Il conto che non ti aspetti
La maggior parte delle persone che usa Claude o ChatGPT per lavoro ogni giorno non ha mai verificato davvero per cosa sta pagando. C’è un abbonamento mensile oppure una chiave API con un saldo che si esaurisce silenziosamente, e il numero cambia: a volte più lentamente del previsto, a volte molto più rapidamente. Se ti sei mai chiesto perché una settimana «leggera» di lavoro assistito dall’AI sia costata più di una settimana intensa, la risposta quasi mai è che l’AI sia «costosa». Di solito dipende da ciò che invii, non solo da ciò che chiedi.
Questo articolo illustra la matematica effettiva, con un linguaggio semplice e senza gergo, così puoi capire da dove deriva davvero il costo e perché la soluzione non è «usare meno l’AI», ma «smettere di pagare per rispiegarti a ogni singolo messaggio».
I token, spiegati in parole semplici
Ogni messaggio che invii e ogni risposta che ricevi viene suddiviso in piccoli blocchi chiamati token. Come regola approssimativa, un token corrisponde a circa tre quarti di parola: quindi 1.000 parole di testo equivalgono più o meno a 1.300-1.400 token. Le parole brevi, le frasi comuni e il codice spesso si comprimono in meno token per parola; le parole insolite, la formattazione e i testi non inglesi possono richiederne di più.
Quando iniziano a riflettere su questo aspetto, due cose traggono in inganno:
- Contano entrambe le direzioni. Sia le parole che scrivi (input) sia quelle che l’AI ti restituisce (output) vengono fatturate o conteggiate. Una risposta lunga e dettagliata costa più di una risposta di una sola riga, anche alla stessa domanda.
- Ogni messaggio reinvia l’intera conversazione. È questo che quasi nessuno capisce finché non lo vede illustrato. I modelli di AI basati sulla chat non hanno una memoria persistente tra un messaggio e l’altro come un collega umano. Per generare una risposta sensata nel contesto, il sistema deve rileggere ogni volta l’intera conversazione fino a quel momento: il tuo primo messaggio, la sua prima risposta, il tuo secondo messaggio, la sua seconda risposta e così via, ogni volta che premi invio.
Perché «fare semplicemente due chiacchiere» diventa costoso man mano che la conversazione cresce
Ecco la parte che conta davvero. Immagina una conversazione che inizia in modo breve e cresce naturalmente, come succede nelle vere conversazioni di lavoro:
- Messaggio 1: invii 200 parole di contesto e ricevi 150 parole.
- Messaggio 2: ora il sistema deve elaborare il messaggio 1 e il tuo nuovo messaggio, per poi rispondere di nuovo.
- Messaggio 3: rielabora i messaggi 1 e 2, oltre al tuo nuovo messaggio.
Al messaggio 10, non stai pagando per «una nuova domanda». Stai pagando per ritrasmettere tutto ciò che è venuto prima, ogni volta. La cronologia della conversazione è cumulativa: non si reimposta né si comprime da sola. Una conversazione di 20 turni non costa il doppio di una da 10; per effetto del reinvio, può finire per costare diverse volte tanto, anche se il contenuto «nuovo» effettivo per messaggio è rimasto più o meno delle stesse dimensioni.
Sono calcoli indicativi, non un listino prezzi: i fornitori stabiliscono e modificano le proprie tariffe per token e dovresti sempre verificare i prezzi pubblicati aggiornati sui siti dei fornitori (anthropic.com o openai.com) se vuoi conoscere gli importi esatti per il tuo piano. Ma il meccanismo vale indipendentemente dalla tariffa: anche un costo modesto per token, moltiplicato per una cronologia della conversazione che cresce, aumenta rapidamente. La tariffa non è la leva principale. Lo è la quantità di contenuti che reinvii.
Dove si annida davvero lo spreco
Ora aggiungiamo il modo in cui lavora davvero la maggior parte delle persone. Un tipico lavoratore della conoscenza che svolge attività supportate dall’AI — scrivere email, riassumere chiamate, analizzare un foglio di calcolo, redigere un brief, controllare una clausola contrattuale — non inizia ogni attività da una tabula rasa. Ogni volta rispiega:
- «Sei un [role] esperto. Comportati come un [X] senior. Ecco la voce del nostro brand, il contesto del nostro team e le nostre preferenze di formattazione…»
- Informazioni di contesto sull’azienda, sul progetto, sul pubblico e sui vincoli.
