L’intelligenza artificiale promette di aumentare la produttività delle telco, ma il passaggio dalla sperimentazione all’utilizzo su larga scala sta facendo emergere un problema economico: token, agenti, orchestrazione, storage e supervisione introducono nuove voci di spesa che possono sommarsi a software legacy, outsourcing e licenze già esistenti.
È il paradosso dei costi dell’AI nelle telecomunicazioni: la diminuzione del prezzo dei modelli non garantisce da sola una riduzione della spesa complessiva, perché l’aumento dei casi d’uso, dei volumi e delle interazioni tra agenti può far crescere rapidamente i consumi. Per gli operatori diventa quindi necessario scegliere quale capacità utilizzare per ciascun compito e misurare quanto costa ottenere un determinato risultato.
Gli AI gateway possono rappresentare una delle risposte operative a questa esigenza. Collocandosi tra applicazioni, utenti o agenti e i diversi modelli di intelligenza artificiale, permettono di governare il traffico AI da un punto centrale e di indirizzare ogni richiesta verso la soluzione che offre il rapporto più adatto fra prezzo, prestazioni, qualità e latenza.
Un’analisi di STL Partners mette a confronto le strategie di AT&T, China Mobile e China Telecom e mostra anche un possibile sviluppo ulteriore: la stessa tecnologia utilizzata per rendere più efficiente il consumo interno può diventare una componente dell’offerta per i clienti enterprise.
Indice degli argomenti
AI gateway, un livello di governo tra applicazioni e modelli
Con la moltiplicazione dei modelli disponibili, lasciare che ogni applicazione o agente si colleghi direttamente al sistema scelto rende più difficile avere una visione unitaria dei consumi, della spesa e delle policy applicate. L’AI gateway introduce invece uno strato intermedio attraverso il quale far transitare le richieste.
Le funzionalità cambiano a seconda delle piattaforme, ma comprendono generalmente il routing tra modelli, il monitoraggio dei token, il caching delle richieste ricorrenti, l’applicazione delle politiche di accesso e sicurezza e l’osservabilità sull’ambiente AI.
Il passaggio centrale, dal punto di vista economico, riguarda la scelta dinamica del modello. Molte attività possono essere svolte da sistemi più piccoli ed economici senza compromettere il risultato, mentre soltanto i compiti più complessi richiedono i modelli più potenti. Un gateway intelligente può quindi valutare la richiesta e indirizzarla verso la risorsa più adatta.
Questa logica risponde direttamente a uno dei problemi che emergono con l’industrializzazione dell’AI. La riduzione del prezzo unitario dei modelli può essere assorbita dall’aumento dei consumi: più applicazioni entrano in produzione, più persone utilizzano gli strumenti e più gli agenti interagiscono tra loro, maggiore diventa il numero complessivo di token elaborati.
Governare il routing consente di evitare che capacità costosa venga utilizzata anche quando non serve. Il principio si avvicina a quello del capacity management già applicato dagli operatori ad altre risorse tecnologiche: allocare la potenza disponibile in funzione delle caratteristiche del carico e del valore generato.
AT&T, 45 miliardi di token al giorno da governare
AT&T ha affrontato il problema partendo dalla propria infrastruttura. Nel luglio 2026 l’operatore ha descritto con il termine “tokenomics” il modello adottato per gestire il consumo di AI: con una media di circa 45 miliardi di token al giorno, anche piccole differenze nel costo di elaborazione possono produrre effetti significativi sulla spesa.
Al centro dell’architettura c’è un gateway proprietario che instrada ogni prompt verso il modello più conveniente in grado di completare il compito richiesto. Il sistema utilizza un routing sensibile alla cache e valuta velocità, prezzo e qualità attesa della risposta. Se necessario può anche cambiare modello durante una conversazione composta da più interazioni.
La scelta risponde a un principio semplice: utilizzare sistematicamente i modelli di frontiera più grandi e recenti significa pagare capacità che molte attività non richiedono. AT&T afferma che questa architettura ha permesso di ridurre la spesa AI fino al 90%.
Il caso offre una risposta concreta al problema dell’opex emerso con l’aumento dell’utilizzo dell’intelligenza artificiale. L’obiettivo non consiste nel fissare un tetto rigido ai consumi, soluzione che potrebbe limitare la diffusione dei nuovi strumenti, ma nel rendere più efficiente ogni unità di capacità utilizzata.
Il gateway fa inoltre parte di uno stack più ampio che comprende governance, sicurezza e modelli specializzati per le telecomunicazioni. Tra questi figura OTel 2.0, modello open source sottoposto a post-training su oltre 400 miliardi di token specifici del settore. AT&T inserisce queste componenti in quello che definisce un “sovereign AI stack”, con l’obiettivo di mantenere maggiore controllo sulla selezione dei modelli, sui dati e sulla spesa.
