In Breve
- Quante aziende hanno superato le previsioni di spesa per l’AI?
- Secondo la ricerca citata, il 59% dei dirigenti ha dichiarato che la spesa AI ha superato le stime iniziali.
- Quali costi incidono oltre a quelli dei token?
- Formazione, governance, supervisione umana e attività ripetute contribuiscono all’aumento della spesa.
- Che cos’è una strategia multi-modello?
- È l’impiego di modelli AI diversi, selezionati in base a costo, capacità, latenza e rischio per i singoli compiti.
I costi legati all’intelligenza artificiale stanno superando le stime iniziali di molte organizzazioni. Secondo una ricerca di Capgemini citata da TechRadar, il 59% dei dirigenti intervistati ha dichiarato che la spesa per l’AI è stata superiore alle previsioni; nel 20% dei casi, il budget è stato oltrepassato di più del 30%.
Il 53% degli executive coinvolti nell’indagine considera i costi dell’AI una fonte di preoccupazione. A incidere non sono soltanto i token utilizzati dai modelli, ma anche formazione, governance, supervisione umana e attività ripetute necessarie per ottenere risultati affidabili.
Più attenzione dei CFO alla spesa per l’AI
I dati indicano che i costi associati all’adozione dell’AI stanno attirando una maggiore attenzione da parte dei direttori finanziari. La difficoltà, per molte organizzazioni, consiste nel collegare in modo chiaro l’impiego dell’intelligenza artificiale a risultati misurabili per il business, rendendo più complesso giustificare ulteriori investimenti.
La ricerca ha coinvolto 500 dirigenti di livello C-suite di grandi organizzazioni, intervistati nel settembre 2026. Tra le risposte all’aumento dei costi figura il ricorso a strategie multi-modello, che prevedono l’impiego di modelli diversi in base a fattori come costo, capacità, latenza e rischio.
La strategia multi-modello attesa da tre dirigenti su cinque
Secondo lo studio, tre executive su cinque prevedono di adottare una strategia multi-modello nei 12 mesi successivi. L’obiettivo è selezionare il modello più adatto a ciascun compito, tenendo conto sia delle prestazioni sia dell’impatto economico.
Attualmente il 60% delle organizzazioni misura la spesa complessiva per l’AI rispetto al budget. Capgemini Research Institute prevede però che questa quota possa scendere al 44% nei successivi 6-12 mesi, mentre aumenterà l’attenzione verso metriche capaci di valutare i risultati di business ottenuti grazie all’AI.
Il ruolo dell’AI Yield
Capgemini descrive l’“AI Yield” come una metrica pensata per verificare e registrare il valore di un risultato ottenuto grazie all’intelligenza artificiale. Secondo Volker Darius, CEO di Capgemini Invent, il controllo dei costi deve essere affiancato dalla misurazione della qualità e del valore generato, includendo anche la supervisione umana necessaria a produrre risultati sicuri.
Darius ha inoltre sostenuto che, con l’integrazione dell’AI nei flussi di lavoro aziendali, la spesa dovrebbe essere gestita come un portafoglio di risultati economici e non soltanto come una questione tecnologica o di approvvigionamento.