- Le stesse istruzioni su tono e stile che hanno digitato ieri e il giorno prima.
Niente di tutto questo è informazione «nuova» per l’attività in corso: è testo standard. Tuttavia, poiché viene digitato da zero nella finestra di chat (o, peggio, costruito gradualmente all’interno di una lunga conversazione piena di divagazioni), viene conteggiato, reinviato e fatturato di nuovo ogni volta.
Un esempio illustrativo: 10 attività al giorno, due modalità diverse
Confrontiamo due approcci alla stessa giornata di lavoro: 10 attività supportate dall’AI, ciascuna delle quali richiede che l’AI agisca come uno specialista specifico (ad esempio, un analista di marketing che esamina i dati di una campagna oppure un responsabile operativo che perfeziona un documento di processo).
Approccio A: prompt riscritti di volta in volta
Ciascuna delle 10 attività inizia con la persona che riscrive (o copia e incolla da un vecchio documento) uno o due paragrafi di definizione del ruolo: «Sei un analista di marketing senior esperto di attribuzione e ROI delle campagne. Analizza i seguenti dati e forniscimi un riepilogo strutturato con raccomandazioni…». Poi arriva l’attività vera e propria. Spesso seguono un paio di messaggi per chiarire o perfezionare il risultato all’interno dello stesso thread, e ciascuno reinvia tutto ciò che lo precede. Moltiplica questo schema di testo standard più messaggi di follow-up per 10 attività separate e ti ritrovi a pagare di nuovo, essenzialmente, le stesse istruzioni decine di volte, per tutta la giornata, ogni giorno.
Approccio B: una configurazione snella basata su un file delle competenze
Il ruolo, il tono, gli standard e il metodo di lavoro vengono scritti una volta, con cura, come un prompt di sistema compatto — un «file delle competenze» — e caricati all’inizio della sessione invece di essere riscritti. Le istruzioni vengono fornite una volta all’inizio, mantenute concise (niente divagazioni né istruzioni ridondanti) e riutilizzate per ogni attività relativa a quel ruolo. La persona deve solo indicare l’attività. Non serve rispiegare chi dovrebbe essere l’AI, come formattare le risposte o cosa si intenda per «buono»: tutto questo è già definito in modo conciso in cima.
La differenza nel calcolo dei token non dipende dal fatto che l'AI "lavori più duramente" nell'Approccio B: dipende dal fatto che la parte ripetuta e standard di ogni messaggio si riduce drasticamente. Meno testo standard reinviato a ogni messaggio, in ogni attività, ogni giorno: il risparmio si accumula rapidamente, proprio come il problema della crescita della conversazione, ma nella direzione opposta.
Un prompt di sistema predefinito che trasforma Claude o ChatGPT in un analista senior di marketing: ROI delle campagne, attribuzione e standard di reporting definiti una volta per tutte, così non devi rispiegare il ruolo ogni volta che incolli nuovi dati.
Visualizza Rafa - Specialista di analisi di marketing →Perché un file Skill ben realizzato è migliore di un prompt improvvisato
Non tutti i "prompts riutilizzabili" risolvono questo problema. Un prompt di sistema prolisso e troppo generico, composto da cinque pagine di istruzioni vaghe "per ogni evenienza", può essere altrettanto inefficiente quanto riscrivere tutto, perché resta testo standard reinviato a ogni messaggio: viene semplicemente incollato una volta invece di essere digitato da capo ogni volta. La leva davvero importante è la concisione: un file Skill che indica esattamente quale sia il ruolo, esattamente come formattare l'output ed esattamente quando il lavoro è "completato", senza aggiungere altro, definito una sola volta all'inizio della sessione.
Questa è la vera differenza tra un file Skill e un prompt che continui a riscrivere: non si tratta solo di comodità, ma di ridurre permanentemente la parte ripetuta di ogni messaggio che invii, per l'intera durata della sessione di lavoro.
Configura Claude o ChatGPT come un responsabile senior delle operazioni: SOP, audit dei processi e framework di prioritizzazione integrati, così ogni nuova attività inizia in modo essenziale invece di richiedere una nuova spiegazione del contesto operativo.
