I token AI sono le unità in cui un modello di intelligenza artificiale suddivide ed elabora i contenuti. Nel testo possono corrispondere a una parola, a un suo frammento o a un segno di punteggiatura. Servono a misurare quanto materiale entra nel modello, quanto ne viene generato e, in molti servizi a consumo, quanto si paga. La documentazione sui concetti fondamentali delle API di OpenAI parte proprio da questa distinzione: contare le parole e contare i token sono due operazioni diverse.

Per capire perché ci riguardano, immaginate un contatore accanto alla finestra del chatbot. Ogni documento da leggere, ogni risposta da produrre e ogni passaggio di un agente contribuisce al lavoro richiesto al sistema. Il contatore non coincide necessariamente con la fattura del vostro abbonamento, ma aiuta a capire che cosa state chiedendo alla macchina.

In questa guida spiego come leggere quel contatore, come stimare i costi e come evitare gli sprechi. Vedremo anche il Markdown, i documenti PDF, le conversazioni interminabili e gli agenti che continuano a lavorare mentre noi facciamo altro.

Affronterò poi una domanda più provocatoria: i token diventeranno il nuovo denaro? La mia lettura è che possano diventare una misura sempre più importante dell’accesso ai servizi AI. La sostituzione di euro e dollari, invece, è uno scenario speculativo: non è una conseguenza dimostrata della diffusione dell’intelligenza artificiale. È una differenza piccola nella formulazione, enorme nelle implicazioni.

1. Che cosa sono i token AI, spiegato senza gergo

Pensate al testo come a una costruzione fatta di mattoncini. Noi vediamo frasi, periodi e paragrafi. Il modello riceve una sequenza di unità più piccole, ciascuna associata a un identificativo numerico. Il programma che prepara questa sequenza si chiama tokenizer; l’operazione è la tokenizzazione.

Il mattoncino non ha sempre le dimensioni di una parola. Una parola frequente può essere rappresentata da un solo token; un’altra può essere spezzata. Anche gli spazi influiscono sulla suddivisione. Non basta quindi prendere il conteggio di Word e rinominarlo «token»: sarebbe come contare le scatole in magazzino e pretendere di averne misurato il peso.

La tokenizzazione riguarda la rappresentazione dei contenuti, non è di per sé una prova di comprensione. Sapere che una frase occupa nove token non dice se la risposta che ne verrà ricavata sarà corretta, originale o utile.

Una frase italiana contata davvero

Ho verificato questo esempio con la libreria tiktoken, versione 0.14.0, usando la codifica o200k_base:

Il preventivo include assistenza e formazione.

Sono sei parole, ma nove token con quella specifica codifica. La suddivisione è questa; gli spazi iniziali sono intenzionali:

"Il" | " prevent" | "ivo" | " include" | " assist" | "enza" | " e" | " formazione" | "."

«Preventivo» viene diviso in due pezzi. Anche «assistenza» viene divisa. «Formazione», preceduta da uno spazio, in questo esempio è un solo token. Il punto finale conta separatamente.

Questo piccolo esperimento è più utile di una conversione universale inventata. Mostra che i confini linguistici intuitivi e quelli del tokenizer possono essere diversi. Il risultato vale per il testo esatto e la codifica indicata, non per qualsiasi chatbot. Il metodo è riproducibile seguendo il tutorial ufficiale OpenAI sul conteggio con tiktoken.

Token, parametri e crediti: tre cose diverse

Un’altra confusione frequente riguarda parole che compaiono vicine nelle presentazioni sull’AI. I token descrivono le unità elaborate o generate. I parametri riguardano il modello e ciò che ha appreso durante l’addestramento. I crediti sono una modalità commerciale con cui un servizio può vendere l’accesso alle proprie funzioni.

Per chi compra un servizio, la conseguenza pratica è semplice: un credito non equivale automaticamente a un token. Se un’applicazione promette «mille crediti», chiedete che cosa permettono di fare, con quali modelli e con quali scadenze. Il numero, isolato, non è ancora un’offerta confrontabile.

2. Come si calcola il numero di token

Ci sono tre livelli: la stima a occhio, il conteggio del testo con un tokenizer e la misura della richiesta completa. Conviene sapere quale si sta usando, perché rispondono a domande differenti.

La regola orientativa riportata da OpenAI è circa quattro caratteri per token, oppure circa 0,75 parole per token, per il testo inglese. Se ho mille parole inglesi, una stima grossolana è mille diviso 0,75, cioè circa 1.333 token. È un ordine di grandezza, non una misurazione.

Non applicherei quel rapporto automaticamente all’italiano, ai listini, ai codici prodotto o a un testo pieno di URL. La guida di Google al conteggio dei token propone anch’essa indicazioni orientative per l’inglese e strumenti per effettuare il conteggio. Lingua, contenuto e modello contano: la scorciatoia non deve diventare una formula esatta per comodità.

Per chi usa un chatbot senza programmare

Per farsi un’idea, si può copiare un testo pubblico o inventato nel tokenizer indicato dalla documentazione del fornitore. Occorre verificare quale modello o codifica rappresenti. Il risultato serve a confrontare versioni dello stesso testo, purché si mantengano costanti le condizioni.

