Dieci miliardi di dollari in tre mesi. Tanto ha incassato Microsoft da OpenAI fra luglio e settembre, mentre nell’intero esercizio precedente gli accordi con il laboratorio di ChatGPT ne avevano portati 24,1. Dall’altra parte del tavolo, quello di chi l’intelligenza artificiale la compra, Santander mette a bilancio una cifra molto più piccola: 194 milioni di euro di valore generato in nove mesi. Eppure è la seconda a dire di più su dove sta andando il mercato.
Dopo la stagione delle sperimentazioni, delle licenze distribuite ai dipendenti e dei progetti pilota, l’AI entra in quella dei conti. La domanda non è più soltanto quale modello adottare o quanti collaboratori lo usino, ma quale valore economico produca l’intelligenza artificiale e a fronte di quali costi.
Indice degli argomenti
Il ROI dell’intelligenza artificiale oltre le metriche di adozione
I numeri di Microsoft e Santander offrono due punti di osservazione complementari. Il primo mostra quanto l’AI incida sui ricavi di chi la vende, il secondo prova a quantificarne gli effetti dentro un’impresa che la usa. Anthropic, intanto, porta sul mercato strumenti pensati per rendere leggibile il rapporto fra spesa, attività svolte e risultati.
Sono tre misure diverse. E, anche se nessuna è ancora un ritorno sull’investimento nel senso in cui lo intende un CFO, insieme segnano un passaggio decisivo. Senza sistemi di misurazione incorporati nel processo di adozione, il rischio è scambiare l’aumento dell’utilizzo per un ritorno.
Microsoft e il ritorno economico dell’AI dal lato dei ricavi
Nel trimestre chiuso a settembre 2026 Microsoft ha registrato 10 miliardi di dollari di ricavi dagli accordi commerciali con OpenAI, compresi i pagamenti legati alla condivisione dei ricavi (revenue sharing). Il dato emerge dal bilancio trimestrale depositato alla SEC e vale quasi l’11% dei 92,3 miliardi di ricavi complessivi del gruppo. Al ritmo attuale, calcola TechCrunch, la voce supererebbe i 40 miliardi l’anno.
Nello stesso periodo Azure, la piattaforma cloud del gruppo, ha generato 33,2 miliardi di dollari, con una crescita del 48%, mentre Microsoft Cloud ha raggiunto 63,9 miliardi, in aumento del 30% (dati Microsoft). Microsoft non dice quanto dei 10 miliardi arrivi dal consumo di infrastruttura Azure e quanto dalla condivisione dei ricavi. Ma la dimensione economica della partnership è evidente.
La partnership con OpenAI tra investimenti, margini e rischio
È un primo livello di misurazione: il ritorno dell’AI per chi vende capacità di calcolo, modelli e servizi. E rivela una forte interdipendenza. OpenAI è contemporaneamente partecipata, cliente, partner e concorrente di Microsoft. Per giudicare la sostenibilità del risultato non basta guardare il fatturato: contano gli investimenti in infrastrutture, i crediti verso il cliente, i margini e la concentrazione del rischio.
Un solo dato: nello stesso trimestre Microsoft ha speso 39,4 miliardi in impianti e attrezzature, quasi quattro volte quanto incassato da OpenAI. Sono investimenti al servizio dell’intero cloud, non solo di OpenAI, ma danno la misura della scommessa.
Santander misura il valore dell’intelligenza artificiale in banca
Cambia il punto di osservazione con Santander. Nei risultati dei primi nove mesi del 2026 la banca attribuisce alle iniziative su dati e intelligenza artificiale 194 milioni di euro di valore di business.
Il calcolo comprende maggiori ricavi, minori costi e minori accantonamenti su crediti. La progressione è in linea con gli obiettivi: 35 milioni nel primo trimestre, la previsione di superare i 200 a fine anno, 194 a settembre. Per il 2028 la banca punta a oltre un miliardo di euro di valore all’anno.
Per avere un ordine di grandezza: i 194 milioni equivalgono a meno del 2% degli 11,2 miliardi di utile ordinario dei nove mesi. Le due grandezze non sono omogenee, perché il valore di business non è utile netto, ma il confronto dice quanta strada resti da fare.
Il limite di una metodologia ancora poco trasparente
È comunque un segnale rilevante, perché sposta il confronto dall’adozione all’impatto sul business. Il limite è che la banca non pubblica la suddivisione dei 194 milioni fra ricavi, costi e rischio di credito, né una validazione indipendente della metodologia.
La cifra va quindi letta come un’indicazione importante, non come un parametro già confrontabile con quelli di altre banche. Mostra però la direzione: per portare l’AI su scala industriale le aziende devono costruire un sistema di attribuzione capace di collegare ogni caso d’uso a una variazione osservabile di ricavi, costi, produttività, rischio o qualità del servizio.
