L'errore più comune nell'economia dei progetti di IA è trattare il prezzo dell'inferenza come se fosse il costo. Quando la scheda di un modello indica dieci centesimi a risposta, la decisione sembra facile: un'attività di assistenza clienti che a un essere umano costa cinque dollari di manodopera onnicomprensiva sembra cinquanta volte più economica da automatizzare. Fai i conti con onestà e il divario si avvicina piuttosto a tre a uno, a volte uno a uno, e su una quota non trascurabile di attività l'IA perde già solo sul costo, prima ancora che tu inizi a misurare la qualità.
Questo articolo espone il quadro che Wagecore usa per calcolare il costo operativo reale della sostituzione di un'attività con l'IA. Niente di tutto ciò è inedito preso singolarmente: ogni voce compare nei post-mortem dei progetti di IA falliti. Il contributo sta nel riunirle in un unico posto e nell'impegnarsi su stime numeriche, così che la risposta non si riduca a «costa più di quanto pensi».
Il prezzo dei token è il 10 % visibile
Prendiamo un caso concreto. Un addetto all'assistenza senior in un'azienda SaaS gestisce circa 30 ticket al giorno, con una media di 600 token in ingresso e 300 in uscita ciascuno, su uno o due scambi di follow-up. Ai prezzi attuali dei modelli di punta, questo equivale a circa 0,04 $ a ticket di spesa grezza del modello. Su 30 ticket al giorno e 22 giorni lavorativi al mese, si arriva a circa 26 $ per addetto al mese in token. A fronte di uno stipendio mensile onnicomprensivo di 7.500 $, il risparmio sembra assurdo.
Quel numero è anche sbagliato, perché il modello è una delle nove cose che costano denaro quando lo metti davvero in produzione. Ecco cosa viene tralasciato.
Supervisione
Ogni ticket gestito dall'IA o (a) si risolve automaticamente con alta confidenza, o (b) viene instradato a un essere umano per la revisione, o (c) viene subito passato a un essere umano. Al primo giorno di un progetto, la maggior parte dei team ha bisogno di una revisione umana al 100 % finché la calibrazione non è solida; i progetti maturi mantengono la revisione sulla fascia del 20-40 % di confidenza più bassa, più un audit casuale del 5 %. Se un revisore umano impiega 45 secondi per risposta verificata e il tuo team di revisione costa 30 $/h onnicomprensivi, sono 0,38 $ a ticket verificato. Verifica il 30 % dei ticket e avrai aggiunto più costo del modello stesso.
Ritentativi
I progetti in produzione non fanno una sola chiamata al modello per attività: ne fanno da una a cinque. C'è il completamento iniziale, spesso una fase di autoverifica, a volte un ciclo di critica-e-riscrittura, e sugli agenti che usano strumenti una fase di pianificazione, più le chiamate agli strumenti, più una sintesi. Un agente di assistenza ben strumentato con cui ci confrontiamo fa in media 3,4 chiamate al modello per ticket risolto e 8,7 per ticket passato di livello. Moltiplica il costo dei token di conseguenza.
Costo degli errori
Questa è la voce che manda a monte più progetti di qualsiasi altra. Una risposta dell'IA sbagliata ma sicura di sé non equivale a una risposta umana sbagliata; è peggio, perché il cliente ci crede e agisce di conseguenza. Le contestazioni di rimborso che si risolvono in modo pulito con delle scuse si trasformano in storni quando l'IA ha detto al cliente che il suo rimborso era già stato elaborato. I casi di recupero dell'account in cui l'IA allucina un passaggio di verifica generano ticket di assistenza due volte: il caso originale e la ripulitura. La retromarcia di Klarna del maggio 2025 sul progetto di assistenza clienti tramite IA lanciato nel 2024 è il caso pubblico più clamoroso finora: il CEO ha riconosciuto che la qualità dei risultati era calata e ha ricominciato a riassumere personale umano. Klarna non ha divulgato il divario sottostante nel tasso di recidiva, ma lo schema qualitativo — lavoro di ripulitura sui ticket complessi come motore dell'inversione, e non il risparmio sui ticket semplici — è coerente con quanto osserviamo in post-mortem affini.
Modelliamo il costo degli errori come un moltiplicatore del tempo che serve a un essere umano senior per ricostruire la traccia della risposta sbagliata e o passarla di livello o riparare il rapporto. Per un'attività a contatto con il cliente il moltiplicatore è tipicamente di 2-5× il tempo base di risoluzione dello stesso caso; per un'attività di back-office senza cliente nel ciclo si avvicina piuttosto a 1-2×.
Oneri di integrazione
L'IA non legge i ticket da un documento Word. Li legge da un CRM tramite un'API, con autenticazione, limiti di frequenza, versionamento dello schema e uno strato di recupero sopra la base di conoscenza dell'azienda. Quello strato richiede ingegneri che lo costruiscano e lo mantengano. Ammortizzato sul volume di ticket di un singolo team, uno sforzo di integrazione serio si aggira sui 20-60 k$ di costruzione iniziale, più il 10-30 % del tempo continuativo di un ingegnere. Su un team di 50 addetti, sono circa 1,50 $ a ticket a regime, nella nostra calibrazione.
