La catena del valore dell’AI – dai chip e dalle infrastrutture dei data center fino ai modelli e alle applicazioni e ai processi aziendali – offre diverse opportunità di monetizzazione. Nel breve termine, il vantaggio sarà appannaggio dei fornitori di infrastrutture scarse, in particolare dei produttori di Gpu. “Tuttavia”, dice scrive Justin Van Der Lande, research director di Analysys Mason in un articolo pubblicato sul sito della società di ricerca, “il successo a lungo termine dipenderà dalla capacità di catturare valore lungo l’intero ecosistema e di collegare la spesa per l’AI a risultati aziendali misurabili”. C’è quindi spazio anche per le telco.
Van der Lande ricorda che durante le corse all’oro dell’inizio del XIX secolo, i maggiori profitti finanziari andavano spesso a chi vendeva “picconi e pale” piuttosto che ai cercatori d’oro stessi. “Nel settore dell’AI, l’equivalente di tale figura è attualmente il produttore di chip Nvidia, che l’anno scorso ha registrato un fatturato superiore a 120 miliardi di dollari. Altri attori dell’ecosistema che acquistano o utilizzano le Gpu di Nvidia – tra cui sviluppatori di modelli linguistici di grandi dimensioni (Llm) e di strumenti di intelligenza artificiale come OpenAI e Anthropic – non hanno ancora dimostrato una redditività annuale costante”.
Secondo il ricercatore, tutti i livelli della catena del valore dell’AI devono generare valore e monetizzare la propria parte dello stack (come approfondito nei paragrafi successivi), ma in ultima analisi il sistema deve funzionare al vertice dell’ecosistema. È qui che i sistemi e i processi aziendali, oppure i consumatori finali, devono effettivamente trarre valore dall’AI. “Tali benefici sono necessari per giustificare i costi sostenuti ai livelli sottostanti della catena del valore. A ogni livello corrispondono modelli di business e di monetizzazione differenti”.
Indice degli argomenti
Il modello dei data center: una monetizzazione basata su tempo e capacità
I data center devono monetizzare i servizi basati su Gpu per coprire i costi di acquisizione del sito, utenze, sicurezza fisica e connettività. Tali strutture includono quelle gestite da hyperscaler come Aws, Microsoft Azure, Google Cloud Platform e Oracle Cloud Infrastructure, nonché da provider specializzati di “neocloud” come CoreWeave e Lambda Labs. Anche gli operatori di telecomunicazioni sono attivi in questo mercato; tra questi l’analista cita Deutsche Telekom, SK Telecom, Singtel, Telus, Ooredoo, Claro e Iliad.
“I modelli di tariffazione dei data center sono generalmente strutturati in base al consumo temporale, alla capacità riservata o all’utilizzo di token, soluzioni spesso identificate con il termine Gpu-as-a-Service (GpuaaS)”, dice Van Der Lande. “Alcune aziende che gestiscono le proprie Gpu, ma necessitano di infrastrutture esterne, ricorrono inoltre al leasing di spazi in colocation”.
L’approccio dei fornitori di Llm
Oltre agli abbonamenti a tariffa fissa per consumatori e aziende, i ricavi dei fornitori di Llm e modelli fondamentali derivano principalmente dall’accesso “pay-as-you-go” (a consumo) per gli sviluppatori che utilizzano le api e dai partner cloud che offrono l’accesso ai modelli. L’utilizzo viene generalmente misurato in token e fatturato per milione di token. Le tariffe variano a seconda del fornitore e del modello; in genere, il costo dei token di input è inferiore a quello dei token di output.
“I prezzi variano anche in base al modello utilizzato: i modelli di punta e quelli avanzati di ragionamento (reasoning models), a maggior valore aggiunto, comportano tariffe più elevate”, ricorda l’analista. “Agli utenti con volumi elevati vengono applicati sconti quantità, mentre i principali vendor dell’ecosistema spesso negoziano accordi commerciali specifici. Questo modello di business dovrebbe sostenere il percorso verso la redditività dei vendor man mano che l’utilizzo dei token raggiunge l’ordine di grandezza di miliardi e trilioni”.
Azure per esempio ha dichiarato di aver elaborato 100 trilioni di token in un singolo trimestre, registrando una crescita del 30% su base trimestrale, mentre Google Cloud avrebbe elaborato 16 miliardi di token al minuto tramite api.
