L’espansione delle infrastrutture dedicate all’intelligenza artificiale sta producendo un aumento dei costi che coinvolge non soltanto i grandi sviluppatori di modelli, ma anche le imprese che acquistano hardware, capacità di calcolo cloud e applicazioni software. Le rilevazioni pubblicate nel 2026 mostrano pressioni sui prezzi delle memorie, delle GPU prenotate e degli abbonamenti aziendali, mentre cresce l’incidenza degli investimenti necessari per integrare e mantenere sistemi AI nei processi operativi. Secondo l’indagine AI Infrastructure and Compute condotta da VentureBeat Intelligence nell’ottobre 2026, il 56% dei 156 partecipanti ha segnalato negli ultimi dodici mesi almeno un aumento di prezzo collegato all’intelligenza artificiale, un sovrapprezzo applicato dal fornitore oppure lo spostamento di funzionalità precedentemente disponibili verso piani più costosi. Il 38% ha indicato un superamento dei costi preventivati tra le ragioni che hanno determinato il rinvio, il ridimensionamento o la cancellazione di progetti AI, mentre soltanto il 12% ha segnalato la scarsità di capacità computazionale.
Gli aumenti interessano anche le piattaforme software utilizzate ordinariamente dalle imprese. Dal 1° luglio 2026 Microsoft ha modificato i prezzi di listino di alcuni abbonamenti commerciali Microsoft 365, introducendo incrementi tra il 5% e il 13% per determinate suite Enterprise con Teams e arrivando fino al 43% per il piano Microsoft 365 F1 senza Teams. La società ha collegato gli adeguamenti all’introduzione di nuove funzionalità di intelligenza artificiale, sicurezza e gestione, con applicazione dei nuovi prezzi ai rinnovi successivi alla data indicata. Salesforce aveva precedentemente aumentato in media del 6%, dal 1° agosto 2025, i listini delle edizioni Enterprise e Unlimited di Sales Cloud, Service Cloud, Field Service e di alcune soluzioni Industries Cloud, durante l’evoluzione dell’offerta Agentforce. Tra le organizzazioni che hanno riscontrato modifiche commerciali da parte dei fornitori, il 40% ha dichiarato che l’incremento dei costi rappresentava almeno il 10% della spesa software annuale.
La crescita della domanda infrastrutturale è accompagnata da un consistente portafoglio di contratti futuri presso i principali operatori cloud. Microsoft, Oracle, Amazon e Google Cloud hanno comunicato complessivamente circa 2.480 miliardi di dollari di backlog, con valori rispettivamente pari a 677, 664, 578 e 561 miliardi. Le metodologie di contabilizzazione non sono omogenee e gli importi comprendono anche contratti non direttamente collegati all’intelligenza artificiale. Tra gli impegni infrastrutturali riportati figurano il contratto quinquennale da 300 miliardi di dollari tra OpenAI e Oracle e 138 miliardi di impegni AWS attribuiti a OpenAI nei documenti di Amazon. Anthropic ha inoltre dichiarato circa 895,4 miliardi di dollari di impegni di acquisto e locazione, prevalentemente legati al calcolo, estesi fino al 2045, dei quali circa 214 miliardi soggetti a condizioni o diritti di risoluzione. Alphabet ha indicato per il 2026 una previsione di spese in conto capitale compresa tra 195 e 205 miliardi di dollari, prospettando ulteriori aumenti nel 2027.
Un effetto diretto di questa espansione riguarda i componenti hardware. Gartner ha rilevato che, nei dodici mesi precedenti a ottobre 2026, i prezzi delle memorie sono più che raddoppiati per effetto della domanda proveniente dai data center, con ripercussioni sulle catene di fornitura di server, sistemi di archiviazione, apparati di rete, computer e dispositivi elettronici. Secondo la società di analisi, questa pressione potrebbe proseguire durante il 2027 prima di una stabilizzazione dei prezzi. Microsoft aveva stimato nell’aprile 2026 circa 25 miliardi di dollari di spese aggiuntive per componenti all’interno di una precedente previsione di investimenti annuali di circa 190 miliardi, successivamente rivista al ribasso anche per cambiamenti contabili e ritardi nella disponibilità di capacità fornita da terzi. Nel mercato delle GPU cloud, AWS ha applicato diversi aumenti ai prodotti EC2 Capacity Blocks for ML: circa il 15% a gennaio, il 10% ad aprile per alcune configurazioni, il 20% a luglio e un ulteriore incremento vicino al 15% a ottobre per gran parte delle configurazioni statunitensi interessate.
La prenotazione anticipata della capacità non garantisce tuttavia un utilizzo efficiente delle risorse. Tra 128 partecipanti all’indagine che utilizzano GPU o acceleratori, 73 hanno indicato un tasso medio di utilizzo produttivo pari o inferiore al 50%, mentre 42 non lo misurano. Tra le 114 organizzazioni che prenotano capacità in anticipo, il 31% ha dichiarato di destinare oltre un quarto della spesa per il calcolo AI a risorse riservate ma inutilizzate e il 22% non disponeva di una misurazione. Anche i costi dell’inferenza agentica presentano dinamiche differenti da quelle dei singoli token. Gartner prevede infatti una riduzione del 95% dei prezzi per token entro il 2030, ma contemporaneamente stima che il costo dell’inferenza per workflow agentico possa aumentare di oltre cinque volte entro il 2028, poiché le applicazioni più articolate richiedono numerose chiamate ai modelli e operazioni computazionali aggiuntive.
Alle spese infrastrutturali si sommano i costi di ingegnerizzazione, integrazione e manutenzione. Una precedente rilevazione di VentureBeat Intelligence ha evidenziato che il 59% delle organizzazioni che avevano sostituito il modello AI utilizzato in un’applicazione già operativa aveva riscontrato un peggioramento delle prestazioni, rendendo necessari interventi di modifica oppure il ripristino del modello precedente. Nell’indagine di ottobre, 124 partecipanti su 156 prevedevano un incremento dei budget AI nei dodici mesi successivi e 29 stimavano una crescita superiore al 50%. La misurazione economica degli investimenti rimane però disomogenea: 69 partecipanti utilizzavano risultati operativi misurabili, come il tempo risparmiato, 40 ricorrevano a un ritorno finanziario e altri 40 si affidavano al giudizio della direzione senza una metrica formale. Per la sola infrastruttura AI, il 21% dichiarava un monitoraggio rigoroso del rendimento. I dati evidenziano una crescente distanza tra la riduzione del costo unitario di alcune operazioni AI e l’aumento della spesa complessiva sostenuta dalle imprese per rendere operativi sistemi più complessi.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)