nel lungo periodo, un modello basato esclusivamente su abbonamenti fissi. In un contesto in cui alcuni clienti possono consumare quantità estremamente elevate di risorse, mentre altri utilizzano solo una frazione delle capacità disponibili, il rischio di squilibri economici diventa significativo.
La nuova struttura tariffaria introdotta da Anthropic mira proprio a riallineare costi e ricavi, trasferendo parte della variabilità sui clienti. Tuttavia, questo approccio comporta conseguenze rilevanti per le aziende, in particolare per quelle che hanno già integrato l’intelligenza artificiale nei propri processi core. Per questi utenti ad alto consumo, il passaggio a un modello pay-per-use può tradursi in un aumento dei costi complessivi, con incrementi stimati anche nell’ordine di due o tre volte rispetto alla struttura precedente.
Il cambiamento mette in evidenza un limite intrinseco del modello ad abbonamento nel contesto dell’AI avanzata. Le logiche di pricing tradizionali sono state concepite per servizi caratterizzati da un utilizzo relativamente stabile e prevedibile, mentre i sistemi basati su agenti introducono una variabilità strutturale che rende difficile mantenere margini sostenibili. In altre parole, il paradigma dell’abbonamento presuppone un utilizzo medio contenuto, mentre l’AI contemporanea tende a spingere verso scenari di utilizzo intensivo e continuo.
Un elemento interessante riguarda il fatto che non tutte le offerte vengono modificate allo stesso modo. I piani destinati a organizzazioni più piccole, come il piano Teams, rimangono invariati, suggerendo una strategia segmentata in cui la tariffazione basata sull’utilizzo viene applicata principalmente ai clienti enterprise, ovvero quelli con i livelli di consumo più elevati e quindi con il maggiore impatto sui costi operativi del provider.
Il mercato mostra strategie divergenti tra i principali attori. OpenAI, ad esempio, sta adottando un approccio differente, introducendo piani intermedi con prezzi fissi per ampliare l’accessibilità a strumenti avanzati come Codex, mantenendo una certa prevedibilità dei costi per gli utenti. Questa differenza evidenzia come il settore sia ancora in una fase di sperimentazione, in cui non esiste un modello dominante consolidato.
La crescita rapida dell’utilizzo di strumenti AI per la programmazione e l’automazione aziendale conferma comunque la direzione generale del mercato. L’aumento esponenziale degli utenti e del fatturato associato a queste soluzioni dimostra che la domanda è in forte espansione, ma allo stesso tempo rende evidente la necessità di trovare modelli economici sostenibili nel lungo periodo.