Chi ha aperto un conto su una piattaforma AI per testare un assistente virtuale, un generatore di testi o un sistema di analisi automatica dei documenti si è trovato prima o poi davanti a una schermata di fatturazione con scritto “token”. Negli abbonamenti flat il riferimento ai token è spesso nascosto dietro una generica “percentuale di utilizzo”, ma il gettone resta l’unità fondamentale e, molto spesso, la più fraintesa. La prospettiva che assumiamo da qui, però, è di chi sta facendo cose più avanzate, magari crea un servizio basato sull’AI da rivendere a terzi, o per uso interno, e scopre che il consumo dei gettoni impazzisce: c’è fame di token, insomma.
Ma perché si chiamano così e cosa sono? Veramente gettoni per far funzionare la “macchina” o è uno sbaglio di traduzione? Non è un errore, non è gergo tecnico oscuro: è la materia prima dell’intelligenza artificiale generativa, l’equivalente del kilowattora per una centrale elettrica o del barile per una raffineria. Capire cosa sia un token è il primo passo per non fare scelte sbagliate, e per non restare sbalorditi dalla prima bolletta quando si esce dai servizi prepagati e si va nella modalità “a consumo”.
Non è una parola, non è una sillaba
Un token non corrisponde a nessuna unità linguistica tradizionale. Non è una parola, non è una sillaba, non è un carattere: è un frammento di testo di lunghezza variabile che i modelli linguistici hanno imparato a usare per ragioni statistiche e computazionali.
La regola empirica più usata dice che in inglese un token vale circa 0,75 parole; in italiano il rapporto è meno favorevole, perché la nostra lingua ha desinenze più ricche e forme verbali più numerose: ogni parola italiana consuma mediamente 1,3 o 1,4 token. La parola “casa” è un token solo; “ottimizzazione” probabilmente ne richiede tre o quattro, perché il modello la spezza in segmenti statisticamente più frequenti.
Questo ha conseguenze pratiche immediate. Un documento di dieci pagine in italiano può generare un numero di token sensibilmente più alto dello stesso documento tradotto in inglese. Chi costruisce un prodotto su misura per il mercato italiano deve tenere conto di questa variabile fin dalla fase di progettazione, non a consuntivo.
Input e output: due prezzi, una logica
Quando si interroga un modello, accadono due cose distinte: il testo in ingresso (il prompt, il documento, la storia della conversazione) viene convertito in token di input; la risposta generata dal modello produce token di output.
Entrambi si pagano, ma a tariffe diverse. L’output costa sistematicamente di più: in genere da tre a cinque volte tanto rispetto all’input. La ragione tecnica è che generare testo richiede elaborazione sequenziale, mentre leggere un documento è molto più rapido per il sistema.
Con Claude Sonnet 4.6 di Anthropic i prezzi correnti sono tre dollari per milione di token in input e quindici in output. Claude Haiku 4.5, il modello più leggero della stessa famiglia, scende a un dollaro per milione in input e cinque in output. Sul fronte OpenAI, GPT-5 si posiziona intorno a 1,25 dollari per milione in input e dieci in output.
Anche Apple, che ha aperto i suoi modelli linguistici agli sviluppatori, sta diventando un terzo polo rilevante in questo mercato. Sono cifre che sembrano irrisorie finché non si moltiplicano per i volumi reali di un prodotto in produzione.
Il conto della serva funziona male con i token
Un esempio chiarisce il problema. Un’azienda che voglia costruire un assistente per l’analisi dei contratti deve far leggere al modello ogni documento (diciamo 30mila token di input) e produrre un riassunto strutturato (diciamo tremila token di output).
Con Claude Sonnet 4.6 ogni risposta costa circa 13 centesimi di dollaro. Sembra poco. Se il sistema risponde a mille richieste al giorno, la spesa in materia prima supera i 47mila dollari l’anno, prima ancora di pagare l’infrastruttura, il personale e il marketing.
