REDAZIONE.
Indice del contenuto
Mentre OpenAI e Anthropic continuano a rincorrersi sul terreno delle capacità, per chi usa l’AI nel lavoro la questione si è spostata altrove: quanto costa, quanto è affidabile, quanto si integra nei processi e quanto è difficile cambiare fornitore?
È quello che rende interessante la nuova fase della competizione fra Anthropic e OpenAI. A settembre Reuters riportava che Anthropic stava valutando un nuovo modello in risposta alla crescente trazione di GPT-6 Astra nel mercato enterprise. Nel frattempo, però, la situazione si è già evoluta: il 22 settembre Anthropic ha annunciato Claude Opus 5.5, un nuovo modello accompagnato da una riduzione dei costi operativi e da ulteriori valutazioni di sicurezza.
La notizia, quindi, non è semplicemente che Anthropic stia cercando di rispondere a OpenAI. È che la guerra dei modelli sta diventando una guerra di infrastrutture, budget e abitudini aziendali. E questa, per chi lavora con l’AI, è una trasformazione molto più importante del nome scritto sulla confezione.
In 10 secondi
• Anthropic e OpenAI stanno competendo sempre più direttamente nel mercato enterprise.
• OpenAI ha guadagnato terreno nella spesa aziendale tracciata da piattaforme come Ramp, mentre Anthropic continua a dichiarare una crescita molto forte dei ricavi.
• Anthropic ha trasformato la risposta competitiva in un nuovo rilascio: Claude Opus 5.5, presentato il 22 settembre.
• Il prezzo dell’AI sta diventando quasi importante quanto la sua performance.
• Per le aziende, il vero costo non è soltanto usare un modello: è costruire processi così dipendenti da quel modello da rendere costoso cambiarlo.
• Per questo, la scelta dell’AI sta diventando sempre più simile alla scelta di un’infrastruttura tecnologica.
La gara non è più soltanto “chi ha il modello migliore”
Il punto di partenza della vicenda è semplice. OpenAI ha lanciato GPT-6 Astra il 3 settembre e il modello ha ottenuto una crescente attenzione nel lavoro professionale, in particolare per attività legate a uso del computer, sviluppo software e altri compiti enterprise. Secondo i dati citati da Reuters, Astra avrebbe raggiunto circa il 13% della spesa enterprise monitorata da Ramp, contro circa l’8% attribuito al modello Claude Fable di Anthropic.
Sono numeri che vanno letti con cautela: Ramp non rappresenta l’intero mercato e la spesa su una singola piattaforma non equivale alla quota di mercato complessiva. Ma sono interessanti perché mostrano dove si sta spostando la competizione.
Non basta più dimostrare che un modello è capace. Bisogna riuscire a farlo entrare nelle aziende. E questo cambia parecchio le regole.
Un’impresa non sceglie necessariamente il modello che ottiene il punteggio più alto in un benchmark. Deve considerare sicurezza, prezzo, latenza, disponibilità, strumenti, compliance, gestione degli accessi, qualità delle API, supporto, integrazione con i software già utilizzati e soprattutto la possibilità di mantenere sotto controllo i costi quando l’utilizzo cresce. Il benchmark è una fotografia. L’adozione enterprise è un matrimonio. E divorziare può essere costoso.
Anthropic ha un problema interessante: crescere senza smettere di essere Anthropic
La posizione di Anthropic è particolarmente curiosa perché la società ha costruito una parte importante della propria identità intorno alla sicurezza dei modelli.
Il suo CEO Dario Amodei ha sostenuto pubblicamente la necessità di pacing: secondo la posizione espressa da Anthropic, il ritmo con cui aumentano le capacità dei modelli dovrebbe essere accompagnato da un rafforzamento delle pratiche di sicurezza. La società ha inoltre proposto maggiore trasparenza, valutazioni indipendenti e forme di coordinamento fra gli sviluppatori di modelli avanzati.