Non chiederei invece al chatbot «quanti token hai usato?» aspettandomi un rendiconto contabile. Se non sta leggendo un dato di utilizzo effettivo, può soltanto stimare. Il pannello dei consumi, quando disponibile, ha un ruolo diverso dalla risposta generata nella conversazione.

Un buon primo esercizio è prendere una richiesta abituale, contarla, eliminare le ripetizioni e ricontarla. Poi bisogna verificare che la nuova versione produca ancora una risposta adeguata. Accorciare senza questa seconda verifica è come alleggerire una valigia buttando via anche il passaporto.

Per chi sviluppa automazioni

Il testo scritto dall’utente può essere soltanto una parte della richiesta. Ci sono istruzioni del sistema, ruoli dei messaggi, descrizioni degli strumenti, schemi di risposta e allegati. Un conteggio locale della sola domanda può quindi sottostimare il lavoro effettivo.

OpenAI mette a disposizione un endpoint per contare i token dell’input completo. Anthropic offre un servizio di token counting per Claude, precisando che il conteggio preventivo è una stima che può differire leggermente dal consumo finale. Per un’applicazione, il riferimento operativo è il contatore del fornitore associato alla richiesta reale.

La sequenza che consiglio è: identificare il modello, preparare la richiesta completa, contarne l’input, definire un limite ragionevole all’output, eseguire e confrontare previsione e consuntivo. Dopo un numero sufficiente di casi rappresentativi, le stime diventano utili per pianificare il budget.

3. Token in ingresso, in uscita, di ragionamento e in cache

Dire «ho consumato diecimila token» non basta per conoscere il costo. Occorre capire di quali token si tratta e come vengono tariffati. Per orientarsi, questa tabella distingue le voci che è utile cercare nella documentazione e nel rendiconto del servizio.

Voce	Che cosa descrive	Che cosa controllare
Input	Contenuti che il modello riceve	Tariffa e quantità, inclusi gli elementi aggiunti dall’applicazione
Output	Contenuti generati	Tariffa specifica e limite di generazione
Ragionamento	Elaborazione interna conteggiata dai modelli che la prevedono	Se è già inclusa nel totale di output
Input in cache	Parte riutilizzata attraverso un meccanismo di cache	Sconto, condizioni, durata ed eventuali costi di scrittura
Contenuti multimodali	Immagini, audio, video o rappresentazioni ricavate dai file	Regole proprie del modello e del servizio

La risposta visibile può essere soltanto una parte

Per i modelli di ragionamento descritti da OpenAI, i token usati nel ragionamento possono essere conteggiati e fatturati come output pur non comparendo nel testo finale. Inoltre, un limite di output può comprendere anche questa elaborazione. Lo spiega la documentazione ufficiale sui reasoning models.

La conseguenza è concreta: una risposta breve non garantisce una chiamata economica. E un limite troppo basso può interrompere il lavoro prima che arrivi una risposta utilizzabile. Nel calcolo della spesa, soprattutto, non bisogna sommare due volte il ragionamento se il contatore lo include già nell’output.

Le immagini non si contano come le parole

La stessa prudenza serve per audio, immagini e video. Google documenta la tokenizzazione anche degli input multimodali; OpenAI descrive regole specifiche per immagini e visione. Non esiste un rapporto universale tra megabyte e token.

Ridurre il peso di una fotografia può rendere più rapido il caricamento, ma non implica una riduzione proporzionale dei token. Potrebbero contare risoluzione, dettaglio o altre modalità di elaborazione. Un file leggero e una richiesta leggera sono due caratteristiche che vanno misurate separatamente.

4. La finestra di contesto: perché una chat non è un pozzo senza fondo

La finestra di contesto è la capacità massima di contenuti che il modello può gestire in una richiesta, secondo le regole della sua architettura e del servizio. Pensatela come il tavolo di lavoro: deve esserci spazio per i documenti da consultare e per il lavoro da produrre.

La documentazione OpenAI sulla gestione delle conversazioni distingue il limite di contesto dal limite di output. Una finestra ampia non significa che il modello possa generare una risposta lunga quanto tutta la finestra. Non significa neppure che ogni informazione inserita riceverà sempre la stessa attenzione.

Un esempio puramente didattico: se il tavolo contiene al massimo 100.000 unità e ne occupiamo 95.000 con i materiali, non possiamo presumere di avere ancora spazio per una risposta da 20.000. Nella pratica vanno controllati i limiti effettivi e l’eventuale spazio necessario al ragionamento.

Perché «continua» può costare più di quanto sembra

In una conversazione, il sistema può includere anche messaggi precedenti. Se dopo una lunga analisi scrivo soltanto «continua», il mio nuovo testo è brevissimo, ma il contesto utilizzato può essere molto più grande.

OpenAI precisa che, anche collegando le risposte tramite previous_response_id, i precedenti token di input nella catena sono fatturati come input. La cache può incidere sul prezzo secondo le condizioni applicabili; il collegamento alla conversazione non rende automaticamente gratuita la storia precedente.

Nelle interfacce per utenti finali possono intervenire selezione, sintesi e gestione automatica del contesto. Non bisogna quindi immaginare un comportamento identico in tutti i prodotti. Il consiglio operativo è mantenere una conversazione per progetto o obiettivo, evitando di trasformarla nell’archivio indistinto di tutta l’azienda.

