Quanto si risparmia con un modello leggero

Il risparmio ottenibile scendendo di fascia è la voce più grande e più trascurata dell'economia di un progetto AI. Questa guida mette i numeri, e soprattutto spiega i tre casi in cui quel risparmio non si realizza.

Dati sui listini verificati il 19 agosto 2026 per Anthropic e OpenAI, il 3 settembre 2026 per Google sul piano Standard.

I numeri di partenza

Prezzi per milione di token. Il divario fra la prima e l'ultima riga è di cinquanta volte in input e oltre quaranta in output.

Il risparmio, con volumi reali

Prendiamo tre scenari di volume diverso, ciascuno con 2.000 token di input e 400 di output per caso.

Ventimila casi al mese.

Centomila casi al mese.

Cinquecentomila casi al mese.

L'ultima tabella spiega perché certi progetti esistono solo con la fascia economica: a duecentoquarantamila dollari l'anno, quel lavoro non si fa. A cinquemila, si fa.

I tre casi in cui il risparmio non si realizza

I tentativi si moltiplicano. È il caso più frequente. Se il modello leggero richiede in media tre passaggi dove quello capace ne richiede uno, il rapporto di venti a uno diventa di sette a uno. Resta un vantaggio, ma molto minore di quello previsto.

La revisione umana aumenta. È il caso più costoso. Se scendendo di fascia la percentuale di esiti da correggere passa dal due al quindici per cento, su centomila casi al mese sono tredicimila correzioni in più. A due minuti l'una sono oltre quattrocento ore mensili: molto più di qualunque risparmio di API.

Gli errori non vengono intercettati. È il caso peggiore, perché non compare in nessun bilancio finché non è tardi. Un modello che chiude con sicurezza casi che non ha capito produce dati sbagliati che entrano nei sistemi aziendali.

• Conta i tentativi su entrambe le configurazioni
• Misura la percentuale di esiti da correggere
• Stima il tempo di revisione per caso
• Verifica che il modello leggero ammetta di non sapere
• Calcola il costo per compito completato, non per token
• Aggiungi il costo del tempo delle persone

La seconda leva: il prompt di sistema

Prima ancora di cambiare modello, c'è un intervento che costa un'ora e può valere quanto un cambio di fascia.

Il prompt di sistema — le istruzioni che governano il comportamento del modello — si paga a ogni singola chiamata. Su centomila richieste mensili, ogni migliaio di token di istruzioni sono cento milioni di token di input al mese.

I prompt in produzione crescono nel tempo: ogni volta che il modello sbaglia qualcosa, si aggiunge un'istruzione correttiva. Nessuno le toglie mai. Dopo un anno contengono correzioni per comportamenti di modelli non più in uso, esempi ridondanti e ripetizioni difensive.

L'ultima riga è quella con il miglior rapporto fra risultato e sforzo: aggiungere un'istruzione sulla lunghezza delle risposte richiede dieci minuti e agisce sulla voce più cara del listino.

Risparmiare senza perdere qualità

Il modo più efficace non è scegliere una fascia: è usarne due. Il modello leggero gestisce il traffico ordinario e passa al modello capace solo i casi che riconosce come dubbi.

Con il dieci per cento di casi difficili, la spesa resta vicina a quella della configurazione economica mentre la qualità sui casi complessi resta quella della fascia alta. Il dettaglio, con i criteri di passaggio e le verifiche necessarie, è in strategia a modello misto.

Un caso completo, dal preventivo alla fattura

Vale la pena seguire un esempio realistico dall'inizio alla fine, perché mostra dove le stime si rompono.

La stima iniziale. Un'azienda vuole classificare 100.000 email al mese. Il calcolo a tavolino: 500 token per email, 50 token di risposta, modello intermedio a 2 e 10 dollari. Risultato: 100 dollari di input più 50 di output, 150 dollari al mese. Sembra un affare.

Cosa succede in produzione. Il prompt di sistema, con le sei categorie e i loro esempi, occupa 1.200 token e si paga a ogni chiamata: sono 120 milioni di token al mese, cioè 240 dollari — più dell'intera stima iniziale. Il dodici per cento dei messaggi richiede un secondo passaggio. E il quattro per cento degli esiti va corretto a mano: 4.000 correzioni al mese, a un minuto l'una, sono oltre 66 ore.

La spesa di API è quasi triplicata rispetto al preventivo, ma il dato che colpisce è l'ultima riga: sessantasei ore mensili di lavoro umano valgono molto più dei 437 dollari.

