La scelta di Revolut per l’AI cinese
Revolut ha scelto di utilizzare il modello AI cinese GLM di Z.ai come opzione predefinita per il lavoro di circa 2.000 ingegneri. Questa decisione ha portato a una riduzione dei costi a un decimo rispetto ai precedenti fornitori, Anthropic e OpenAI. La banca digitale ha iniziato a utilizzare GLM-5.1 nell’aprile 2026, passando poi a GLM-5.3. ClaudeCode e Codex restano disponibili per esigenze specifiche che richiedono servizi di frontiera.
David Abitbol, responsabile delle operazioni e dell’infrastruttura AI, ha rivelato questi dettagli durante l’intervento del 13 ottobre ad AI Engineer NYC. I numeri del progetto sono impressionanti: 56 GPU Nvidia B200 e un costo medio dichiarato di 0,30 dollari per milione di token. Tuttavia, il risparmio indicato riguarda solo il confronto di fatturazione presentato dall’azienda, senza includere dettagli su hardware, personale e altri costi operativi.
La pressione sui costi dell’AI
La scelta di Revolut mette in luce una pressione che riguarda molte imprese: estendere l’AI a migliaia di attività rende decisivo il costo di ogni utilizzo. Un assistente che legge documenti, propone modifiche e ripete controlli può consumare risorse anche quando il dipendente ha smesso di interrogarlo. Il prezzo entra così nella progettazione del lavoro, determinando quali compiti conviene automatizzare e quanti tentativi ci si può permettere.
Il peso raggiunto dai fornitori cinesi si vede nel traffico di OpenRouter, la piattaforma che permette di accedere a modelli diversi tramite un’interfaccia comune. Nella settimana iniziata il 26 ottobre 2026, DeepSeek ha raccolto il 29,8% delle richieste testuali, Z.ai l’11,9%, Qwen il 5,6% e Tencent l’1,9%. Insieme, arrivano al 49,2% del traffico.
Modelli a pesi aperti e servizi gestiti
La crescita riguarda anche la disponibilità di modelli che un’impresa può eseguire fuori dai sistemi del produttore. Nel settembre 2026, OpenRouter ha documentato l’aumento della quota di token destinata ai modelli a pesi aperti: dal 26% al 60% per le richieste provenienti dagli Stati Uniti e dal 16% al 65% per quelle europee. Questi dati riguardano l’insieme dei modelli a pesi aperti, anche di produttori occidentali.
La pressione sui costi si ritrova anche nell’assistenza ai clienti, dove molte richieste ripetitive rendono importante il prezzo di ogni risposta. Già nell’ottobre 2025, Brian Chesky di Airbnb ha spiegato che l’azienda faceva ampio uso di Qwen di Alibaba per il proprio assistente, insieme ad altri modelli. La scelta era motivata da velocità e costo contenuto.
La ricerca di alternative economiche
La ricerca di alternative economiche sta cambiando anche le richieste rivolte ai fornitori. Ali Ghodsi, amministratore delegato di Databricks, ha raccontato che aziende prima interessate a bloccare i modelli cinesi ora chiedono di usarli per ridurre i costi. La testimonianza descrive un rovesciamento delle priorità d’acquisto: le prestazioni restano necessarie, ma il prezzo deve consentire di portare il servizio oltre la sperimentazione.
Per un’azienda, la conseguenza è misurabile nel tempo necessario a completare una pratica o consegnare una funzione software. Se l’AI velocizza la scrittura ma lascia intatte le ore dedicate a cercare informazioni, ricostruire requisiti e aggiornare documentazione, una parte del guadagno resta bloccata. Un modello meno costoso può rendere conveniente automatizzare anche questi passaggi ripetitivi, purché riesca a svolgerli con la qualità richiesta.
Controllare i costi dell’AI
Per controllare questa spesa, l’impresa può scegliere anche chi gestisce il calcolo. I pesi aperti sono i parametri del modello resi disponibili per il download secondo una licenza: consentono di eseguirlo su un’infrastruttura scelta dall’utilizzatore. Il laboratorio sviluppa il modello; l’azienda o un fornitore distinto può occuparsi di farlo funzionare. Da qui nasce la possibilità di adottare tecnologia cinese mantenendo l’elaborazione altrove.
Per chi non vuole costruire un’infrastruttura dedicata, il mercato offre già una via intermedia. Il catalogo delle Foundation Model APIs di Databricks, aggiornato il 4 novembre, comprende GLM-5.3, modelli Qwen, Kimi e DeepSeek. La scelta di un servizio gestito permette di provare questi sistemi senza acquistare GPU, verificando per ogni offerta regione disponibile, contratto e modalità di trattamento dei dati.
Verifiche concrete prima dell’estensione
La combinazione di prezzi, possibilità di hosting e versioni rende utile partire da un progetto circoscritto. Un primo impiego può essere la generazione di test software o la ricerca su documentazione interna selezionata, con risultati controllabili e accessi limitati. Prima di estenderlo, servono sei verifiche concrete.
Se nel processo entrano dati personali, il controllo deve coprire la conformità alle normative sulla privacy. È essenziale verificare che il modello scelto non generi risposte inappropriate o dannose, soprattutto in contesti sensibili. La qualità delle risposte deve essere valutata attraverso test specifici, considerando sia la precisione che la coerenza. Il modello deve essere in grado di gestire carichi di lavoro variabili senza compromettere le prestazioni. La sicurezza del sistema deve essere garantita, con misure adeguate per prevenire accessi non autorizzati o attacchi informatici. Infine, è importante considerare la scalabilità del modello, assicurandosi che possa crescere insieme alle esigenze dell’azienda.