Cambiare modello senza fare i conti in modo adeguato può distruggere il margine. Scegliere un modello più capace ma due volte più caro raddoppia quella voce di costo, trasformando un business plan sostenibile in un esercizio di perdita sistematica. È un meccanismo che riguarda anche le grandi suite aziendali: Microsoft 365 Copilot con il suo Agent Mode mostra come i token diventino un costo reale anche all’interno di strumenti già pagati in abbonamento. La scelta del modello non è una decisione tecnica: è una decisione industriale.
Le leve per ridurre i costi
Chi gestisce un prodotto AI in produzione dispone di alcune leve concrete per abbattere il costo dei token. La prima è il routing: non tutti i compiti richiedono il modello più sofisticato. Smistare e-mail, classificare richieste, estrarre dati da un modulo sono operazioni che un modello leggero come Haiku 4.5 gestisce benissimo a un quinto del costo di Sonnet.
Le aziende più mature costruiscono un livello logico che assegna ogni richiesta al modello più economico in grado di risolverla.
La seconda leva è il prompt caching. Se ogni chiamata al modello include le stesse istruzioni iniziali, gli stessi esempi, la stessa documentazione aziendale, pagarli ogni volta è uno spreco. Anthropic e OpenAI consentono di mettere in cache quella porzione fissa con sconti fino al 90%; vale la pena notare che anche strumenti avanzati come ChatGPT Deep Research sfruttano meccanismi simili per contenere i costi delle sessioni di ricerca prolungate.
La stessa identica architettura, gestita bene o male, può avere un costo da tre a quattro volte diverso. La terza leva è il batch processing: se il compito non richiede risposta immediata, accodare le richieste e riceverle entro ventiquattro ore garantisce uno sconto del 50% rispetto alle chiamate in tempo reale.
La finestra di contesto non è gratis
I modelli attuali gestiscono finestre di contesto molto ampie: Claude Opus 4.6 arriva a un milione di token, l’equivalente di un romanzo intero. Questa capacità è utile per leggere documenti lunghi senza spezzarli, ma non è gratuita.
Ogni token presente nella finestra di contesto viene elaborato e fatturato, compresi i messaggi precedenti della conversazione. Chi trascina l’intera storia di uno scambio lungo in ogni chiamata può moltiplicare il costo per un fattore significativo.
Le aziende più attente imparano a riassumere la storia della conversazione, a eliminare le parti irrilevanti, a non includere documenti già elaborati nelle chiamate successive. Ogni token risparmiato in input è margine puro. Anche la lunghezza dell’output è una variabile gestibile: un modello istruito a rispondere in modo conciso invece di essere prolisso genera meno token di output, che costano di più, migliorando il margine a parità di qualità percepita; lo sanno bene le app di produttività come Evernote, che nella versione 11 ha integrato l’AI cercando di bilanciare utilità e costi di elaborazione.
Il rischio di dipendenza da un fornitore
I prezzi dei token sono scesi significativamente negli ultimi anni, ma non si può costruire un piano industriale assumendo che il calo sia lineare e infinito. I fornitori cambiano i listini, ritirano i modelli economici, introducono varianti più costose.
Chi costruisce un prodotto con dipendenza esclusiva da un solo provider si espone a un rischio di filiera simile a quello di un produttore manifatturiero che acquista l’intera fornitura di materia prima da un solo paese.
Le aziende più solide costruiscono uno strato di astrazione che permette di sostituire il fornitore in pochi giorni e tengono d’occhio i modelli a codice aperto che, superata una certa soglia di volumi, conviene ospitare internamente.
Non è un tema solo per chi sviluppa software: come ha mostrato l’analisi su come l’AI potrebbe trasformare l’intera app economy, la dipendenza da un singolo ecosistema è il rischio strutturale di questa fase. Non è paranoia: è gestione industriale elementare, applicata a una materia prima nuova. I token, in fondo, sono semplicemente l’acciaio di questa economia.
Tutte le notizie e gli approfondimenti sull’intelligenza artificiale sono disponibili nella sezione dedicata di macitynet.