Dove intervenire. Accorciare il prompt di sistema da 1.200 a 500 token porta quella voce da 240 a 100 dollari. Scendere alla fascia economica sull'ottantotto per cento del traffico che il modello leggero chiude bene taglia ancora. Ma l'intervento con il ritorno più alto è ridurre quel quattro per cento di correzioni, perché è la voce che costa davvero.

Come presentare il risparmio a chi decide

Un ultimo punto pratico. Il risparmio di un progetto AI è difficile da comunicare perché il confronto naturale — «prima costava X, ora costa Y» — spesso non esiste: il lavoro prima non veniva fatto affatto, oppure veniva fatto da persone il cui tempo non era tracciato.

Tre modi che funzionano meglio del confronto diretto.

• Costo per caso trattato: cifra piccola, comprensibile, confrontabile nel tempo
• Ore liberate: quante ore di lavoro ripetitivo sono tornate disponibili
• Casi resi possibili: cosa si fa ora che prima non si faceva

Il terzo è quasi sempre il più convincente. Un archivio storico che nessuno aveva mai potuto classificare, un controllo di coerenza che prima si faceva a campione e ora su tutto, una risposta che arriva in due minuti invece che in due giorni: sono risultati che il confronto sui costi non cattura.

Esempi pratici

Azienda che classifica centomila email al mese. La stima iniziale, fatta moltiplicando il listino, era di centocinquanta dollari. In produzione il prompt di sistema da 1.200 token ne aggiunge duecentoquaranta da solo, i ritentativi un altro dieci per cento, e il quattro per cento degli esiti richiede correzione manuale: oltre sessanta ore al mese di lavoro umano. Il risparmio vero si ottiene riducendo quella percentuale, non cambiando modello.

Studio che estrae dati da fatture. Scendendo dalla fascia intermedia a quella economica, la spesa di API si riduce di cinque volte. La verifica da fare è se i tentativi restano stabili: se il modello leggero ne richiede due dove il precedente ne richiedeva uno, il vantaggio si dimezza.

Azienda che arricchisce un archivio storico. Mezzo milione di documenti, una volta sola. Qui la fascia economica non è un'ottimizzazione: è la condizione perché il progetto esista. Con la fascia di punta il conto sarebbe di due ordini di grandezza superiore.

Errori da evitare

• Preventivare sul listino senza contare prompt di sistema, ritentativi e revisione.
• Scendere di fascia senza verificare i tentativi necessari.
• Ignorare il tempo delle persone, che è quasi sempre la voce maggiore.
• Ottimizzare il prezzo per token prima del prompt di sistema.
• Non provare il caso senza informazione prima di adottare un modello leggero.
• Fare la stima una volta sola e non rimisurarla quando i volumi crescono.

Come applicarlo in azienda

L'ordine degli interventi conta più degli interventi stessi, e quasi tutti lo seguono al contrario.

Primo: scendi di fascia dove il compito lo permette, secondo il criterio di quando basta un modello economico. È l'intervento con il ritorno più alto in assoluto, fino al novanta per cento.

Secondo: accorcia il prompt di sistema. Un'ora di lavoro su una voce pagata a ogni singola chiamata, per sempre. Nei sistemi in produzione da tempo si trovano quasi sempre correzioni scritte per modelli non più in uso.

Terzo: chiedi risposte concise dove la lunghezza non serve. Dieci minuti sulla voce più cara del listino.

Quarto: migliora la selezione del contesto, se il sistema manda documenti interi.

Solo alla fine confronta i modelli dentro la stessa fascia, che vale circa il venticinque per cento — molto meno dei precedenti.

Se vuoi capire quanto potresti risparmiare sul tuo processo, Giallo Studio aiuta PMI e team a costruire automazioni concrete, misurabili e sostenibili.

Da qui, tre approfondimenti utili. Per orientarti fra le fasce di prezzo, il quadro completo è in costo per task o prezzo per token. Il modo corretto di leggere i numeri dichiarati dai produttori è in come si leggono i benchmark AI. E per capire se il tuo compito richiede davvero la fascia che stai pagando, la verifica è in quando conviene cambiare modello AI.

Conclusione

Il risparmio ottenibile scendendo di fascia è enorme — fino a cinquanta volte — ed è la decisione che pesa di più sulla sostenibilità di un progetto AI. Ma si realizza solo se il modello leggero chiude i casi al primo colpo e non aumenta la revisione umana.

Il numero che dice la verità è uno solo: il costo per compito completato. Si misura su cento casi reali e ribalta più spesso di quanto si creda la classifica dei listini.

Se vuoi capire quanto potresti risparmiare sul tuo processo, Giallo Studio progetta automazioni AI su misura per le PMI.

Schema consigliato: Article + FAQPage + BreadcrumbList