Il problema nasce quando la teoria incontra il mercato. Se un concorrente accelera, quanto puoi rallentare senza perdere clienti?
E soprattutto: quanto puoi parlare di prudenza mentre il tuo mercato premia la velocità?
È una tensione reale, non necessariamente una contraddizione. Anthropic sostiene infatti che la sicurezza debba procedere insieme alle capacità, non necessariamente dopo di esse. Il lancio di Opus 5.5 è significativo proprio per questo: il modello è stato presentato insieme a nuove valutazioni esterne e a salvaguardie rafforzate.
La competizione, insomma, non è soltanto capability versus capability. È anche capability versus capacità di dimostrare che quella capability può essere utilizzata responsabilmente.
E poi c’è il prezzo: la variabile che cambia davvero il gioco
Per anni abbiamo guardato ai modelli attraverso una metrica intuitiva: quanto sono bravi?
Ma quando l’AI entra nei processi aziendali, arriva una seconda domanda: quanto mi costa farli funzionare tutti i giorni?
È qui che il nuovo Opus 5.5 diventa interessante anche al di là della rivalità con OpenAI. Anthropiclo presenta come un modello con prestazioni di fascia alta ma costi operativi inferiori rispetto alla generazione precedente. Il prezzo, però, non va interpretato soltanto come una questione finanziaria.
Un modello più economico può cambiare ciò che un’azienda considera possibile.
Se una determinata attività costa troppo, viene utilizzata soltanto nei casi importanti. Se diventa sufficientemente economica, può essere automatizzata su larga scala. È la stessa differenza che esiste fra usare un consulente per dieci decisioni strategiche e avere uno strumento che può analizzare migliaia di operazioni. Quando il costo marginale scende, cambia anche il comportamento. Ed è per questo che la guerra dei prezzi dell’AI potrebbe avere conseguenze più profonde della semplice riduzione di una fattura.
La sorpresa è che il concorrente non è soltanto OpenAI
C’è un terzo elemento che rischia di passare inosservato: i modelli open-weight.
Finora il racconto della competizione è stato costruito come un duello fra grandi laboratori statunitensi. Ma modelli più economici e con maggiore possibilità di essere eseguiti o adattati autonomamente stanno ampliando le alternative disponibili per le aziende. Reuters li indica esplicitamente come una pressione crescente sia per Anthropic sia per OpenAI.
Questo è importante perché modifica il significato stesso della parola “scelta”.
Un’azienda può scegliere:
• un modello proprietario via API;
• più modelli proprietari attraverso un livello di orchestrazione;
• un modello open-weight gestito internamente;
• una combinazione dei tre.
La conseguenza è che il futuro dell’AI enterprise potrebbe non appartenere necessariamente a un unico vincitore.
Potrebbe appartenere a chi costruisce il modo migliore per usare più modelli contemporaneamente.
E il famoso vantaggio di Anthropic sui ricavi?
Il quadro, peraltro, non racconta una semplice storia di Anthropic in difficoltà.
Secondo Reuters, alla fine di luglio Anthropic aveva superato un annualized revenue run rate di 65 miliardi di dollari, rispetto agli oltre 40 miliardi attribuiti a OpenAI nello stesso periodo. Si tratta però di un run rate, cioè di una proiezione annualizzata basata sul ritmo di ricavi osservato, non del fatturato annuale già realizzato.
La distinzione è importante.
Perché nella corsa all’AI siamo diventati rapidamente dipendenti da numeri giganteschi: miliardi di ricavi, miliardi di valutazione, miliardi di investimenti. Ma il dato che interessa davvero a chi deve scegliere uno strumento non è necessariamente quale società valga di più.
È quanto valore riesco a estrarre dal modello rispetto a ciò che spendo per utilizzarlo.
Questa è la metrica che dovrebbe arrivare sulla scrivania del professionista.
Cosa significa tutto questo per chi lavora con l’AI
Se usi ChatGPT, Claude o altri strumenti ogni giorno, la competizione fra laboratori può sembrare una faccenda lontana. In realtà ti riguarda direttamente.
