Dopo la sbornia da tokenmaxxing, Apptio propone di governare l’AI con il “ROI per token”

A inizio anno, per qualche mese il mantra dell’industria tech è stato il tokenmaxxing: consumare quanti più token possibile, sull’assunto implicito che più AI equivalesse automaticamente a più valore. Il termine è stato reso popolare dal CEO di Nvidia Jensen Huang, secondo cui sarebbe “profondamente allarmato” se un ingegnere pagato 500.000 dollari non ne spendesse almeno 200.000 in token.

Nelle ultime settimane però la narrazione si sta capovolgendo: portando alla luce casi come quello di Uber, che secondo quanto dichiarato dal suo CTO ha esaurito l’intero budget AI previsto per il 2026 in appena quattro mesi, o quello di Microsoft, che ha iniziato a diversificare i modelli utilizzati per contenere la spesa. Insieme alla stima di Gartner, secondo cui il solo costo dell’AI coding supererà lo stipendio medio di uno sviluppatore entro il 2028, questa nuova consapevolezza ha spinto CFO e board a chiedere conto di quella spesa. E per il CFO la domanda che conta è sempre quella: quanto ritorno economico ho dagli investimenti fatti in AI?

Questo approccio richiede inevitabilmente di passare dal dato grezzo del costo per token, a quello ben più complicato da calcolare del “ROI per token”.

È in questo scenario che si muove Apptio, società di IBM specializzata nella gestione finanziaria della spesa tecnologica. Nata nell’ambito del Technology Business Management (TBM) e oggi punto di riferimento anche per le pratiche FinOps nel cloud e non solo, Apptio fornisce alle aziende un livello di “intelligenza finanziaria” che collega dati di spesa, di consumo e di valore lungo l’intero ambiente IT ibrido, dal cloud ai data center, fino ai progetti di intelligenza artificiale. Ne abbiamo parlato con Greg Holmes, Field CTO di Apptio per l’area EMEA e Barbara Rovescala, Principal Solution Consultant di Apptio per l’Italia.

Dal conteggio dei token alla governance finanziaria matura

Greg Holmes, Field CTO di Apptio per l’area EMEA

Per Holmes se il primo passo per contenere i costi è far crescere la consapevolezza verso un uso responsabile e disciplinato dei modelli (essere prescrittivi nelle query, specificare la lunghezza attesa delle risposte, evitare che un agente produca un romanzo quando basterebbe una risposta di riga), la vera sfida è collegare il consumo al valore prodotto: “Se riesci a collegare il valore di business a un certo numero di token consumati, puoi decidere se ne è valsa la pena”.

Rovescala osserva che in Italia molte organizzazioni stanno lasciando alle spalle la fase dei pilot AI per entrare in una seconda fase, più matura: “La conversazione si sta spostando verso la comprensione del costo per prompt, per iniziativa di AI agentica, per singolo caso d’uso, perché è esattamente così che si capisce se un progetto ha senso per l’azienda”. È qui che entra in gioco il framework FinOps/TBM di Apptio, che mette insieme dati finanziari, operativi e di consumo in un’unica fonte condivisa da IT, finance e linee di business.

Prima di innestare l’intelligenza artificiale su un processo, avverte Holmes, bisogna sapere qual è il suo costo oggi senza AI: quante ore di lavoro richiede e quale valore genera l’output. Solo così si può stimare correttamente il guadagno reale, che non è necessariamente solo un risparmio di costo. A volte la possibilità di offrire un servizio continuativo 24 ore su 24 anziché limitato all’orario d’ufficio può ottenere ritorni di tipo differente. Con questo approccio, racconta Holmes, alcuni clienti Apptio hanno ridotto del 50-70% il costo di erogazione di alcuni servizi grazie ad approcci basati su agenti AI, ma solo dopo aver messo a fuoco per intero il costo del processo di partenza.

Agenti AI: identificare, taggare e tracciare

Con la diffusione di sciami di agenti che si richiamano a vicenda, il rischio di un’esplosione incontrollata dei costi cresce. La ricetta di Apptio passa dal trattare ogni agente come un’unità di consumo a sé, tracciata e taggata singolarmente: “Così non ti limiti a osservare un’esplosione nell’uso complessivo dei token, ma riesci a indicare esattamente da dove arriva”, spiega Holmes. Nel toolset Cloudability è possibile impostare un budget dedicato a un singolo agente e ricevere alert in tempo reale quando un comportamento anomalo rischia di sfuggire di mano, richiamando l’attenzione di una persona che deve supervisionare e validare il processo.