Ma tutto funziona perché c’è un ecosistema più ampio di fornitori
Gli Llm e gli ecosistemi di AI vengono utilizzati direttamente dagli utenti (consumatori e aziende) oppure indirettamente tramite una vasta rete di partner. Si parla di vendor dell’ecosistema, come Oracle e Microsoft, che consentono a sviluppatori e consumatori di accedere a molteplici Llm attraverso i servizi di piattaforma offerti. Ma ci sono anche fornitori di software indipendenti che integrano agenti, modelli e funzionalità di AI all’interno delle proprie applicazioni. A questi si aggiungono system integrator e società di consulenza che sviluppano soluzioni basate sull’AI per clienti aziendali, vendor di ecosistemi di dispositivi che consentono ai propri clienti di accedere a software, framework e altre funzionalità basati sull’AI, e le telco, sempre più presenti sul mercato come partner per l’innovazione di business.
“Il costo per l’utilizzo dell’AI è incluso nel servizio oppure costituisce un prerequisito per l’uso del software, con accordi commerciali stipulati direttamente tra acquirenti e fornitori”, precisa Van Der Landr. “La maggior parte dei principali fornitori di AI gestisce programmi per partner articolati su più livelli, che offrono accesso anticipato a nuove tecnologie e riconoscono gli utenti più avanzati delle proprie piattaforme.
L’importanza di basarsi sul valore offerto all’acquirente
L’esperto di Analysy Mason sottolinea che per qualsiasi azienda che utilizzi l’AI è necessario modificare un processo o un sistema al fine di creare valore e giustificare l’investimento. “La novità della tecnologia svanisce rapidamente e le organizzazioni richiedono sempre più spesso una chiara giustificazione commerciale per mantenere la spesa in ambito AI. Per le aziende che registrano costi crescenti legati all’AI, diventa fondamentale associare tali costi a specifici risultati di business. Attribuire i costi a un particolare processo, caso d’uso o problematica aziendale aiuta a sostenere le decisioni di investimento e i finanziamenti futuri. Laddove si adotti una monetizzazione basata sul consumo, potrebbe essere necessario monitorare l’utilizzo a livello di singoli processi aziendali o sistemi”.
I modelli di prezzo basati sui risultati, incentrati sul risparmio di tempo e costi o sui ricavi generati dal cliente, vengono spesso proposti sotto forma di modelli di condivisione dei ricavi o di kpi contrattuali. Storicamente, l’impegno richiesto per misurare i risultati e definirli ha reso più complessa l’implementazione di tali modelli. Ogni rapporto con il cliente prevede una definizione specifica dei kpi, il che accresce la complessità della collaborazione. “L’accesso ai sistemi e ai risultati è spesso possibile tramite applicazioni aziendali, ma altre tipologie di collaborazione richiedono che entrambe le parti dell’accordo abbiano accesso a dati idonei, una condizione non sempre auspicabile”, avverte Van Der Lande. “Anche i partner che implementano l’AI o la integrano nelle proprie soluzioni devono comprendere come i costi varino in funzione dell’utilizzo. Potrebbero trovarsi a dover gestire il rischio commerciale legato alla fornitura di soluzioni a tariffa fissa, a fronte di servizi AI sottostanti tariffati in base al consumo”.
La strada da seguire? La tariffazione basata sul consumo
Al momento, pochi fornitori sono in grado di offrire prodotti completi che coprano l’intera catena del valore dell’AI; la maggior parte propone soluzioni specifiche per singoli livelli. “Soluzioni AI integrate verticalmente sono alla portata solo delle organizzazioni più grandi, come Google Cloud, mentre la maggior parte dei vendor continuerà a competere all’interno di specifici livelli orizzontali”, dice l’analista. “Sebbene gli stack AI integrati verticalmente offrano alcuni vantaggi, la maggior parte delle opportunità risiederà in soluzioni integrate orizzontalmente. È probabile che prosegua il consolidamento all’interno di ciascun livello orizzontale, man mano che le organizzazioni cercheranno maggiore semplicità nell’ecosistema dell’AI. I principali vendor”, chiosa Van Der Lande, “manterranno una posizione dominante grazie ad acquisizioni e a maggiori risorse interne dedicate allo sviluppo. La monetizzazione basata sul consumo si diffonderà ulteriormente, man mano che le politiche di prezzo si allineeranno maggiormente ai costi sottostanti”.
Partecipa alla community