Per ora il gateway è utilizzato principalmente all’interno del gruppo. L’esperienza maturata su volumi così elevati può però diventare una competenza trasferibile verso il mercato enterprise.
China Mobile porta l’orchestrazione AI ai clienti
Gli operatori cinesi stanno sviluppando un modello differente. Le tecnologie di routing e gestione dei consumi vengono inserite direttamente in offerte rivolte ai clienti, facendo del token una vera unità di utilizzo e fatturazione.
China Mobile ha costruito questa impostazione attorno alla piattaforma Mixture of Models and Agents (MoMA), che aggrega capacità computazionale, orchestrazione e servizi. Alla base c’è un gateway Api unificato collegato a più di 300 modelli, tra cui il sistema proprietario Jiutian e soluzioni di terze parti come DeepSeek, Doubao, Qwen e Kimi.
Un motore di routing analizza le richieste e può applicare tre diverse strategie: priorità al prezzo, priorità alle prestazioni oppure bilanciamento tra i due parametri. Il cliente può così accedere a modelli differenti attraverso un unico livello di gestione, mentre la piattaforma decide quale utilizzare in funzione dell’obiettivo impostato.
China Mobile destina queste capacità a servizi per pubblica amministrazione, finanza, industria, sanità e istruzione. Secondo l’operatore, la combinazione tra motore di inferenza, routing e tecniche di ottimizzazione ha ridotto di circa il 30% il costo unitario dei token.
Il modello estende quindi all’esterno la stessa logica che AT&T applica alla propria organizzazione: aggregare modelli diversi e scegliere di volta in volta la risorsa più efficiente. Cambia il destinatario. Nel caso cinese l’orchestrazione diventa parte di un servizio acquistabile dalle imprese.
China Telecom mette i token in abbonamento
China Telecom parte invece dall’infrastruttura. La piattaforma TokenHub viene presentata come una rete distribuita proprietaria per l’inferenza che combina i modelli foundation Xingchen dell’operatore con sistemi sviluppati da altri fornitori.
Un gateway di inferenza gestisce le richieste in arrivo, indirizza i carichi e assegna i token ai singoli task. Su questa infrastruttura China Telecom ha costruito anche un modello commerciale immediatamente leggibile: l’accesso viene venduto attraverso pacchetti mensili di capacità.
Il livello di ingresso prevede 25 milioni di token per 29 yuan al mese, mentre la fascia più alta arriva a 680 milioni di token per 699 yuan mensili.
La struttura dell’offerta richiama meccanismi già familiari alle telecomunicazioni: capacità disponibile, misurazione dei consumi e livelli differenti di servizio. Il token assume così il ruolo di unità attraverso cui quantificare e commercializzare l’accesso alle risorse AI, mentre gateway e orchestrazione devono garantire che quella capacità venga utilizzata in modo efficiente.
Dal contenimento dell’opex a un nuovo servizio enterprise
La crescita degli AI gateway attira però un numero sempre maggiore di concorrenti. Hyperscaler, società specializzate nell’infrastruttura AI e vendor di networking e cybersecurity offrono già funzionalità di routing, monitoraggio, gestione delle policy e controllo dei consumi. Il solo gateway rischia quindi di diventare rapidamente una componente poco differenziante.
Per gli operatori lo spazio competitivo può derivare dall’integrazione con gli asset che già gestiscono: connettività, capacità di calcolo, cloud, cybersecurity, sovranità dei dati e servizi gestiti. Il gateway può diventare il livello attraverso cui coordinare queste risorse e governare l’accesso a un portafoglio di modelli diversi.
Il percorso di AT&T indica una possibile prima fase. L’operatore utilizza l’orchestrazione per affrontare uno dei nodi economici posti dall’adozione dell’AI su larga scala: distribuire i carichi tra modelli differenti e ridurre la spesa necessaria per completare un’attività. È un modo per evitare che l’aumento di agenti e applicazioni faccia crescere i consumi più velocemente dei benefici prodotti dall’automazione.
China Mobile e China Telecom aggiungono un secondo passaggio: le capacità sviluppate per controllare e ottimizzare l’utilizzo dell’AI vengono esposte ai clienti e inserite in un’offerta commerciale.
Per le telco si delinea così una doppia opportunità. Gli AI gateway possono contribuire a tenere sotto controllo una nuova componente dell’opex e, allo stesso tempo, fornire il livello di orchestrazione su cui costruire servizi per le imprese. La possibilità di trasformarli in una fonte di ricavi dipenderà dalla capacità di integrarli con rete, cloud, sicurezza e computing, evitando di entrare sul mercato con un prodotto facilmente replicabile da altri fornitori.
Partecipa alla community