Quando la chat diventa molto lunga, preparate un passaggio di consegne: obiettivo, decisioni già prese, dati indispensabili, fonti e questioni aperte. Rileggetelo prima di avviare una nuova conversazione. Risparmiare spazio perdendo una condizione decisiva è un pessimo affare.

5. Quanto costano i token AI: formula ed esempio completo

Per una chiamata testuale semplice, senza voci aggiuntive, il costo si calcola così:

Costo = (token input / 1.000.000 × prezzo input)
      + (token output / 1.000.000 × prezzo output)

I prezzi devono essere espressi nella stessa valuta e riferirsi allo stesso modello e alla stessa modalità di servizio. Se il listino usa una base diversa da un milione, va adattato il divisore. Se sono presenti input in cache o altre voci, occorre separarli senza conteggiarli due volte.

Un esempio con prezzi ipotetici

Immaginiamo un servizio che costi 2 euro per milione di token in ingresso e 8 euro per milione in uscita. Sono cifre inventate per spiegare il calcolo, non il listino di un prodotto.

Una richiesta usa 12.000 token di input e produce 2.000 token di output:

Componente	Calcolo	Costo ipotetico
Input	12.000 / 1.000.000 × 2 euro	0,024 euro
Output	2.000 / 1.000.000 × 8 euro	0,016 euro
Totale della chiamata	0,024 + 0,016	0,040 euro

Quattro centesimi sembrano pochi. Se però il processo viene eseguito 10.000 volte, il costo di quelle sole chiamate diventa 400 euro. Il passaggio dalla prova individuale al processo aziendale cambia la scala del problema.

Supponiamo di selezionare meglio i documenti, scendendo a 6.000 token di input, e di chiedere un output utile da 1.000 token. Alle stesse tariffe, il costo diventa 0,012 più 0,008, cioè 0,020 euro: 200 euro per 10.000 chiamate. In questo esempio il risparmio è del 50%, ma solo se la qualità resta sufficiente e non servono nuove chiamate correttive.

Dal costo della chiamata al costo del lavoro

La fattura può includere ricerche, archiviazione, strumenti, elaborazioni dei file o altre componenti previste dal servizio. Nell’organizzazione esistono poi costi di integrazione, controllo e manutenzione. La formula precedente misura una parte, non l’intero progetto.

Io aggiungerei una seconda formula, manageriale:

Costo per risultato accettato = costo complessivo del processo
                              / risultati che superano il controllo

Una soluzione che genera cento risposte economiche ma ne lascia inutilizzabili quaranta va confrontata su questa base. Anche il tempo delle persone che correggono ha un valore. Il modello meno caro per milione di token non è necessariamente quello meno caro per pratica conclusa bene.

Abbonamento e API non sono la stessa fattura

Se usate un abbonamento a un chatbot, non convertite automaticamente ogni messaggio nella tariffa API del modello. State acquistando un prodotto con le proprie condizioni, funzioni e limiti. Nell’API acquistate accesso programmatico con una specifica struttura di prezzi. Possono esserci consumi misurati in entrambi i casi, ma non una corrispondenza commerciale universale.

Per un ufficio acquisti la domanda giusta è: che cosa comprende il contratto, che cosa fa scattare un extra e dove posso leggere il consumo reale? Il nome del modello, da solo, non risponde.

6. Perché si parla di una nuova economia dei token

La parte interessante comincia quando smettiamo di considerare il chatbot un passatempo e lo inseriamo nei processi. Se un assistente prepara bozze, consulta documenti o gestisce passaggi di un’attività, il consumo diventa una voce da progettare e misurare.

Non significa che il token sia una misura perfetta del lavoro. Significa che può diventare un’unità contrattuale comoda per vendere una parte di quel lavoro. È un po’ quello che succede con il traffico dati: un gigabyte non misura il valore della telefonata con un cliente, ma aiuta a costruire un’offerta commerciale.

Un segnale concreto arriva da NVIDIA. Nell’articolo tecnico del 21 maggio 2026 dedicato ai servizi AI delle telecomunicazioni misurati in token, l’azienda descrive infrastrutture e modelli di vendita nei quali si controllano token per cliente, input e output, velocità e costo unitario. È una proposta industriale di un fornitore interessato a questo mercato, non una legge economica neutrale.

La mia interpretazione è che stia emergendo una contabilità dell’AI più simile a quella delle infrastrutture: quanta capacità acquistiamo, come la distribuiamo, quali servizi produciamo e con quali margini. Per una PMI, questa trasformazione può arrivare dentro un gestionale o un servizio commerciale, senza che nessuno pronunci «token» durante la giornata.

Dalle licenze per persona al budget per attività

Un possibile sviluppo è affiancare al costo della licenza un budget per i compiti svolti. Una persona potrebbe avere a disposizione diversi strumenti, un livello di accesso e una capacità di elaborazione assegnata. Alcune attività sarebbero autorizzate automaticamente, altre richiederebbero una soglia di spesa superiore.

Questo è uno scenario organizzativo, non la previsione che tutti i contratti di lavoro cambieranno nello stesso modo. Ma pone una domanda utile già oggi: se due dipendenti hanno compiti simili e accessi molto diversi all’AI, come confrontiamo davvero tempi e risultati?

Il punto non è premiare chi brucia più token. Potrebbe aver prodotto più valore, oppure aver lasciato un agente girare a vuoto. Un cruscotto che mostra soltanto i consumi rischia di celebrare il rubinetto aperto.