Anthropic porta la misurazione dell’AI nei flussi di lavoro
Il 28 ottobre Anthropic ha esteso a tutti i clienti Claude Enterprise i report automatici sull’uso (smart report), i sondaggi interni e i budget di spesa condivisi fra i membri di un team. Gli amministratori possono vedere quali attività vengono svolte con Claude, che cosa producono, quanto costano e in quali punti i flussi di lavoro si inceppano.
I report usano i dati di utilizzo e le risposte dei dipendenti per ricostruire il lavoro dei team e suggerire miglioramenti. Anthropic dichiara che, per impostazione predefinita, questi dati non vengono usati per addestrare i modelli.
Spesa e produttività degli agenti per il codice
Il bisogno di strumenti del genere emerge dai dati di Jellyfish, società che analizza la produttività dei team di sviluppo, raccolti sull’attività di circa 276 mila programmatori. La spesa per gli agenti che scrivono codice è cresciuta di dieci volte dall’inizio dell’anno, fino a circa il 2% dei costi complessivi di sviluppo software. Il 2% può sembrare poco, ha osservato con TechCrunch il capo scienziato di Jellyfish, Nicholas Arcolano, ma è una crescita che la maggior parte dei CFO non aveva messo a budget.
Claude Code e gli altri strumenti basati sui modelli Anthropic restano i più usati: valgono quasi un terzo delle modifiche al codice proposte per la revisione. Da qui l’interesse dell’azienda a difendere i clienti con strumenti che ne giustifichino la spesa.
Quando più token non significano un ritorno maggiore
L’aumento della spesa, però, non dimostra da solo un ritorno. Può indicare maggiore adozione, ma anche inefficienze, strumenti duplicati o consumi fuori controllo. Gli stessi dati di Jellyfish lo mostrano: il 10% più produttivo degli ingegneri rende circa il doppio della mediana, ma consuma dieci volte i token, cioè le unità di testo su cui si calcola il costo dei modelli. E Uber, ad aprile, ha scoperto di aver esaurito in quattro mesi l’intero budget annuale per l’AI: da allora ha fissato un tetto di 1.500 dollari al mese per dipendente per ciascuno strumento di programmazione assistita.
La novità sta quindi nella possibilità di mettere in relazione il costo dei token con il lavoro prodotto e con i punti in cui l’agente fallisce o richiede l’intervento umano. Con un limite da tenere presente: è una misura dell’uso, non ancora del ritorno, e a farla è chi vende. Il controllo indipendente resta compito dell’impresa.
Come misurare il ROI dell’intelligenza artificiale prima del modello
Per le imprese il messaggio è chiaro: gli strumenti per valutare il ROI non si aggiungono dopo la messa in produzione. Devono entrare nei criteri con cui si scelgono modello e piattaforma.
Il punto zero per confrontare costi e risultati
Prima di avviare un progetto bisogna fotografare la situazione di partenza del processo: tempi, costi, errori, ricavi, livelli di servizio, interventi manuali. Vale anche per i progetti esplorativi, dove molti casi d’uso di valore emergono strada facendo: senza un punto zero, non c’è nulla con cui confrontarli.
Poi vanno misurati il costo complessivo dell’AI, compresi integrazione, supervisione, sicurezza e formazione, e il risultato netto rispetto alla partenza.
Dalle metriche di utilizzo alla trasformazione dei processi
Non basta contare utenti attivi, richieste o token consumati: sono metriche di adozione, non di valore. Anche le ore “risparmiate” possono essere fuorvianti se non si verifica come vengono reimpiegate e se producono maggiore capacità, ricavi o qualità.
I quattro livelli del valore prodotto dall’AI
Io distinguerei almeno quattro livelli: l’adozione dello strumento, l’aumento della produttività individuale, la trasformazione del processo e quella del modello di business. Soltanto negli ultimi due l’AI cambia davvero i conti dell’impresa.
Microsoft dimostra che il mercato ha già raggiunto una scala economica enorme. Santander prova a tradurre l’adozione in valore aziendale. Anthropic prova a rispondere alla domanda che, come osserva Arcolano, molti direttori finanziari non avevano messo a budget: che cosa compra questa spesa.
La prossima competizione fra modelli non si giocherà soltanto su prestazioni e prezzo per token, ma sulla capacità di rendere il valore prodotto visibile, verificabile e confrontabile. Senza questa capacità, l’AI resta una voce di costo con un’ottima reputazione. Con metriche solide, diventa una scelta industriale.
Partecipa alla community