Orchestrazione e dipendenza dal fornitore
Configurazioni multi-modello, catene di fallback, registri di template di prompt, infrastruttura di valutazione. Niente di tutto ciò è gratis. Lo collochiamo prudenzialmente a 0,20-0,80 $ per ticket risolto a seconda della maturità dell'azienda. Una buona infrastruttura di valutazione si ripaga, ma la voce «costo dell'IA» compare comunque.
Sommare le voci di costo
Con queste cinque aggiunte concrete e ipotesi mediane ragionevoli — tasso di audit del 30 %, 3,4 chiamate al modello per ticket risolto, 8,7 per ticket passato di livello, tasso di passaggio di livello del 20 %, moltiplicatore del costo di errore di 3× sul 12 % dei casi che vanno male — l'esempio dell'assistenza passa da 26 $/addetto/mese in token a circa 1.800 $/addetto/mese tutto compreso. È comunque più economico dell'essere umano da 7.500 $, ma il rapporto è di 4 a 1, non di 290 a 1. E i conti peggiorano man mano che sali lungo la catena del valore. Per i ruoli in cui le risposte sbagliate causano danni reali — consulenza finanziaria, triage medico, revisione legale — la voce del costo degli errori domina e il progetto perde sul costo prima ancora di contare lo stipendio.
Lo schema è generale: man mano che la complessità dell'attività sale, la voce del costo di inferenza resta più o meno piatta (prompt più lunghi, più contesto, ma non 10× di più) mentre ogni altra voce cresce in modo superlineare. L'audit richiede più tempo perché i revisori devono davvero leggere il caso. I ritentativi si moltiplicano perché il modello ha bisogno di più passaggi per gestire il caso. Il costo degli errori esplode perché i casi che vanno male sono quelli con la posta in gioco più alta. Quando arrivi al lavoro di conoscenza senior, il costo operativo è quasi interamente tempo umano attorno all'IA, e il modello è diventato il componente più economico del proprio stesso progetto.
Dove l'IA vince davvero sul costo
Tre profili di attività risultano sistematicamente vincenti con questo tipo di contabilità:
- Delimitato, ripetitivo, a basso rischio. Attività di categorizzazione in cui sbagliare costa poco (ad esempio, instradare un'e-mail interna). I tassi di audit possono essere bassi, il costo degli errori è minimo, l'integrazione è superficiale.
- Redazione sotto revisione umana. L'IA produce la prima versione, l'essere umano la porta all'ultimo 30 %. Entrambe le voci di costo (modello + revisione umana) restano contenute perché l'essere umano l'avrebbe comunque guardata.
- Aggregazione e ricerca. Far emergere i documenti pertinenti, riassumere i ticket di ieri, recuperare la policy giusta. L'IA sostituisce un'interfaccia di ricerca, non un lavoratore, e lo fa bene perché gli errori di recupero di solito emergono in fretta.
Ciascuno di questi casi si colloca in modo pulito in una classe di sostituzione della tassonomia Wagecore: ai-augmented (redazione), human-led + ai-assisted (aggregazione) e una fascia stretta di lavoro davvero replaceable (il caso delimitato a basso rischio). Al di fuori di questi, i conti dicono di aspettare.
Cosa cambia la risposta nel tempo
Tre fattori spostano la linea del costo operativo:
Il prezzo dell'inferenza. Il costo dei token è sceso di circa 10× ogni 18-24 mesi a parità di capacità. Questo sposta la voce del modello ma non tocca l'audit, i ritentativi o il costo degli errori — quindi per le attività ad alto rischio non cambia quasi nulla del verdetto.
Gli strumenti di valutazione e orchestrazione. Valutazioni migliori riducono in modo apprezzabile la componente del tasso di audit; è attualmente la voce con la maggiore leva da ottimizzare. Passare dal 30 % al 10 % di tasso di audit su un progetto maturo è un vero cambiamento di costo.
Il regime di responsabilità e regolamentazione. Quando l'IA è la depositaria del registro legale, il moltiplicatore del costo degli errori sale. Quando l'IA è usata come supporto alle decisioni con un essere umano chiaramente nel ciclo, scende. È la voce che si muove sulla politica pubblica, non sulla tecnologia.
In sintesi
Stimare un progetto di IA a partire dalla scheda del modello equivale a valutare un'auto in base al prezzo di listino ignorando il carburante, l'assicurazione, la svalutazione e la persona che devi pagare per guidarla. Il costo operativo conta perché è ciò che determina se un progetto sopravvive ai primi sei mesi. I ruoli in cui l'IA è «3-10× più economica dell'essere umano» nella pratica sono i ruoli in cui la demo è stata onesta sulla propria portata. La maggior parte dei ruoli, soprattutto quelli che il dibattito pubblico prende di mira di continuo, assomiglia molto di più a un 4 a 1: risparmio reale, valore reale, ma non una sostituzione, e non una gratuita.
Wagecore calcola questa versione della stima per i singoli ruoli, usando le stesse categorie operative esposte qui. Se vuoi vedere che aspetto ha il calcolo per il tuo lavoro nello specifico, la procedura guidata si completa in due minuti e la metodologia è pubblicata. Puoi anche leggere la metodologia e dissentire dalle nostre stime per singola voce — le aggiorniamo ogni trimestre in base a ciò che dicono i dati.