Se il prezzo scende, la spesa può comunque salire

Lo Stanford AI Index 2025 riporta che il costo di inferenza per prestazioni al livello di GPT-3.5 è diminuito di oltre 280 volte tra novembre 2022 e ottobre 2024. È un dato storico riferito a quel confronto, non la promessa che ogni servizio AI continuerà a calare allo stesso ritmo.

Possiamo però usarlo per ragionare. Se un’attività diventa molto più economica, potremmo svolgerla più spesso o applicarla a nuovi problemi. Un’impresa che prima analizzava un documento al mese potrebbe analizzarne centinaia al giorno. La spesa unitaria scende, il numero di operazioni cresce.

Esempio ipotetico: passiamo da cento attività a un euro ciascuna a mille attività a cinquanta centesimi ciascuna. Il costo unitario si è dimezzato, ma la spesa totale passa da cento a cinquecento euro. Nessuna contraddizione: sono cambiati i volumi.

Per questo non basta chiedere «quanto costa un milione di token?». Bisogna chiedere quante volte il processo verrà eseguito, quante chiamate comprende e che cosa ne determina la conclusione.

7. I token sostituiranno davvero il denaro?

La formula «i token sono la nuova moneta» funziona bene in una conferenza. Per usarla seriamente bisogna però distinguere almeno tre significati: unità tecnica del modello, credito per comprare un servizio e strumento monetario. Non diventano la stessa cosa solo perché condividono una parola.

La Banca centrale europea, nella spiegazione di che cosa sia la moneta, richiama tre funzioni: mezzo di scambio, unità di conto e riserva di valore. Applicare queste categorie ai token degli LLM rende visibili i limiti della metafora.

Un token generato durante una risposta non è, per questo, un bene che posso trasferire al supermercato per pagare la spesa. Un credito prepagato per un servizio AI può avere un valore d’uso, ma trasferibilità, scadenza e rimborso dipendono dalle condizioni commerciali. La tokenizzazione del linguaggio, inoltre, non coincide con la rappresentazione di attività finanziarie su una blockchain.

Perché non sono tutti intercambiabili

La stessa frase può avere conteggi diversi con tokenizer diversi. Anche a parità di quantità, modelli differenti possono avere prezzi, capacità e velocità differenti. Dire «possiedo un milione di token» senza specificare il servizio è incompleto: un milione di che cosa, utilizzabile dove e per ottenere quali prestazioni?

Un’unità di consumo non è neppure una misura universale dell’energia necessaria. Il costo di elaborazione dipende anche dal modello, dall’hardware e dal modo in cui viene eseguito. La metafora del contatore aiuta a capire la fatturazione, ma non trasforma il token in un kilowattora standard.

La mia conclusione è quindi più prudente: i token possono diventare una misura diffusa dell’accesso a capacità AI, mentre il loro prezzo continuerà a essere espresso in denaro nei servizi che li vendono. L’eventuale nascita di mercati trasferibili per diritti di calcolo sarebbe un ulteriore sviluppo, da dimostrare e descrivere con le sue regole.

La domanda politica nascosta dentro quella economica

Lo scenario che trovo più interessante riguarda l’accesso. Immaginiamo due piccoli studi professionali: uno può permettersi strumenti ben configurati, documenti ordinati e verifiche; l’altro usa servizi limitati e materiali disorganizzati. Il divario non dipende soltanto dalla competenza individuale.

È ragionevole domandarsi se scuole, biblioteche o organizzazioni possano offrire capacità AI condivisa, insieme alla formazione per usarla. Sarebbe una scelta di politica dell’accesso, non la prova che il denaro sia scomparso. Qualcuno dovrebbe comunque pagare infrastrutture, manutenzione e assistenza.

Ecco perché preferisco parlare di alfabetizzazione economica sull’AI. Sapere che cosa si consuma aiuta a discutere come distribuire una risorsa. Convincersi che il token sia già una moneta universale rischia soltanto di aggiungere confusione al preventivo.

8. Markdown e token: che cosa cambia davvero

Il Markdown è un modo per organizzare testo semplice con pochi simboli: cancelletti per i titoli, trattini per gli elenchi, asterischi per l’enfasi. La guida di riferimento CommonMark mostra questa sintassi con esempi essenziali.

Per chi prepara materiali da usare con l’AI, il vantaggio è la possibilità di mantenere una struttura leggibile senza dipendere dall’aspetto grafico di una pagina. Si vedono subito sezioni, vincoli e informazioni principali. Ma Markdown non è un algoritmo magico di compressione.

Un testo già pulito può occupare meno token della sua versione Markdown. Una pagina HTML può invece contenere tag e attributi che non servono al compito. Il confronto sensato riguarda la rappresentazione effettivamente inviata al modello, non il nome dell’estensione del file.

Un confronto misurato, non una percentuale pubblicitaria

Ho preparato una piccola scheda commerciale inventata in tre formati e l’ho contata con tiktoken 0.14.0 e o200k_base. I testi sono quelli riportati qui sotto, senza una riga vuota aggiunta alla fine.

