OpenAI testa un nuovo modello di prezzi per l’AI: si paga solo se l’agente raggiunge il risultato

OpenAI starebbe consentendo a un numero ristretto di grandi clienti aziendali di pagare soltanto quando un agente AI completa un’attività commerciale concordata. Si tratta, secondo le informazioni disponibili, di un progetto pilota limitato e non di un nuovo listino pubblico: l’azienda non ha reso noti i compiti coinvolti, le tariffe o i termini contrattuali. 5

L’esperimento è importante perché gli agenti autonomi possono consumare molta più potenza di calcolo rispetto a un chatbot tradizionale. Con la fatturazione a token, il conto cresce in base a prompt, risposte, tentativi ripetuti e chiamate agli strumenti. Un modello basato sul risultato legherebbe invece il pagamento a un esito definito in anticipo dal cliente e dal fornitore.

La differenza tra pagare i token e pagare il risultato

I listini pubblici di OpenAI per API e clienti enterprise calcolano il prezzo dei token di input, dei token di input memorizzati nella cache e dei token di output, generalmente per milione di token. 1 2 In questo schema il cliente paga l’utilizzo del modello, indipendentemente dal fatto che l’agente riesca o meno a portare a termine il lavoro.

Il pricing basato sul risultato cambia il momento in cui scatta la fattura. La domanda non è più soltanto: «Quanti token ha elaborato il sistema?», ma: «L’agente ha raggiunto l’obiettivo concordato?». Un risultato valido potrebbe essere la chiusura corretta di una richiesta di assistenza, il completamento di un flusso operativo o l’aggiornamento verificato di un sistema aziendale. Tuttavia, i risultati specifici previsti dal progetto pilota di OpenAI non sono stati resi pubblici. 5

In questo modo una parte del rischio operativo passa dall’acquirente al fornitore. Più tentativi, catene di ragionamento lunghe o esecuzioni fallite potrebbero aumentare i costi di OpenAI senza generare necessariamente un evento fatturabile.

Perché le aziende temono costi difficili da prevedere

La fatturazione a consumo è relativamente semplice da gestire quando un’applicazione ha un utilizzo regolare. Diventa molto più difficile da prevedere quando gli agenti possono scegliere autonomamente il proprio percorso, chiamare più volte strumenti esterni, delegare attività oppure eseguire diversi processi in parallelo.

L’esempio più eclatante riportato finora riguarda uno sviluppatore che, utilizzando 100 agenti, avrebbe accumulato 1,3 milioni di dollari di addebiti per token OpenAI in 30 giorni. 5 È un caso estremo, ma rende evidente il problema economico: nei sistemi autonomi la spesa può crescere con il numero di tentativi e con l’attività svolta, non necessariamente con il valore del lavoro completato.

Un contratto basato sul risultato potrebbe rendere più semplice la previsione del budget. Potrebbe inoltre ridurre il rischio che il cliente sostenga l’intero costo di un tentativo non riuscito, se il contratto stabilisse che i fallimenti non sono fatturabili. Non è però noto se il progetto pilota di OpenAI preveda davvero questa protezione né come gestisca le eccezioni.

Da quali attività potrebbe partire il modello

Il pricing a risultato è più facile da amministrare quando un’attività ha un confine chiaro e un evento di completamento osservabile. L’assistenza clienti è il caso più immediato: una risoluzione può spesso essere verificata attraverso lo stato di un ticket, l’interazione con il cliente o l’assenza di un successivo intervento umano.

Altri flussi potenzialmente adatti potrebbero riguardare attività di programmazione ben delimitate, gestione dei sinistri, qualificazione dei lead o operazioni amministrative. Sono ipotesi, non casi d’uso dichiarati da OpenAI. Il requisito comune è poter stabilire che cosa significhi “successo” prima dell’avvio dell’agente.

Un contratto pratico dovrebbe probabilmente specificare:

• la condizione esatta che determina il successo;
• le soglie di qualità e accuratezza;
• se il passaggio a un operatore umano costituisce un fallimento o un successo parziale;
• come vengono trattati i tentativi ripetuti e le eccezioni;
• quale evento di sistema certifica il completamento; e
• come vengono risolte eventuali contestazioni sulla fatturazione.

Senza regole di questo tipo, «paghi solo quando l’AI funziona» resta uno slogan efficace, ma commercialmente ambiguo.

