I dati sulle transazioni di Ramp suggeriscono che la spesa in token di AI si sta raffreddando ed è fortemente sensibile ai prezzi, mettendo in discussione l’ipotesi di una domanda di calcolo senza fine nel pieno di un boom nella costruzione di data center.
La spesa per i “token” di IA (AI) mostra segnali di raffreddamento e una nuova serie di indicatori basati sulle transazioni sta affinando il dibattito su quanto la domanda di calcolo (compute) possa continuare a crescere allo stesso ritmo delle costruzioni di data center.
Secondo una lettura, l’attuale ritmo di investimenti nelle infrastrutture per l’IA sarà sostenibile solo se le aziende che adottano l’IA vedranno un’impennata drastica dei profitti. Un’altra spiegazione è meno ordinata: la spesa è trainata non solo dalla speranza di guadagni fuori scala, ma anche dall’ansia competitiva. Per molte imprese, il timore è diretto: se non riescono a offrire interfacce di linguaggio naturale rapide e affidabili, un concorrente meglio attrezzato potrebbe inserirsi tra loro e i loro clienti, drenando relazioni e margini. In questo contesto, i “risultati” contano, ma la pressione ad agire può arrivare molto prima delle prove.
Gli incentivi attraversano l’intero ecosistema. Gli hyperscaler del cloud hanno posizioni di piattaforma molto redditizie da difendere. I principali laboratori di IA come Anthropic e OpenAI stanno correndo per scalare prodotti che potrebbero diventare lo strato di interfaccia predefinito sia per i consumatori sia per le aziende — e la spesa elevata per l’accesso ai data center è anche un modo per rassicurare gli investitori che la crescita è possibile e che i ricavi possono seguire. Nel frattempo, molti ingegneri vogliono sperimentare strumenti all’avanguardia, idealmente finanziati da capitali da startup. E, come in altri boom tecnologici, c’è una coorte di partecipanti guidati dallo slancio — persone abituate a narrazioni del tipo “i numeri salgono sempre” — che sono meno sensibili ai fondamentali di breve periodo.
Su questo sfondo, un recente report di TechCrunch ha osservato che la spesa in IA per dipendente nelle aziende di punta è scesa in agosto, sollevando la domanda se il calo fosse una pausa stagionale o un primo segnale d’allarme. Torsten Slok, facendo leva sul monitoraggio dell’IA di Ramp, sostiene che i dati indichino un vincolo più strutturale: la domanda di compute appare “piatta” e “altamente sensibile ai prezzi”, al punto che anche piccole variazioni del prezzo dei token possono spingere i clienti a limitare l’uso o a spostarsi su alternative open-source più economiche. Slok richiama anche tensioni sul lato dell’offerta, notando che i rendimenti sul capitale investito per i cinque maggiori hyperscaler stanno calando perché il capitale viene impiegato più rapidamente di quanto crescano gli utili.
Questa combinazione — domanda sensibile ai prezzi insieme a un indebolimento dell’efficienza del capitale — indebolisce l’idea che la domanda di data center sia, di fatto, illimitata. Il test economico centrale, sostiene Slok, è se il valore marginale che gli utenti ricavano dal compute superi il costo marginale per fornirlo. Finora, per molte aziende il ritorno finanziario diffuso dell’IA “ha tardato a materializzarsi”, il che implica che le imprese continueranno a pagare prezzi premium solo se riusciranno a tradurre quel compute in una crescita significativa dei ricavi.
Gran parte di questo dibattito è ormai ancorata all’AI Index di Ramp, costruito a partire dai dati delle transazioni su carte aziendali e pagamenti di fatture di Ramp. L’economista capo di Ramp, Ara Kharazian, ha iniziato a compilare l’indice all’inizio della primavera 2025; oggi copre circa 70.000 aziende e ha acquisito maggiore visibilità dopo essere stato incorporato nel database FRED della Federal Reserve Bank of St. Louis, includendo anche scomposizioni per provider, settore e dimensione del cliente.
Il dataset presenta importanti avvertenze: i clienti di Ramp sono sbilanciati verso aziende tecnologicamente avanzate; non include strumenti gratuiti, account personali e acquisti instradati tramite intermediari che non usano Ramp; e la spesa è fortemente concentrata, con l’80% proveniente dal top 1% dei clienti di Ramp. Ciononostante, è una delle poche finestre su larga scala sugli acquisti di IA nel mondo reale.
Kharazian raccomanda di monitorare non solo i dollari spesi, ma anche i volumi di utilizzo e i prezzi. I suoi dati di ottobre mostrano Anthropic che applica in media 0.00000048 per OpenAI, circa due terzi in più. Al picco dell’entusiasmo per “Claude-Code” a marzo, i prezzi si sono attestati in media a 0.0000007 per OpenAI, collocando Anthropic a poco meno di 1,5 volte la tariffa di OpenAI. L’implicazione: una parte del rallentamento nella crescita della spesa per token potrebbe riflettere un’intensificazione della pressione sul posizionamento premium dei prezzi di Anthropic.
Perché conta
La spesa per token è un segnale diretto, a livello di singola transazione, di quanto le aziende stiano effettivamente utilizzando l’IA generativa — e di quanto tale utilizzo sia sensibile al prezzo. Se la domanda dovesse rivelarsi limitata o facilmente sostituibile, potrebbe ridisegnare i piani di investimento nei data center, l’economia dei cloud provider e le strategie di pricing dei fornitori di modelli di IA. La prossima domanda chiave è se i guadagni di ricavo misurabili derivanti dall’adozione dell’IA arriveranno abbastanza rapidamente da giustificare il proseguimento di un utilizzo di calcolo costoso su larga scala.