Più aumenta la concorrenza, più è probabile che vedremo nuovi modelli, prezzi diversi, offerte specializzate, modelli più piccoli ed efficienti e una maggiore possibilità di scegliere fra fornitori.
Ma c’è un effetto collaterale: diventerà più difficile capire quale modello utilizzare per quale lavoro. E quindi la competenza professionale non sarà soltanto “saper usare l’AI”. Sarà sapere quando utilizzare quale AI.
La regola pratica
Per ogni attività che oggi fai con un modello avanzato, prova a chiederti:
“Se domani questo modello costasse cinque volte tanto, continuerei a usarlo?”
Se la risposta è sì, probabilmente stai utilizzando una capacità che produce valore reale. Se la risposta è no, forse stai pagando per una potenza che il tuo lavoro non richiede. E c’è una seconda domanda ancora più interessante:
“Se domani questo modello sparisse, il mio processo continuerebbe a funzionare?”
Se la risposta è no, il problema non è il modello. È il processo.
Le domande che contano
Anthropic è indietro rispetto a OpenAI?
I dati citati da Reuters mostrano che OpenAI ha guadagnato terreno in alcune misure recenti di spesa enterprise, mentre Anthropic mantiene un livello di ricavi annualizzati superiore secondo le cifre riportate a luglio. Non esiste quindi un unico indicatore sufficiente per descrivere la posizione competitiva delle due aziende.
Perché il prezzo dei modelli è così importante?
Perché l’AI non viene utilizzata una volta sola. Quando entra nei processi aziendali, il volume di utilizzo può diventare enorme. Una riduzione del costo per operazione può quindi rendere economicamente sostenibili attività che prima non lo erano.
Un modello open-weight può sostituire sempre Claude o GPT?
No. Dipende dal caso d’uso, dalle risorse disponibili, dai requisiti di sicurezza, dalle prestazioni richieste e dal costo complessivo di gestione. Il vantaggio dell’open-weight è soprattutto quello di offrire maggiore controllo e alternative all’utilizzo esclusivo di API proprietarie.
Ha ancora senso scegliere “il modello migliore”?
Sì, quando il compito lo richiede. Ma “migliore” dovrebbe significare migliore per quel compito e a quel costo, non semplicemente primo in un benchmark.
Che cosa sta diventando davvero importante per le aziende?
La combinazione fra performance, prezzo, sicurezza, affidabilità, integrazione e possibilità di cambiare fornitore. In altre parole, l’AI sta progressivamente passando dalla categoria degli strumenti alla categoria delle infrastrutture.
Cosa fare lunedì?
Prendi le cinque attività AI più frequenti nel tuo lavoro e associa a ciascuna il modello che utilizzi, il costo stimato, il livello di controllo umano e la difficoltà di sostituzione. Se scopri che tutto passa dallo stesso modello, non hai necessariamente fatto una scelta sbagliata. Hai però scoperto una dipendenza che vale la pena conoscere.
La parte più interessante della nuova corsa fra Anthropic e OpenAI non è stabilire chi abbia costruito il modello più potente. Quella è una gara che continuerà a cambiare risultato ogni pochi mesi. La questione più importante è un’altra: che cosa succede quando l’intelligenza artificiale diventa abbastanza economica, potente e integrata da trasformarsi in infrastruttura del lavoro?
A quel punto il modello non è più soltanto un prodotto tecnologico. Diventa una componente del modo in cui un’azienda scrive, programma, analizza, vende, assiste i clienti e prende decisioni.
Ed è proprio per questo che il vero vantaggio competitivo potrebbe non appartenere a chi sceglie una volta per tutte il modello “giusto”. Potrebbe appartenere a chi costruisce processi abbastanza intelligenti da poter cambiare modello quando cambia il mercato.
Perché nell’AI di oggi la domanda non è più soltanto quanto è intelligente il tuo modello?
È: quanto sei libero di cambiarlo?
Parola di Eufemia.
