Anthropic, Microsoft, Google e Uber stanno tutti ritoccando prezzi e limiti: per il commentatore del canale, il segnale è che l’uso dell’AI non può restare gratis o quasi.
Le crepe dell’economia dell’AI, per il narratore, non arrivano con un annuncio solenne ma con una serie di ritocchi quasi contabili: più limiti su Claude, più token in GitHub Copilot, più attenzione al costo di ogni richiesta. La tesi è semplice e ripetuta per tutto il video: i modelli non possono essere venduti all’infinito come se l’inferenza fosse quasi gratuita. Se le aziende stanno misurando meglio il consumo, sostiene, è perché il conto è già arrivato. E dietro il marketing aggressivo, dice, c’è soprattutto la necessità di trovare margini e nuovi investitori.
Il primo segnale, secondo il narratore, arriva da Anthropic e dal suo *painted door test*, cioè un test in cui si mostra una condizione diversa di prezzo o accesso per capire quanta domanda si perde. Nel caso citato, non si tratta neppure di un semplice aumento, ma della rimozione di Claude Code dal piano da 20 dollari per una parte degli utenti, con l’obiettivo di capire chi accetta di salire a 100 dollari al mese.
Stanno vedendo quanto denaro in più potrebbero fare se facessero pagare di più. Quanti altri clienti lascerebbero la pagina dei prezzi?
0:15
Non è un test del tipo, “ti abbiamo scelto, quindi ti facciamo pagare meno”. Qui c’è un gruppo intero di persone a cui è stato mostrato che Claude Code non era disponibile a 20 dollari al mese.
1:01
L’argomento è che questi esperimenti non sono un dettaglio di prodotto, ma un modo per capire se l’azienda riesce a monetizzare abbastanza da coprire il costo reale del servizio. Il narratore insiste che il vero problema non è il fatto che una richiesta “porta soldi”, ma che il costo di addestramento e di esecuzione dei modelli più costosi non viene recuperato così facilmente.
La stessa logica, dice, sta entrando in GitHub Copilot*, dove Microsoft ha smesso di ragionare in termini di “azioni” e ha spostato il sistema su un consumo di token. Il motivo, nella sua lettura, è aritmetico: non tutti i modelli costano uguale, e usare un modello più caro consuma più credito.
Non tutte i modelli costano lo stesso. Se pensi a Opus 47, quello costa molto di più.
3:15
Ora non ti danno più un certo numero di esecuzioni. Ti danno uso di token, perché se usi un modello più costoso, beh, usi più token.
3:20
Il passaggio, per il narratore, è la prova che il mercato sta abbandonando l’idea di un’AI consumabile quasi senza attrito. Se il prodotto viene prezzato sul consumo, non sull’illusione di una capacità fissa, vuol dire che le aziende stanno cercando di proteggere i margini mentre gli utenti spingono verso modelli sempre più potenti.
Qui il narratore allarga il quadro e distingue tra chi deve crescere in fretta e chi può permettersi di assorbire perdite più a lungo. OpenAI, cita, avrebbe ricevuto 120 o 122 miliardi di dollari di investimento, abbastanza, dice, per coprire solo 18 o 24 mesi di attività, cioè 5 o 7 miliardi al mese in rosso.
OpenAI ha ricevuto 122, o 120 miliardi di dollari di investimento, e questo basta per 18 o 24 mesi.
2:07
Se non cambiano qualcosa, continueranno a perdere miliardi di dollari.
2:20
Microsoft, al contrario, viene descritta come una società che può sopportare una fase di espansione meno redditizia perché ha già scala, ricavi e un business maturo. Google è presentata come il vero vincitore relativo: investe “un centinaio di miliardi all’anno”, secondo il narratore, e può farlo senza la stessa pressione del fundraising che grava su altri concorrenti.
La vera vincitrice, onestamente, è Google. Stanno versando più di cento miliardi di dollari all’anno nell’AI e possono semplicemente farlo.
5:30
Microsoft fa soldi. Che vi piaccia o no, è una delle più grandi aziende del mondo.
5:13
A rafforzare il quadro arriva il caso di Uber, che secondo il narratore avrebbe speso in quattro mesi l’intero budget annuale per l’AI. Il punto non è solo la cifra, ma il paradosso: le aziende spingono i dipendenti a usare l’AI il più possibile e poi si sorprendono quando i costi esplodono.
Uber ha appena detto che in quattro mesi ha speso l’intero budget annuale per l’AI.
6:31
Come fai a dire a ogni dipendente di usare l’AI al massimo e poi a giudicarlo sull’uso dell’AI?
6:35
Il narratore non immagina un ritorno al codice scritto solo a mano. Dice piuttosto che, per ora, la quantità di uso verrà ridotta e i limiti diventeranno più rigidi, perché il sistema non è ancora economicamente sostenibile come viene venduto. La retorica da rivoluzione immediata, sostiene, serve anche a tenere in piedi il ciclo di capitali necessari a finanziare quel consumo.
Perché Anthropic ha cambiato il prezzo?
Secondo il narratore, Anthropic voleva capire quanto ricavo extra può ottenere limitando Claude Code nel piano da 20 dollari. Legge il test come un tentativo di misurare quanto mercato regge prezzi più alti.
Perché GitHub Copilot passa ai token?
Perché, dice il narratore, i modelli non costano tutti uguale e quelli più potenti consumano più risorse. Il passaggio ai token serve quindi a far pagare di più chi usa capacità più costose.
Google è davvero avvantaggiata?
Secondo il narratore sì, perché ha scala e ricavi sufficienti per spendere molto in AI senza la stessa pressione di OpenAI o Anthropic. La sua lettura è finanziaria, non tecnica.
L’AI sta diventando troppo cara per le aziende?
Per il narratore, i segnali vanno in quella direzione, ma non fino al punto di abbandonarla. Dice che i limiti aumenteranno e che le aziende troveranno comunque un modo per renderla sostenibile.
Sintesi assistita dall'AI del podcast di The PrimeTime, verificata sulla trascrizione originale.