I prezzi per token scendono, ma la fattura degli agenti IA in produzione sale. Cosa è cambiato, cosa si è rotto, e come riprendere il controllo.
Il prezzo per token di Claude non è mai stato così basso. Eppure, la fattura mensile dei vostri agenti IA in produzione sale comunque. La ragione è in una frase: un token meno caro non serve a nulla se l'agente ne consuma dieci volte di più per completare lo stesso compito.
Questo articolo descrive cosa è cambiato sul fronte dei prezzi, cosa si è effettivamente rotto nei costi della vostra infrastruttura IA, e cosa dovete mettere in atto fin da subito per riprendere il controllo.
Cosa è cambiato: i prezzi crollano, la fattura no
Anthropic, OpenAI e Google si stanno facendo guerra sui prezzi per milione di token da mesi. Sulla carta, è una buona notizia per chi distribuisce agenti IA su larga scala. In realtà, diversi team tecnici segnalano l'opposto: il loro budget IA è aumentato nello stesso periodo.
HPCwire, Mahesh Kumar, 19 agosto 2026 "The Enterprise AI Cost Reckoning: Why Falling Per-Token Prices Aren't Saving You"
È il titolo esatto di un'analisi pubblicata a metà agosto da HPCwire, che documenta il caso di Uber: il CTO dell'azienda ha dovuto aumentare il budget IA nella primavera 2026, proprio mentre i tariff unitari scendevano. Un paradosso che in realtà non lo è, una volta che guardate dove vanno veramente i soldi.
Avevamo già dettagliato la meccanica di fatturazione nel nostro articolo sul prezzo dell'API Claude nel 2026: il tariff pubblicizzato racconta solo una parte della storia. Il caching dei token, le chiamate agli strumenti, i retry silenziosi, tutto questo si somma al di là del prezzo di catalogo.
La confusione classica
Molti team budgettizzano i loro agenti IA come farebbero con un abbonamento SaaS: prezzo unitario × volume previsto. Solo che un agente autonomo non ha un volume prevedibile. Cicla, riprova, esplora percorsi di ragionamento che nessuna specifica avrebbe anticipato.
Cosa si è rotto: il vero costo non è il token
Ecco il punto controintuitivo che pochi articoli menzionano: ottimizzare il prezzo unitario del token è quasi una falsa pista. Il vero leva di costo è il numero di andata-ritorno che l'agente deve fare prima di consegnare una risposta.
Un agente che chiama uno strumento esterno via MCP, rivaluta il risultato, riformula la richiesta, poi ricomincia, è un pattern di produzione comune. Ogni iterazione ricarica tutto o parte del contesto precedente nel prompt successivo. Su un compito complesso con dieci passaggi, il volume di token fatturati può superare di gran lunga quello che un calcolo ingenuo "1 richiesta = 1 risposta" suggerirebbe.
Prendete un agente che interroga un database via un server MCP, rileva un errore di formato, riformula la richiesta, poi la rilancia. Tre o quattro andata-ritorno di questo tipo, moltiplicati su migliaia di esecuzioni al giorno, e il calo del tariff per token diventa completamente invisibile sulla fattura finale.
E non si ferma al costo. A fine agosto, Anthropic ha confermato un'interruzione maggiore di Claude e diversi servizi associati, con utenti che segnalano problemi di connessione e performance degradate, secondo BleepingComputer. Un agente che riprova automaticamente durante un'interruzione del fornitore può moltiplicare il suo consumo senza produrre il minimo risultato utile.
Cosa fare adesso: misurare prima di ottimizzare
Impossibile controllare un costo che non si misura alla giusta granularità. Il monitoraggio "spesa mensile API" non dice nulla su quale compito, quale agente, quale ciclo consuma di più.
Il mercato sta appena iniziando a offrire strumenti dedicati a questo problema specifico:
aimultiple.com, 18 agosto 2026 "Cisco IA Agent Monitor for Splunk Observability Cloud monitoraggio in tempo reale della qualità dei workflow degli agenti, del costo per esecuzione e delle anomalie comportamentali, entrando in fase di test pubblico"
Questa categoria di strumenti, descritta da aimultiple.com, mira precisamente a dare una visione del costo per esecuzione dell'agente, non solo del costo per chiamata API. È la giusta unità di misura: un'esecuzione completa, non una richiesta isolata.
Alcune leve concrete, indipendentemente dallo strumento scelto:
- Plafonare il numero di iterazioni per compito. Un agente che non ha convergito dopo 5-6 andata-ritorno probabilmente ha un problema di prompt, non ha bisogno di un sesto tentativo.
- Usare un modello più leggero per i sottocompiti semplici (classificazione, estrazione) e riservare il modello più potente al passaggio di ragionamento finale.
- Attivare il caching del prompt sulle porzioni di contesto statiche, system prompt, schema degli strumenti, documentazione di riferimento.
- Definire avvisi di budget per agente, non solo al livello del conto API globale.
Trappola: disattivare i retry per risparmiare token senza distinguere gli errori transienti (interruzione di rete, rate limiting) dagli errori di logica. Risultato: l'agente abbandona compiti che avrebbe potuto completare al secondo tentativo.
Questo approccio ha un limite onesto: presuppone che abbiate già telemetria per agente. Se il vostro stack si riduce a un unico script che chiama l'API in ciclo, il primo passo non è ottimizzare, è instrumentare.
Conclusione
Tre punti da ricordare. Primo, il prezzo per token che scende non garantisce nulla sulla fattura finale: è il numero di iterazioni che guida il costo reale. Secondo, un agente che riprova senza limiti durante un'interruzione del fornitore può costare caro senza produrre valore. Infine, misurare il costo per esecuzione dell'agente, non per chiamata API, è l'unico modo per sapere dove tagliare.
Se i vostri agenti IA girano in produzione senza visibilità chiara sul loro costo reale, questo è probabilmente il buon momento per controllare l'architettura prima che la fattura diventi il problema.
Domande frequenti
Perché i miei costi API IA aumentano mentre i tariff per token scendono?
Perché il tariff unitario è solo una variabile tra le altre. Il numero di iterazioni, retry e chiamate agli strumenti per compito spesso ha più impatto sulla fattura finale che il prezzo pubblicizzato al milione di token.
Come misurare il costo reale di un agente IA in produzione?
Bisogna seguire il costo per esecuzione completa di compito, non per singola chiamata API. Strumenti di monitoraggio dedicati agli agenti stanno iniziando a emergere per questo, oltre a una basic instrumentazione interna (loggare il numero di iterazioni e token per compito).
Il caching del prompt riduce davvero la fattura degli agenti IA?
Sì, sulle porzioni di contesto che non cambiano da una richiesta all'altra, system prompt, schema degli strumenti MCP, documentazione. È una delle leve più semplici da attivare senza modificare la logica dell'agente.
Devo disattivare i retry automatici per limitare i costi?
No, non completamente. Bisogna distinguere gli errori transienti, che meritano un nuovo tentativo, dagli errori di logica che si ripeteranno indefinitamente. Un plafond di iterazioni rimane più sicuro di una disattivazione completa.
Un agente IA meno caro è necessariamente meno performante?
Non necessariamente. Instradare i sottocompiti semplici verso un modello più leggero e riservare il modello più potente al ragionamento finale spesso consente di ridurre la fattura senza degradare il risultato finale.