Il CIO cambia ruolo

Barbara Rovescala, Principal Solution Consultant di Apptio per l’Italia

Per Rovescala questo approccio cambia profondamente la figura del CIO: “Il CIO oggi non deve più solo controllare l’IT, ma governare l’impatto dell’IT sull’intera organizzazione. La tecnologia non è più un supporto al business: è il business stesso”.

Ne consegue, secondo Rovescala, un ruolo meno tecnico e più orientato al business, chiamato a dialogare quotidianamente con CFO e CEO su un linguaggio comune di costi e valore. Holmes aggiunge un altro elemento: anche le altre linee di business — non solo l’IT — si stanno dotando di team tecnici propri, ampliando ulteriormente il perimetro di ciò che va misurato e governato.

Nel data center, il costo si sposta dai token all’energia

Gli aumenti dei prezzi dell’energia e, di riflesso, del cloud — con rincari fino al 50% su alcune voci per alcuni fornitori europei — spingono alcune aziende a investire in data center propri, non solo per ridurre la dipendenza dagli hyperscaler ma anche per ottenere quella sovranità del dato richiesta sempre più spesso dalle organizzazioni europee. Il contesto è quello di una spesa IT globale che secondo le stime Gartner citate da Apptio raggiungerà i 6.150 miliardi di dollari nel 2026, in crescita del 10,8% sul 2025, trainata proprio dagli investimenti in infrastrutture AI arrivati a livelli record.

Qui però va fatta una distinzione: portare i carichi di lavoro AI on-premise non elimina il costo, lo trasforma. Se il cloud pubblico emette fatture in base ai token consumati, un data center di proprietà avrà un costo che – dopo l’investimento iniziale – è legato al consumo di energia e raffreddamento. Voci che Apptio segue con il proprio modulo di TCO dedicato ai data center, pensato appunto per collegare capacità infrastrutturale, spazio rack, raffreddamento e alimentazione in un unico modello di costo.

Rovescala sintetizza l’approccio in tre livelli di controllo: sapere esattamente chi consuma cosa e dove, collegare quel costo a uno specifico servizio o iniziativa di business, e infine ottimizzare in modo continuativo l’uso delle risorse, per esempio anche pianificando i carichi di lavoro non urgenti nelle fasce orarie in cui l’energia costa meno o è più sostenibile. In altre parole, uscire dalla fattura per token non basta a governare la spesa: senza la stessa disciplina finanziaria applicata al consumo energetico e infrastrutturale, il rischio è di spostare il problema, non di risolverlo.

Repatriation dal cloud: mito o realtà?

Sul tema del ritorno on-premise, molto discusso ma raramente quantificato, Rovescala offre una lettura sfumata: per l’intelligenza artificiale, almeno tra i clienti italiani che segue, il cloud pubblico resta ancora la scelta prevalente.

Holmes cita però il caso di una banca che, dopo aver fatto i conti su un progetto AI on-premise rispetto all’equivalente in cloud, ha scoperto che gestirlo internamente risultava effettivamente più conveniente. In questo caso, la motivazione iniziale era legata alla governance del dato necessaria alla compliance regolatoria, ma il risparmio effettivo si è rivelato una piacevole conseguenza.  Holmes avverte però che il calcolo va fatto caso per caso: senza un confronto puntuale tra il costo pieno dell’on-prem e quello del cloud, il rischio è scegliere in base a un’intuizione invece che a un dato verificato.

Un costo aggiuntivo da non dimenticare: la cybersecurity

Holmes ricorda un capitolo di spesa spesso trascurato quando si valuta un progetto AI: l’aumento della superficie di attacco che l’intelligenza artificiale stessa introduce. Investire in nuovi progetti di AI, sostiene, dovrebbe includere sempre anche il costo aggiuntivo di sicurezza necessario a coprire quella superficie. Un capitolo che raramente viene messo a budget insieme al resto.

In chiusura di intervista, Holmes ricorda che i risparmi da innovazione richiedono quasi sempre un investimento preliminare: prima di tagliare i costi operativi, le aziende devono pianificare e finanziare la trasformazione che li renderà possibili. Un principio che, aggiunge Rovescala, vale a prescindere dalla tecnologia specifica: oggi tocca all’intelligenza artificiale, domani — chissà — al calcolo quantistico, la cui economia dei costi e benefici è ancora tutta da scrivere.