Testo semplice:

Offerta
Prodotto: Stampante A3
Prezzo: 1200 euro
Assistenza: inclusa

Markdown:

# Offerta
- Prodotto: Stampante A3
- Prezzo: 1200 euro
- Assistenza: inclusa

HTML:

<h1>Offerta</h1>
<ul>
<li>Prodotto: Stampante A3</li>
<li>Prezzo: 1200 euro</li>
<li>Assistenza: inclusa</li>
</ul>

Rappresentazione della stessa scheda	Token nel test
Testo semplice	24
Markdown	29
HTML	48

In questo esempio il Markdown usa circa il 39,6% di token in meno rispetto all’HTML: 19 token risparmiati su 48. Ma usa circa il 20,8% in più rispetto al testo semplice: cinque token aggiuntivi su 24. Cambiando testo o codifica, cambiano i risultati.

La tabella non dimostra che caricare un documento Markdown costi sempre meno che caricare un PDF o una pagina web. Un’applicazione potrebbe estrarre già il solo testo dall’HTML; un’altra potrebbe usare rappresentazioni diverse del file. Qui misuriamo tre stringhe, non tre interi processi di caricamento.

Come scegliere tra testo, Markdown, CSV e JSON

Io partirei dal compito. Per un testo breve, la forma semplice può bastare. Per istruzioni e documenti con sezioni, Markdown offre una gerarchia facile da leggere. Per molte righe con le stesse colonne, un formato tabellare come CSV può essere appropriato. Se un programma deve interpretare campi e oggetti, può servire JSON.

Non eliminerei una struttura necessaria solo per ridurre il conteggio. Se la risposta deve alimentare un gestionale, un oggetto JSON valido può valere più di una prosa leggermente più corta ma impossibile da acquisire automaticamente.

Una tabella Markdown, inoltre, può contenere molte barre verticali e separatori. Su piccoli esempi sono innocui; su grandi insiemi di dati conviene confrontare formati alternativi. Un’intestazione chiara seguita da righe coerenti può essere più utile di una griglia molto elaborata.

Attenzione anche alle unità: «1200» da solo è più corto di «1200 euro, IVA esclusa», ma comunica meno. Per un preventivo la differenza può essere decisiva. I simboli superflui si possono eliminare; le condizioni commerciali no.

Un prompt in Markdown da usare come modello

# Obiettivo
Confronta le due offerte per scegliere il fornitore.

## Criteri
- Costo totale su 36 mesi
- Assistenza inclusa
- Tempi di intervento
- Esclusioni dichiarate

## Regole
Usa solo i dati nei documenti.
Segnala le informazioni mancanti senza inventarle.
Distingui dati espliciti e tue valutazioni.

## Risposta
Una tabella comparativa e una raccomandazione motivata.
Massimo 300 parole, escluse le citazioni dei documenti.

Il vantaggio principale di questo esempio è che rende visibile il lavoro richiesto. Un prompt vago da cinque parole potrebbe costare meno al primo invio, ma richiedere cinque correzioni. La buona struttura si valuta sull’intero scambio.

9. PDF, Word ed Excel: allegare tutto non è una strategia

«Ti carico tutto, così hai il contesto». È un’intenzione comprensibile. Se però il materiale contiene versioni vecchie, intestazioni ripetute e tabelle fuori tema, il compito diventa più difficile da delimitare.

Prima di allegare un documento, chiedetevi quali informazioni servano per la decisione. Un confronto tra due condizioni di assistenza richiede le clausole pertinenti e i rimandi necessari. Non richiede automaticamente ogni catalogo commerciale dell’azienda. Se invece il compito è trovare tutte le eccezioni distribuite in un contratto, selezionare pochi paragrafi può essere insufficiente.

Convertire un file non significa conservarne tutto il significato

Un PDF può contenere testo selezionabile, scansioni o una combinazione di elementi. La conversione in testo o Markdown va controllata: colonne mescolate, note staccate e celle perse possono modificare il senso. Per i file gestiti dalle API, i metodi di conteggio dei fornitori distinguono infatti il testo isolato dagli input completi con allegati.

Nel caso di un foglio di calcolo, una copia testuale dei valori può perdere formule, relazioni tra fogli e informazioni utili sulla struttura. Prima di scegliere il formato, bisogna decidere se interessa leggere i risultati, controllare i calcoli oppure ricostruire il modello.

La procedura che suggerisco è: conservare l’originale, preparare una versione adatta al compito, confrontare le parti delicate e mantenere riferimenti a pagina, sezione o cella. Solo dopo ha senso misurare il risparmio.

Recuperare i passaggi necessari al momento giusto

Per archivi ampi, si può progettare un sistema che cerchi i documenti pertinenti e porti al modello i passaggi utili quando servono. La riflessione di Anthropic sul context engineering tratta proprio la selezione e la gestione del contesto come parte del lavoro dell’agente.

La selezione deve però essere verificata. Una ricerca che recupera cinque pagine sbagliate è economica soltanto sulla carta. Per domande trasversali, eccezioni o confronti completi possono servire più passaggi e controlli. Il criterio non è «inviare sempre meno», ma inviare abbastanza informazioni pertinenti da rendere il risultato affidabile.

10. Dieci modi per risparmiare token senza peggiorare il lavoro

La guida OpenAI all’ottimizzazione dei costi individua tre leve generali: ridurre le richieste, contenere input e output, scegliere un modello adeguato. Nella pratica, però, serve tradurre queste indicazioni in abitudini verificabili. Ecco quelle che suggerisco.