I precedenti: Intercom, Zendesk e Salesforce

Il progetto attribuito a OpenAI si inserisce in un cambiamento più ampio nel modo in cui le aziende software stanno facendo pagare gli agenti AI. I modelli, però, non sono tutti equivalenti:

• Intercom Fin: Intercom dichiara di applicare un prezzo di 0,99 dollari per ogni risultato risolto. Il caso conta come valido quando l’AI chiude il problema del cliente dall’inizio alla fine senza intervento umano. 8
• Zendesk: Zendesk utilizza l’espressione «Verified Resolution» per indicare una risoluzione verificata ottenuta dall’AI, collegando il costo al risultato invece che a una semplice licenza per utente. 14
• Salesforce Agentforce: Salesforce aveva inizialmente adottato un modello da 2 dollari per conversazione, per poi introdurre i Flex Credits. Nel confronto di Intercom, un’azione standard equivale a 20 crediti, cioè circa 0,10 dollari per azione. Si tratta di una tariffazione a consumo legata all’azione, non necessariamente di un pagamento subordinato al raggiungimento del risultato aziendale finale. 8

La distinzione è importante: pricing a risultato e pricing a consumo non sono sinonimi. Pagare per azione o per conversazione può rendere più leggibile il consumo, ma il cliente potrebbe comunque pagare anche quando l’obiettivo complessivo non viene raggiunto.

Che cosa dicono i sondaggi sulle preferenze delle imprese

I dati disponibili di Futurum descrivono un mercato frammentato, non la fine generalizzata dei modelli basati sul numero di utenti.

Un sondaggio Futurum condotto su 830 responsabili IT a livello globale ha rilevato che il 43% preferiva un modello a consumo per le funzionalità di intelligenza artificiale generativa, mentre il 27% preferiva un modello basato sui risultati. 14

Un’indagine separata relativa alla seconda metà del 2026 mostra invece che, per le funzionalità AI fatturate separatamente, gli acquirenti preferivano il prezzo per utente nel 42,3% dei casi, contro il 36,6% del consumo e il 21,1% dei risultati. Per il software principale, lo stesso sondaggio indicava un sostegno maggiore al modello a consumo, al 28,9%, e a quello basato sui risultati, al 22,2%; il prezzo per utente si fermava al 12,6%.

Il punto non è quindi che le aziende abbiano scelto un unico modello universale. La preferenza sembra dipendere dal ruolo dell’AI. Una funzione di supporto prevedibile può essere inclusa in un abbonamento o venduta come componente aggiuntivo. Un servizio autonomo che svolge lavoro misurabile può invece essere più facile da giustificare con una tariffa a consumo o legata al risultato.

Perché il pricing a risultato potrebbe diffondersi

Il suo vantaggio è intuitivo per entrambe le parti. I clienti possono collegare la spesa al valore ricevuto, mentre i fornitori hanno un incentivo più forte a migliorare l’affidabilità e a ridurre le esecuzioni sprecate. Il modello potrebbe inoltre aiutare i responsabili finanziari ad approvare progetti con agenti AI che sarebbero difficili da preventivare con un consumo di token potenzialmente illimitato.

Per i fornitori, però, il rovescio della medaglia è significativo. I costi delle esecuzioni fallite non possono più essere trasferiti automaticamente al cliente. Inoltre, bisogna evitare che l’agente venga ottimizzato per una metrica troppo ristretta: potrebbe rispettare formalmente il contratto e al tempo stesso peggiorare l’esperienza complessiva del cliente.

Un altro ostacolo è l’attribuzione. Immaginiamo un processo che coinvolga più modelli, strumenti esterni, dipendenti e sistemi aziendali. Se l’agente completa soltanto una parte del lavoro, oppure se la decisione finale spetta a una persona, stabilire se OpenAI abbia prodotto il risultato fatturabile può diventare complicato.

Per questo il modello dovrebbe espandersi prima in flussi circoscritti e verificabili, non nel lavoro intellettuale aperto e difficile da misurare. Per le implementazioni più complesse, potrebbero rivelarsi più pratici accordi ibridi che combinano licenze per utenti, consumo, crediti e tariffe per specifici risultati. Futurum ha descritto i modelli ibridi come una possibile soluzione intermedia mentre i fornitori cercano di collegare il prezzo dell’AI al valore per il cliente. 14

Che cosa indicherebbe il progetto pilota di OpenAI

Se l’iniziativa venisse estesa, segnerebbe un cambiamento rilevante nell’economia dell’AI aziendale: i fornitori venderebbero sempre più spesso lavoro completato, e non soltanto accesso ai modelli o consumo di token.

Per ora, però, le informazioni disponibili consentono una conclusione più prudente. OpenAI starebbe testando il pricing a risultato con alcuni grandi clienti selezionati, ma non ha pubblicato un piano generale né fornito dettagli contrattuali sufficienti per valutare tariffe, ampiezza e risultati commerciali dell’iniziativa. 5

Il progetto va quindi considerato come un primo test: capire se la promessa «pagare per i risultati» può essere definita con sufficiente precisione da entrare nei processi di acquisto delle grandi aziende.