28/08/2026
Meglio comprare token o costruire l’AI in casa?
Guardando il grafico di Artificial Analysis “Intelligence vs. Cost per Intelligence Index Task”, la tentazione è immediata: trovare il modello più intelligente al minor costo possibile.
Ma quel grafico, in realtà, parla anche di economia industriale.
La domanda vera non è soltanto: quale modello scegliere?
È un’altra:
Quanta intelligenza conviene possedere e quanta conviene affittare?
I modelli frontier e quelli open-weight stanno abbassando rapidamente il costo dell’intelligenza digitale. Capacità che fino a poco tempo fa erano riservate ai modelli più costosi stanno diventando sempre più accessibili.
Ed è qui che nasce il paradosso.
Se uso API esterne, pago i token.
Se porto tutto in casa, posso smettere di pagare i token, ma comincio a pagare GPU, infrastruttura, energia, persone, manutenzione, sicurezza e capacità inutilizzata.
In pratica, spengo un tassametro e ne accendo un altro.
Una GPU utilizzata all’80% può essere un asset industriale.
Una GPU utilizzata al 7% rischia di diventare un costosissimo soprammobile tecnologico.
Per questo credo che la domanda “AI interna o AI esterna?” sia già troppo semplice.
Io non costruirei “la nostra AI”.
Costruirei il nostro sistema di AI.
Un sistema in cui il modello è una componente sostituibile: OpenAI per alcune attività, Anthropic per altre, un modello open-weight per dati sensibili o processi ripetitivi e, domani, qualcosa che oggi ancora non esiste.
Perché quando la frontiera si sposta ogni pochi mesi, legare l’impresa a un solo modello può trasformare una scelta tecnologica in debito tecnico.
Allora, dove investire davvero?
Non necessariamente nel possedere il cervello.
Piuttosto nel possedere memoria, contesto e processo.
Dati aziendali strutturati, knowledge base, RAG, collegamenti con ERP e CRM, identità, permessi, strumenti per gli agenti, evaluation, logging, governance, caching e routing intelligente.
Perché l’accesso a un modello possono comprarlo tutti.
I tuoi processi no.
I tuoi dati no.
La conoscenza accumulata dalle tue persone no.
Il modo in cui colleghi AI, clienti e operazioni no.
Forse il punto si può sintetizzare così:
Valore AI = Intelligenza × Contesto × Processo / Costo
Il mercato sta abbassando rapidamente il prezzo dell’intelligenza.
Questo significa che il vantaggio competitivo si sposterà sempre di più verso contesto e processo.
È già successo con altre infrastrutture.
Quando tutti possono comprare elettricità, il vantaggio non è necessariamente possedere una centrale.
Il vantaggio è sapere cosa costruire con quell’elettricità.
Per questo immagino un’architettura ibrida:
AI esterna per la frontiera.
AI interna per continuità, scala e carichi sensibili.
Dati e processi sempre sotto il controllo dell’impresa.
E sopra tutto, un router dell’intelligenza.
Arriva un task. Il sistema ne valuta difficoltà, sensibilità e valore economico. Poi sceglie il modello più adatto e usa soltanto la quantità di intelligenza realmente necessaria.
Ed è anche per questo che con N AI Lab di NA StartUp con Antonio Prigiobbo, Massimo Morgante, Alberto Sepe, Pablo Ramirez e Antonio Gison da tempo stiamo lavorando proprio su questa direzione: supportare le imprese non semplicemente nell’adozione dell’AI, ma nella costruzione di sistemi capaci di scegliere, integrare e governare modelli diversi in funzione dei processi reali.
Capire dove conviene usare AI esterna, dove ha senso portare capacità all’interno e, soprattutto, come mantenere dati, conoscenza e processi sotto il controllo dell’impresa.
Non è una corsa a possedere più tecnologia.
È un lavoro di architettura, metodo e business design.
La sfida, quindi, non è scegliere oggi GPT, Claude, Grok, Kimi o il prossimo modello.
La sfida è progettare un’impresa capace di cambiare AI senza dover ricostruire ogni volta se stessa.
Forse è questo il vero asset.
Fonte esterna:
[https://artificialanalysis.ai/models/kimi-k3](https://artificialanalysis.ai/models/kimi-k3)
NA StartUp