1. Definire il risultato prima di scrivere il prompt

«Analizza questo documento» lascia aperte troppe possibilità. «Individua le differenze tra le due versioni nelle condizioni di rinnovo e recesso» delimita un lavoro. Prima di chiedere, decidete che cosa dovrete fare con la risposta. Un obiettivo chiaro può evitare approfondimenti che nessuno leggerà e successive richieste di correzione.

2. Dare un limite utile alla risposta

Indicate il formato e la lunghezza necessari: cinque punti, una tabella con determinate colonne, una sintesi esecutiva di duecento parole. Il limite linguistico nel prompt guida la risposta; un limite tecnico API pone invece un tetto alla generazione. Non sono equivalenti. Un tetto troppo stretto può tagliare proprio il passaggio conclusivo che vi serve.

3. Eliminare duplicati e versioni superate

Un documento approvato, con data e versione chiare, è spesso più utile di cinque bozze quasi identiche. Conservate le versioni precedenti quando il compito è confrontarle; negli altri casi, evitate di far scegliere al modello quale sia quella valida. La pulizia documentale riduce ambiguità prima ancora di ridurre token.

4. Chiedere soltanto le modifiche necessarie

Se una proposta è corretta e va cambiata una sezione, chiedete quella sezione. Riscrivere ogni volta tutto il documento genera testo che avete già. Per una revisione editoriale, potete richiedere un elenco delle modifiche o i soli paragrafi sostitutivi. Alla fine fate comunque un controllo dell’insieme, perché le parti devono restare coerenti.

5. Separare le istruzioni stabili dai dati variabili

Definite un modello di lavoro con scopo, criteri e formato. Aggiungete poi i materiali del caso specifico. È una scelta che rende più facile confrontare i risultati e, nelle integrazioni che lo supportano, organizzare il riuso del contesto. Evitate di cambiare casualmente le stesse istruzioni a ogni esecuzione: rende più difficile capire da dove arrivino differenze di qualità e costo.

6. Valutare la cache quando il contesto si ripete

Il prompt caching permette di riutilizzare elaborazioni di contenuti ripetuti secondo regole precise. Nella documentazione Anthropic sulla cache sono distinti costi di scrittura, lettura e durata, con differenze tra modelli. Non è sufficiente immaginare che il chatbot «si ricordi» il manuale.

Se cento richieste condividono le stesse istruzioni, la cache può essere interessante. Se i materiali cambiano continuamente o il riuso è raro, il vantaggio va ricalcolato. Può diminuire il costo senza diminuire nella stessa proporzione il numero di token rappresentati nel contesto. Non è neppure una finestra di contesto più grande. Misurate quanto viene realmente riutilizzato e a quale tariffa.

7. Provare un modello più economico su casi rappresentativi

Per classificare un messaggio o estrarre campi semplici, un modello meno costoso potrebbe bastare. Per analisi ambigue potrebbe servire qualcosa di diverso. Il condizionale è necessario: non sceglierei il modello con un’intuizione o con una sola prova riuscita. Preparerei esempi normali, casi difficili e casi con dati mancanti, poi confronterei costo e accuratezza.

8. Usare elaborazioni differite quando non serve l’immediatezza

Se dovete classificare molte schede entro il giorno successivo, potreste non aver bisogno di una risposta istantanea per ciascuna. La Batch API di OpenAI documenta uno sconto del 50% rispetto alle API sincrone per gli usi supportati, con una finestra di completamento entro 24 ore. Verificate disponibilità e condizioni del modello scelto.

È un esempio di risparmio sul prezzo, non necessariamente sulla quantità di token. Per un operatore al telefono con il cliente, l’attesa può essere inaccettabile; per una lavorazione notturna può essere perfettamente ragionevole.

9. Non usare un LLM per ogni operazione

Un filtro, una formula o una regola deterministica possono risolvere una parte del compito senza una generazione linguistica. Se devo sommare una colonna, il primo candidato resta un foglio di calcolo. Se devo capire descrizioni disomogenee, l’AI può aiutare a trasformarle in dati strutturati da verificare. Combinare strumenti diversi è spesso più sensato che chiedere alla stessa macchina di fare tutto.

10. Misurare anche le correzioni

Annotate quante risposte vanno rifatte e perché. Un prompt più lungo che evita tre tentativi può consumare meno sull’intera attività. Un output più dettagliato può risparmiare tempo di verifica; uno prolisso può sprecarlo. L’obiettivo è trovare il livello di dettaglio adatto, mantenendo costanti i criteri con cui considerate un risultato accettabile.

11. Gli agenti AI: quando il consumo diventa meno visibile

Con un chatbot tradizionale, vediamo una domanda e una risposta. Un agente può scomporre il lavoro, consultare strumenti, leggere risultati, fare tentativi e continuare. Il consumo va quindi osservato sull’intero percorso, non soltanto sul messaggio finale.

Nel mio approfondimento su quando servono davvero gli agenti AI in azienda distinguo i casi in cui l’autonomia ha senso da quelli gestibili con un’automazione più semplice. Anche per i token questa distinzione è utile: ogni passaggio deve avere una ragione.

Immaginiamo un agente incaricato di confrontare fornitori. Potrebbe cercare, aprire pagine, leggere PDF, estrarre dati, accorgersi di una mancanza e ricominciare. Se la richiesta è «trova la soluzione migliore in assoluto», quando può considerarsi soddisfatto? L’assenza di un criterio di conclusione è anche un problema di budget.

