OpenAI passa ai prezzi a risultato: paghi solo se l’AI completa il lavoro

Per anni hai pagato l’intelligenza artificiale a consumo: una cifra per ogni token elaborato, per ogni chiamata alle API, per ogni minuto di calcolo. Ora OpenAI sta iniziando a ribaltare questa logica. Secondo quanto riportato dalla testata The Information, l’azienda ha cominciato a far pagare alcuni grandi clienti solo quando la sua AI porta davvero a termine il compito assegnato.

Non è più il consumo a decidere la fattura, ma l’esito. È un cambiamento che sembra piccolo, ma che tocca il cuore del modello di business dell’intelligenza artificiale.

Cosa ha deciso OpenAI

Il nuovo schema, per ora, non è pubblico e non è stato annunciato ufficialmente. Riguarda un gruppo ristretto di grandi account, non l’utente comune né lo sviluppatore che apre un conto sulle API. In pratica, OpenAI concede ad alcuni clienti selezionati di pagare in base ai risultati prodotti dai suoi agenti, invece che in base alle risorse consumate.

La formula si chiama outcome-based pricing, cioè prezzo legato al risultato. Al posto di conteggiare token, richieste o tempo di elaborazione, il fornitore vende l’esito stesso: il compito completato, la pratica chiusa, il problema risolto.

Restano però molti punti oscuri. OpenAI non ha reso noto come stabilisce quando un’attività può dirsi conclusa con successo, né quali metriche usa per certificare che il lavoro sia stato svolto. E questo, come vedrai, è esattamente il nodo più delicato di tutta la faccenda. Puoi leggere i dettagli dell’indiscrezione nel resoconto pubblicato da The Next Web.

Dai token agli esiti: perché è una svolta

Per capire la portata della notizia devi guardare a come funziona oggi il mercato. Quasi tutti i grandi laboratori vendono i loro modelli a consumo: paghi in proporzione ai token in ingresso e in uscita, oppure in base al numero di chiamate. È un sistema trasparente e prevedibile per chi vende, molto meno per chi compra.

Il problema è che i costi possono esplodere in fretta. Un agente che ragiona a lungo, che naviga, che prova e riprova, consuma enormi quantità di token anche quando non conclude nulla di utile. Le aziende se ne sono accorte, e la voce di spesa legata ai token è diventata una delle preoccupazioni principali dei responsabili informatici.

Non a caso la guerra dei prezzi tra i fornitori si è fatta feroce. Negli ultimi mesi OpenAI ha più volte tagliato le tariffe delle sue API, come quando ha ridotto del 20% il costo degli input di GPT-5.6 Sol. Ma abbassare il prezzo unitario non risolve il dubbio di fondo del cliente: sto pagando per un valore reale o solo per del calcolo bruciato?

Il prezzo a risultato prova a rispondere proprio a questa domanda. Se paghi solo quando l’AI conclude il lavoro, il rischio del calcolo sprecato si sposta dalle tue spalle a quelle del fornitore.

Perché proprio adesso

La tempistica non è casuale. Il salto verso gli esiti arriva mentre l’AI smette di essere un semplice assistente che risponde e diventa un agente capace di eseguire compiti in autonomia. Se non hai chiaro di cosa si tratti, abbiamo spiegato in dettaglio cosa sono e come funzionano gli agenti AI.

OpenAI stessa sta spingendo verso modelli che lavorano per periodi lunghissimi. Con Astra, la sua prossima famiglia di modelli, l’azienda parla di sistemi capaci di restare su un problema per ore, giorni o addirittura settimane. In uno scenario simile, contare i token diventa quasi ingestibile per chi compra: molto più sensato pagare l’obiettivo raggiunto.

Non solo OpenAI: la corsa al prezzo a risultato

OpenAI non è arrivata per prima e non è sola. Il modello del prezzo legato all’esito sta prendendo piede in tutto il software aziendale, spinto proprio dal timore dei costi fuori controllo.

