Il prossimo salto dell’intelligenza artificiale potrebbe non arrivare da un modello più brillante, ma da una risposta più economica. È questo il punto centrale del report “Frontiers of compute: The technologies to reduce AI inference costs”, pubblicato da McKinsey nel giugno 2026: dopo due anni in cui il mercato ha premiato soprattutto la scala dei modelli e la corsa alla capacità di calcolo, la variabile che decide la sostenibilità economica dell’ai è diventata il costo per token, cioè il costo unitario di ogni pezzo di informazione elaborato da un modello durante l’inferenza.Il report parte da una constatazione semplice. Addestrare un grande modello resta molto costoso, ma è l’inferenza, cioè l’uso quotidiano del modello per rispondere a miliardi di richieste, a pesare sempre di più sui conti. Un singolo costo marginale può sembrare minimo; moltiplicato per chatbot, assistenti software, ricerca enterprise, generazione di immagini e agenti autonomi, diventa una voce industriale. Secondo McKinsey, molte applicazioni aziendali non raggiungono ancora margini soddisfacenti e richiedono un calo dei costi di diversi multipli per diventare sostenibili su larga scala.Indice degli argomenti: