Quanto costa davvero l'IA generativa? Licenze, token e costi nascosti spiegati

Per un'azienda della moda l'IA generativa costa molto più del prezzo della licenza. Il totale comprende abbonamenti per utente, tariffe a token basate sull'utilizzo per i carichi di lavoro automatizzati, integrazione e sviluppo, preparazione dei dati e, in modo continuativo, governance, formazione e tempo di revisione. Le licenze sono la voce più visibile, ma integrazione, lavoro sui dati e revisione umana spesso costano di più nell'arco di vita di un caso d'uso.

Quali sono le principali voci di costo dell'IA generativa?

Quanto costano le licenze degli assistenti IA enterprise?

Il prezzo per postazione è la parte più facile da confrontare, anche se cambia spesso e va sempre verificato sulla pagina del fornitore. Microsoft indica per Microsoft 365 Copilot 30 dollari USA per utente al mese con pagamento annuale, oppure 31,50 dollari con pagamento mensile e impegno annuale, e richiede una licenza Microsoft 365 idonea separata. Google include le funzioni Gemini nella maggior parte dei piani business di Google Workspace: Gemini completo in Docs, Sheets, Slides e altre app è indicato per i livelli Business Standard e Plus, con un accesso più limitato in Business Starter.

Due aspetti contano più del prezzo di listino. Primo, quali dipendenti hanno davvero bisogno di una postazione a pagamento: distribuire licenze a tutti lascia spesso molte postazioni inutilizzate. Secondo, che cosa include il pacchetto, per esempio connettori ai dati aziendali, funzioni agentiche e controlli amministrativi, che altrimenti potrebbero dover essere sviluppati o acquistati a parte.

Leggi anche

IA per i CFO della moda: dove si crea valore e come governarla

Come funziona il prezzo basato sui token?

Quando l'IA gira all'interno dei sistemi dell'azienda, per esempio per generare descrizioni di prodotto per migliaia di SKU o per alimentare un chatbot del servizio clienti, di solito viene fatturata tramite API per milione di token (un token è un frammento di parola). Il listino API pubblicato da OpenAI, verificato nell'ottobre 2026, mostra lo schema: il modello di punta costa 5 dollari per milione di token di input e 30 dollari per milione di token di output, mentre il modello piccolo costa rispettivamente 0,20 e 1,20 dollari. L'input in cache costa meno e la Batch API offre uno sconto del 50 per cento per i lavori che possono attendere fino a 24 ore.

Le implicazioni pratiche per i team della moda:

• L'output è la parte costosa, quindi i testi generati lunghi costano più dei prompt lunghi.
• Le attività massive, come tradurre di notte il catalogo di una stagione, si prestano ai prezzi batch.
• I modelli più piccoli bastano spesso per attività strutturate come l'estrazione di attributi, a una frazione del costo.
• Gli agenti che richiamano i modelli molte volte per ogni attività possono moltiplicare il consumo di token: conviene testare i costi su volumi realistici prima del lancio.

La generazione di immagini segue una logica simile, ma di solito è prezzata per immagine o per credito anziché per token. Per visual di campagna o immagini di prodotto il confronto più pertinente è con i costi di fotografia, ritocco e studio: il business case dipende quindi da quante immagini generate sono davvero utilizzabili senza rilavorazione e dai controlli legali necessari prima della pubblicazione.

Quali sono i costi nascosti dell'IA generativa?

Nel luglio 2024 Gartner ha avvertito che gli approcci di implementazione dell'IA generativa comportano costi significativi, da 5 a 20 milioni di dollari USA, e che tali costi sono meno prevedibili rispetto ad altre tecnologie, in funzione dei casi d'uso, dei livelli di spesa e dell'approccio di implementazione. Ha inoltre previsto che almeno il 30 per cento dei progetti di IA generativa sarebbe stato abbandonato dopo il proof of concept, indicando tra le cause i costi crescenti. Nel giugno 2025 ha di nuovo citato i costi crescenti tra i motivi per cui oltre il 40 per cento dei progetti di IA agentica sarà cancellato entro la fine del 2027.

Nella moda i costi nascosti tendono a concentrarsi in tre punti. Dati di prodotto: le descrizioni generate dall'IA sono accurate solo quanto gli attributi di materiali, vestibilità e manutenzione presenti nel PIM, e pulirli richiede molto lavoro. Integrazione: collegare i risultati ai sistemi di e-commerce, ERP o di ordini B2B costa spesso più dell'IA stessa. Tempo di revisione: qualcuno deve verificare accuratezza, tono di voce del brand e dichiarazioni legali dei risultati, e questo tempo va sottratto ai risparmi dichiarati.

I costi del personale sono la voce più sottovalutata in assoluto. Sessioni di formazione, tempo dei referenti interni, verifiche legali e di sicurezza dei nuovi strumenti e ore che i manager dedicano a riprogettare i processi compaiono raramente nell'offerta di un fornitore. Per un brand di medie dimensioni questi costi interni possono facilmente eguagliare il budget delle licenze nel primo anno e andrebbero stimati apertamente, invece di considerarli gratuiti solo perché il personale è già sul libro paga.

Come possono le aziende della moda tenere sotto controllo i costi dell'IA generativa?

1. Assegnare le licenze in base al ruolo e rivedere l'utilizzo ogni trimestre, riassegnando le postazioni inattive.
2. Commisurare la dimensione del modello all'attività: modelli più piccoli ed economici per classificazione ed estrazione, modelli più grandi per ragionamenti complessi.
3. Usare l'elaborazione batch per il lavoro sui contenuti su scala di catalogo.
4. Impostare limiti di spesa e avvisi sugli account API e sui flussi di lavoro degli agenti.
5. Correggere i dati di prodotto alla fonte invece di pagare ripetutamente l'IA per aggirarne le lacune.
6. Verificare se le suite già in uso includono funzioni di IA prima di acquistare strumenti sovrapposti.

Leggi anche

Perché i progetti pilota di IA si arenano nella moda e come portarli in produzione?

Come va bilanciato il costo rispetto al valore?

Un business case credibile confronta il costo completo (licenze, utilizzo, integrazione, lavoro sui dati, governance e revisione) con i miglioramenti misurati rispetto a una baseline. Nella moda i candidati più affidabili sono di solito le attività ad alto volume i cui risultati possono essere verificati, come la produzione di contenuti, l'elaborazione di documenti e la gestione del servizio clienti. Per gli utilizzi più incerti conviene partire in piccolo, misurare e solo dopo impegnarsi in licenze pluriennali.