Visualizza Owen - Responsabile delle operazioni →Abitudini pratiche che fanno davvero la differenza
Indipendentemente dallo strumento o dal piano che usi, alcune abitudini riducono più di ogni altra cosa il "costo nascosto del reinvio":
- Inizia le nuove attività in nuove conversazioni invece di accumulare tutto in un unico thread in continua crescita. Una conversazione nuova e focalizzata reinvia molta meno cronologia a ogni messaggio.
- Definisci una volta sola ruolo e contesto, in modo conciso, anziché rispiegarli ogni volta all'interno dell'attività stessa.
- Mantieni concise le istruzioni iniziali. Un prompt di sistema lungo e dispersivo resta testo standard reinviato: riducilo a ciò che modifica effettivamente l'output.
- Chiedi la lunghezza dell'output di cui hai effettivamente bisogno. Anche i token dell'output vengono conteggiati, e "dammi un riepilogo strutturato" tende a costare meno di un "dimmi tutto su questo" senza limiti.
- Controlla direttamente con il tuo fornitore i prezzi attualmente pubblicati se vuoi calcolare con precisione i tuoi costi: tariffe e modelli cambiano, e i numeri esatti vanno verificati alla fonte anziché in una stima di terze parti.
Una competenza agent per le operations configurata per attività ricorrenti e strutturate, progettata per mantenere le istruzioni compatte e coerenti invece di farle crescere a dismisura con ogni nuova richiesta.
Scopri Arthur - AI Operations Agent →Inserisci il modo in cui tu (o il tuo team) utilizzate realmente le chat AI e ottieni una stima mensile concreta dello spreco di token e dei costi in dollari dovuto alla riscrittura dei prompt rispetto all’utilizzo di un file di competenze persistente. Nessuna registrazione, nessuna email: solo i calcoli di questo articolo applicati ai tuoi dati.
Prova il calcolatore →FAQ
Pago davvero le risposte dell’AI, non solo i miei messaggi?
Sì. Vengono conteggiati sia ciò che invii sia ciò che ricevi. Un modello che scrive per impostazione predefinita risposte lunghe e approfondite utilizzerà più token in output rispetto a uno che produce risposte concise e mirate, anche a fronte della stessa identica domanda.
Perché una conversazione lunga costa molto più di una breve, a parità di attività?
Perché la maggior parte degli strumenti di AI basati sulle chat non conserva autonomamente la memoria tra un messaggio e l’altro: per rispondere in modo sensato al messaggio 20, il sistema deve rielaborare i primi 19 messaggi (e le sue 19 risposte) insieme a quello corrente. La cronologia della conversazione viene reinviata per intero ogni volta, quindi il costo tende a crescere molto più rapidamente della conversazione stessa.
Un file di competenze è solo un nome elegante per indicare un prompt salvato?
A livello funzionale, sì: è un prompt di sistema o un’istruzione di progetto che scrivi una volta e riutilizzi. Ciò che distingue un prompt ben fatto da uno improvvisato è la disciplina: definisce con precisione e concisione il ruolo, gli standard e il formato dell’output, così la parte di “testo standard” reinviata con ogni messaggio rimane il più ridotta possibile, pur continuando a svolgere la sua funzione.
Devo preoccuparmi degli importi esatti in dollari o solo del comportamento?
Concentrati innanzitutto sul comportamento: ridurre il contesto ripetuto e iniziare conversazioni nuove per le nuove attività ridurrà il tuo utilizzo, indipendentemente dalla tariffa per token applicata questo mese. Se vuoi calcolare i costi esatti in base al tuo volume, consulta le tariffe pubblicate aggiornate nella pagina dei prezzi del tuo provider e fai i conti usando il numero tipico dei tuoi messaggi.
In sintesi:
Il costo dei token per il lavoro quotidiano con l’AI dipende molto più dal contesto ripetuto e standardizzato che dalla tariffa per token in sé: ogni messaggio reinvia l’intera conversazione, quindi i prompt riscritti di volta in volta si accumulano rapidamente. Un file di competenze conciso e con le informazioni essenziali all’inizio, come Rafa o Owen, riduce al minimo questo spreco caricando il ruolo una sola volta, in modo chiaro e compatto, invece di doverlo rispiegare a ogni singolo messaggio.
