Il contesto del Databricks AI Index

Pubblicato il 16 novembre 2026, il Databricks AI Index combina dati di consumo reali con valutazioni di agenti di programmazione effettuate su task interni. L’obiettivo è duplice: misurare le prestazioni dei modelli di intelligenza artificiale e valutarne l’efficienza economica nei contesti professionali.

Il rapporto si basa su due tipologie di metriche: la quantità di token inviati ai modelli ospitati da Databricks tramite Unity Gateway e i risultati dei test di programmazione, che consentono di confrontare efficacia e costo per compito.

Una rapida diversificazione dei fornitori

Secondo i dati di Databricks, nel mese di luglio 2026 il 64 % delle imprese che utilizzano Unity Gateway si affidava a un unico fornitore di modelli IA. Entro il 2 novembre, quella percentuale è scesa al 28 %, indicando una crescente apertura verso soluzioni multiple.

Questa metrica considera tutti i fornitori contattati dal 20 luglio, anche se un’azienda ha testato un nuovo fornitore solo una volta. Il risultato suggerisce che le imprese stanno sperimentando diverse architetture per ottimizzare performance, costi e flessibilità.

Il boom dei modelli a peso aperto

Il segmento dei modelli a peso aperto è stato il protagonista di una crescita significativa. La loro quota nei token inviati ai modelli di Databricks tramite Unity Gateway è passata dal 7,3 % di luglio a quasi il 31 % a inizio novembre.

Una analisi di Tomasz Tunguz rileva però un leggero rallentamento: il picco del 33 % raggiunto a settembre 2026 è poi rimasto intorno al 31 % in novembre, in concomitanza con importanti riduzioni tariffarie di OpenAI. Sebbene il prezzo possa influenzare le scelte, non è possibile attribuire la variazione a una sola causa.

Prestazioni vs. costi: una disparità evidente

Nel test di programmazione, tre modelli a peso aperto si piazzano fra i primi dieci, con DeepSeek V4.1 e GLM 5.3 che raggiungono un tasso di successo del 93,1 %.

Al contempo, modelli proprietari mostrano una divergenza di costi marcata: GPT‑6 Luna e Claude Opus 5.5 ottengono entrambi un tasso di successo dell’89,1 %, ma il costo medio per task è rispettivamente 0,05 $ e 1,62 $, una differenza di circa 32 volte.

Databricks però sottolinea che il prezzo per token non è l’unico indicatore di redditività. Claude Opus 5.5 è stato adottato come modello predefinito per Claude Code internamente, grazie a una riduzione del 29 % dei costi per sessione rispetto al predecessore, mantenendo la qualità.

Concentrazione delle spese tra gli utenti

L’indagine evidenzia una marcata disparità nella spesa settimanale per IA:

Questo divario di circa 281 volte riflette la varietà degli utilizzi: alcuni dipendenti usano occasionalmente assistenti conversazionali, mentre sviluppatori e data scientist eseguono quotidianamente agenti di programmazione.

Strumenti di gestione e ottimizzazione

Unity Gateway, integrato nell’AI Index, offre funzionalità di supervisione, controllo di budget e routing intelligente delle richieste verso i modelli più idonei. Questi strumenti aiutano le organizzazioni a:

Limiti e considerazioni finali

I risultati del Databricks AI Index sono limitati al contesto delle aziende che utilizzano la piattaforma e alle attività di programmazione valutate internamente; non rappresentano l’intero mercato globale dell’IA.

Tuttavia, l’analisi mette in luce una tendenza chiara: oltre alla potenza dei modelli, le imprese danno sempre più importanza alla diversificazione dei fornitori, al controllo delle spese e al costo per task. Questi fattori stanno diventando criteri fondamentali per industrializzare l’uso dell’intelligenza artificiale in ambito aziendale.