Un incarico con confini chiari

Per un esperimento pilota, formulerei un mandato di questo tipo:

Confronta tre fornitori usando i cinque criteri indicati. Interrompi la ricerca quando hai raccolto i dati necessari oppure quando hai raggiunto il limite di attività configurato. Segnala ciò che manca e chiedi una decisione prima di ampliare il lavoro.

Il testo, da solo, non garantisce il rispetto di un tetto economico. Nell’applicazione servono contatori e limiti effettivi: spesa massima, numero di chiamate, durata e gestione degli errori. La guida tecnica OpenAI a un controllore di spesa per singola esecuzione illustra proprio l’esigenza di conteggiare correttamente le componenti e controllare il budget durante il processo.

Occorre decidere anche chi interviene quando il limite viene raggiunto. Un agente che si ferma lasciando un rendiconto chiaro è più gestibile di uno che continua a tentare senza spiegare perché. Il tema si collega alla distinzione tra human-in-the-loop e human-on-the-loop: la supervisione deve essere progettata.

Non affiderei al solo prompt «non spendere troppo» il controllo del portafoglio. Sarebbe come dare la carta aziendale a qualcuno aggiungendo soltanto: «Mi raccomando, giudizio».

12. Tre esempi aziendali per mettere insieme i pezzi

I casi seguenti sono scenari didattici, non risultati misurati presso clienti. Servono a mostrare come cambiano le decisioni quando si considerano insieme contesto, formato, qualità e consumo.

Caso A: un commerciale confronta due offerte

Il commerciale deve capire quale proposta soddisfi meglio le esigenze del cliente. Nella prima impostazione carica due cataloghi interi e chiede una valutazione generica. Riceve una lunga descrizione dei prodotti, ma mancano costo totale e condizioni dell’assistenza.

Nella seconda impostazione prepara le schede dei prodotti pertinenti, le condizioni economiche e gli allegati richiamati. Usa un prompt con criteri espliciti: durata, volumi previsti, costo totale, assistenza, esclusioni. Chiede una tabella e l’elenco dei dati mancanti.

Il risparmio potenziale arriva dalla selezione dei materiali e dalla riduzione delle riscritture. Il controllo finale riguarda proprio le informazioni che sarebbe pericoloso eliminare: unità, IVA, durata, limiti e condizioni. La versione corta va scartata se nasconde una voce di costo.

Caso B: un ufficio prepara risposte alle richieste ricorrenti

L’ufficio ha un documento approvato con procedure e risposte frequenti. Per ogni richiesta, il sistema individua la sezione pertinente e prepara una bozza. Le istruzioni stabili possono essere riutilizzate; i messaggi dei singoli utenti sono la parte variabile.

Prima di andare a regime, farei una prova con domande semplici, richieste ambigue e casi non coperti dal documento. Misurerei risposte corrette, rinvii necessari a una persona e tempo di revisione. Un sistema che inventa una procedura pur di rispondere in fretta non supera il test, anche se consuma pochissimo.

Qui il formato utile potrebbe essere Markdown per la base documentale e un output strutturato per classificare la richiesta. La scelta dipende da come il servizio sarà integrato, non da una presunta superiorità universale di un formato.

Caso C: un consulente analizza un archivio di verbali

Il consulente vuole individuare decisioni e responsabilità distribuite in molti verbali. Riassumere tutto in un unico passaggio può perdere rimandi. Preparerei invece una prima estrazione strutturata: data, decisione, responsabile, scadenza e fonte.

Poi confronterei i dati, tornando ai verbali originali per contraddizioni e punti dubbi. Una parte dell’analisi può essere svolta con filtri e tabelle; l’AI serve dove occorre interpretare il linguaggio. La lavorazione iniziale potrebbe essere differita se non esiste urgenza.

La valutazione deve includere il costo di preparazione dell’archivio. Se verrà interrogato una volta soltanto, una procedura complessa potrebbe non convenire. Se servirà ogni settimana, investire in una struttura verificata può avere senso. Il numero dei token non sostituisce il ragionamento sul processo.

13. Come controllare i consumi in azienda senza creare un’altra burocrazia

Per iniziare non serve un sistema enorme. Serve un piccolo registro che colleghi la spesa al lavoro svolto. Per ciascun processo, raccoglierei almeno queste informazioni:

Informazione	Domanda a cui risponde
Attività e responsabile	Perché stiamo usando l’AI e chi valuta il risultato?
Modello e modalità di servizio	Quali prestazioni e tariffe stiamo confrontando?
Numero di esecuzioni e chiamate	Quanto cresce il processo quando aumenta il lavoro?
Input, output e cache	Quali componenti determinano la spesa?
Costo totale e tempo di revisione	Quanto costa davvero ottenere il risultato?
Esiti accettati, errori e ripetizioni	Il risparmio sta peggiorando la qualità?

Fare una prima rilevazione per un periodo limitato consente di scoprire dove intervenire. Magari il prompt principale è già ragionevole, mentre uno strumento restituisce pagine di dati inutili. Oppure ogni operatore ripete la stessa richiesta perché il formato non è stato concordato.