L’esempio più concreto arriva da Salesforce. Il colosso del CRM ha lanciato Agentforce Help Agent, un agente per l’assistenza clienti con un prezzo di due dollari per ogni caso risolto. Il cliente paga solo quando l’agente chiude la pratica in autonomia, dall’inizio alla fine. Se l’utente si lamenta o chiede di parlare con una persona, non scatta alcun addebito. È un dettaglio che pesa, perché lega il compenso alla soddisfazione reale.

Salesforce ci è arrivata per gradi. Prima aveva provato con un prezzo per conversazione, poi con un sistema di crediti flessibili, infine con un modello ibrido, prima di scegliere il pagamento per risoluzione. Nel frattempo ha stretto legami sempre più forti con i grandi modelli, come mostra l’arrivo di Claude dentro il suo CRM con Claudeforce.

Anche altri si stanno muovendo. Oracle ha dichiarato di avere già modelli a risultato in settori come la sanità e l’ospitalità, e di volerli estendere. HubSpot e Pegasystems hanno presentato formule simili. La società di ricerca Constellation ha parlato apertamente di una spinta che accelera: puoi approfondire il caso Salesforce nella sua analisi dedicata.

I nodi ancora da sciogliere

Il prezzo a risultato è affascinante sulla carta, ma nella pratica apre una serie di domande spinose. La prima è la più ovvia: che cosa conta come risultato?

Fornitore e cliente devono mettersi d’accordo su una definizione precisa e su metriche condivise, altrimenti si finisce a litigare su ogni fattura. Un caso di assistenza chiuso è facile da misurare. Un’analisi finanziaria, un progetto di ricerca o una campagna di marketing lo sono molto meno.

Poi c’è il tema di chi verifica il valore. Se è il fornitore stesso a dichiarare che il compito è riuscito, il cliente deve fidarsi. Serve un arbitro, o almeno regole trasparenti e controllabili.

Infine, il rischio. Con il prezzo a risultato è il fornitore a farsi carico dei costi di calcolo quando l’AI fallisce e riprova. Questo può favorire i grandi gruppi, capaci di assorbire gli insuccessi, e mettere in difficoltà le realtà più piccole. Non è un caso che, per ora, OpenAI riservi la formula solo ad alcuni clienti importanti.

Cosa significa per te e per le aziende

Se guidi un’azienda o gestisci un budget tecnologico, questa notizia ti riguarda da vicino. Il prezzo a risultato promette una cosa semplice e potente: allineare la spesa al valore. Paghi per ciò che ottieni, non per l’energia che la macchina consuma nel tentativo.

È un cambio di prospettiva che potrebbe rendere più facile giustificare gli investimenti in AI, perché li lega a esiti concreti e misurabili invece che a bollette di calcolo difficili da spiegare. Molti responsabili, oggi frenati dalla paura dei costi imprevedibili, potrebbero convincersi proprio grazie a questo.

Allo stesso tempo, dovrai imparare a negoziare in modo nuovo. Non più tariffe unitarie, ma definizioni di successo, soglie, garanzie e clausole. Il confronto si sposterà dal prezzo del singolo token al significato della parola risultato. E chi saprà scrivere bene quei contratti avrà un vantaggio reale.

Conclusioni

La mossa di OpenAI, ancora silenziosa e riservata a pochi, segna un possibile punto di svolta. Il passaggio dal consumo all’esito riflette la maturazione dell’intera industria: dai modelli che rispondono agli agenti che lavorano, dai token contati agli obiettivi raggiunti.

Restano molte incognite, dalle definizioni condivise alla gestione del rischio, e la strada è tutt’altro che spianata. Ma la direzione è chiara e coinvolge tutti i grandi nomi del settore.

Ti conviene tenere d’occhio come si evolverà questo modello nei prossimi mesi, soprattutto se stai valutando di portare gli agenti AI dentro la tua attività. Continua a seguirci per capire come cambiano prezzi, strumenti e regole dell’intelligenza artificiale, e per farti trovare pronto quando il prezzo a risultato diventerà lo standard anche per te.