Se per gli utenti individuali l’AI generativa resta uno strumento straordinario a costo zero o irrisorio, per le aziende la realtà è diversa: molti CEO, anche in Italia, considerano l’AI come un semplice costo di abbonamento, ma in realtà stanno basando i loro processi operativi su infrastrutture i cui costi possono variare rapidamente per fattori al di fuori del loro controllo.
La percezione che l'Intelligenza Artificiale sia qualcosa che porti più produttività, più efficienza, meno costi fa spesso sottovalutare quanto costerà realmente ed economicamente l'AI quando passeremo dalla sperimentazione all'utilizzo su larga scala nei processi aziendali.
L'articolo di Leonardo Felician su Harvard Business Review affronta un tema tanto attuale quanto sottovalutato: il costo invisibile dell'Agentic AI.
Leonardo Felician insegna Data Analytics for Finance & Insurance al MIB Trieste School of Management e Insurance Management alla BBS-Bologna Business School, è stato tra i pionieri dell’assicurazione diretta in Italia contribuendo al modello Genertel, ed è stato CEO di Genialloyd e BeRebel.
Il punto centrale dell’articolo è molto interessante: il vero costo dell'AI non è necessariamente il prezzo del singolo token, che negli ultimi anni è diminuito significativamente, ma il numero di token e di risorse necessari per completare un processo.
Un chatbot può consumare mediamente circa 1.000 token, mentre un flusso di Agentic AI multifase può superare i 50.000. Un agente non si limita a rispondere: pianifica, agisce, verifica il risultato, si corregge e può interagire con altri agenti. Ogni passaggio genera ulteriore consumo computazionale. A questo si aggiungono altri elementi spesso assenti dai business case iniziali: governance, sicurezza, compliance, monitoraggio, orchestrazione e lock-in tecnologico.
L'adozione dell'Agentic AI non è quindi soltanto una sfida tecnologica, ma anche una sfida di controllo dei costi, governance e progettazione dei processi.
Le organizzazioni che otterranno il maggior valore dall'AI non saranno necessariamente quelle che renderanno autonomo il maggior numero di processi, ma quelle capaci di distinguere dove l'autonomia dell'AI crea realmente valore e dove invece una logica deterministica rimane più efficiente, controllabile e prevedibile.
Prima di portare un agente AI in produzione non va valutato solo cosa è in grado di fare ma anche quanto ci costerà farlo su larga scala.
Per chi volesse approfondire l'articolo, il link è nei commenti.
#ArtificialIntelligence #AgenticAI #AIGovernance #DigitalTransformation #Finance #RiskManagement #Innovation