Confronterei i risultati per attività omogenee. Il consumo di chi prepara un’analisi complessa non è direttamente confrontabile con quello di chi classifica brevi messaggi. Un indicatore unico per tutte le persone rischia di premiare l’uso più banale e penalizzare il lavoro che richiede attenzione.

Infine, definirei soglie comprensibili: quando parte un avviso, chi lo riceve e che cosa succede al raggiungimento del limite. Un avviso di budget non va scambiato per un blocco automatico della spesa: bisogna verificare che cosa faccia davvero il sistema configurato.

14. Domande frequenti sui token AI

Mille token equivalgono a mille parole?

No. Nell’inglese, la regola orientativa citata prima porta a circa 750 parole per mille token. Per l’italiano e per contenuti particolari bisogna misurare. Anche punteggiatura, spazi e codici contribuiscono al risultato: non esiste un cambio fisso tra parole e token.

Se scrivo «per favore» spreco soldi?

Le parole aggiunte fanno parte del testo da elaborare, ma concentrarsi soltanto sulla cortesia è una priorità discutibile. Prima controllerei allegati inutili, output troppo lunghi, tentativi ripetuti e chiamate automatiche. Scrivete in modo naturale e chiaro: trasformare ogni richiesta in un telegramma può introdurre ambiguità molto più costose da correggere.

Conviene scrivere sempre in inglese?

Non lo stabilirei senza una prova sul modello e sul lavoro specifici. La tokenizzazione può cambiare, ma tradurre ha a sua volta un costo e può alterare termini importanti. Per un processo italiano, valutate prima precisione e facilità di controllo. Un vantaggio sul conteggio non basta se aumenta il rischio di interpretazione sbagliata.

Comprimere un PDF o salvarlo come ZIP riduce i token?

Non automaticamente. La compressione del file e la rappresentazione usata dal modello sono aspetti diversi. Se l’applicazione estrae lo stesso testo, il numero di byte del contenitore non determina da solo il conteggio. Prima serve capire come il servizio legge quel file e quali informazioni passa effettivamente al modello.

Una nuova chat azzera tutti i costi precedenti?

No: le elaborazioni già eseguite restano eseguite. Una nuova conversazione può aiutare a delimitare il contesto successivo, ma non cancella consumi precedenti. Inoltre il prodotto può includere istruzioni, memorie o materiali di progetto. Per sapere che cosa viene conteggiato occorre osservare il comportamento documentato del servizio utilizzato.

Il modello locale elimina il problema?

Può cambiare il modo in cui sostenete i costi, ma non rende l’elaborazione priva di risorse. Al posto di una fattura a token potete avere hardware, energia, manutenzione e tempo di gestione. La scelta va confrontata sul carico di lavoro e sulle esigenze reali, non sulla sola assenza di un prezzo per chiamata.

Un prompt più lungo è sempre peggiore?

No. Una condizione, un esempio o una definizione possono evitare errori e nuovi tentativi. Il prompt migliore contiene le informazioni necessarie per il risultato richiesto. La misura utile resta il costo dell’attività completata correttamente, non il record di brevità del primo messaggio.

15. La competenza da imparare: dare valore a ciò che chiediamo

La mia proposta è trattare i token come una lente per osservare il lavoro. Quando prepariamo un documento per l’AI, siamo costretti a chiarire che cosa conta. Quando fissiamo un limite alla risposta, decidiamo che cosa leggeremo. Quando definiamo la conclusione di un’attività, rendiamo esplicito che cosa consideriamo un risultato.

Queste scelte hanno un’utilità anche fuori dai chatbot. Una procedura comprensibile, un archivio ordinato e una richiesta precisa aiutano pure il collega che deve rispondere al telefono. L’AI aggiunge un contatore a problemi organizzativi che spesso esistevano già.

I token potrebbero occupare uno spazio crescente nei budget e nelle discussioni sull’accesso alla tecnologia. Ma il valore continuerà a dipendere da ciò che riusciamo a fare con quella capacità: risolvere un problema, prendere una decisione documentata, produrre qualcosa che serva a qualcuno.

Non vorrei un’azienda bravissima a contare i token e incapace di riconoscere una risposta sbagliata. Preferisco un’azienda che sappia formulare una richiesta, misurarne il costo e assumersi la responsabilità di usarne il risultato.

Se vuoi lavorare su questi aspetti con il tuo team, puoi contattarmi per un corso o una consulenza sull’AI generativa. Possiamo partire dai vostri documenti e dalle vostre attività, individuando quali prove fare e con quali criteri valutarle.

Fonti e metodo

Le fonti primarie sono collegate nei paragrafi pertinenti: documentazione OpenAI, Anthropic e Google, CommonMark, NVIDIA, Stanford HAI e Banca centrale europea. Consultazione: 6 settembre 2026. Le caratteristiche dei servizi possono cambiare; prima di pianificare una spesa vanno ricontrollate le condizioni applicabili.

I conteggi della frase italiana e del confronto tra formati sono misurazioni sul testo esatto con tiktoken 0.14.0 e o200k_base; non rappresentano la fatturazione di una richiesta completa. I prezzi in euro e i casi aziendali sono esempi didattici dichiarati. Le riflessioni sul futuro dell’economia dei token sono interpretazioni e scenari, distinti dai fatti documentati.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Inviaci email

Nome *

E-Mail *

Oggetto *

Messaggio *