I costi della codifica AI potrebbero superare gli stipendi degli sviluppatori entro il 2028.

      Entro il 2028, gli strumenti di intelligenza artificiale utilizzati da uno sviluppatore potrebbero costare più dello stipendio dello sviluppatore stesso, avverte Gartner. I costi della codifica AI stanno aumentando rapidamente e la maggior parte delle aziende non riesce nemmeno a vedere quanto stanno spendendo.

      Il boom della codifica AI ha un costo, e sta crescendo rapidamente. Entro il 2028, i costi della codifica AI supereranno lo stipendio medio di uno sviluppatore, ha previsto Gartner il 24 giugno. La causa è semplice: ogni movimento effettuato da un agente AI consuma token, e il contatore è sempre attivo.

      I token sono le unità di dati elaborate da un modello di intelligenza artificiale. Sotto i nuovi modelli di prezzo, più token significano una bolletta più alta. “Le organizzazioni stanno passando rapidamente dall'esperimentazione all'implementazione su larga scala degli agenti di codifica AI, ma molte stanno sottovalutando l'impatto finanziario”, ha dichiarato Nitish Tyagi, un analista principale senior di Gartner.

      L'avvertimento arriva in un momento strano. Gli strumenti di codifica AI sono estremamente popolari. Gli ingegneri li adorano e i manager attribuiscono loro reali guadagni in termini di velocità. Eppure, gli stessi strumenti ora minacciano di costare più delle persone che aiutano. Il punto di Gartner è chiaro: popolarità e prezzo stanno aumentando insieme.

      Da 20 a 5.000 dollari al mese

      Il salto è già visibile. Le bollette della codifica AI stanno passando da 20 o 100 dollari al mese per sviluppatore a 2.000 o addirittura 5.000, ha detto Tyagi a The Register. Il motore è un cambiamento silenzioso nel modo in cui gli strumenti vengono venduti.

      I fornitori prima addebitavano una tariffa fissa per posto. Ora la maggior parte addebita in base al consumo. Uno sviluppatore paga per ciò che un agente utilizza, e un agente può utilizzare molto. Questo cambiamento trasforma un elemento di costo prevedibile in uno imprevedibile. È la stessa dinamica che ha già visto le bollette aziendali di AI triplicare anche mentre i prezzi dei token sono diminuiti.

      La tariffazione per consumo premia il fornitore quando l'uso cresce. Più un agente scrive, testa e riprova, più fattura. Un singolo compito autonomo può consumare token che uno sviluppatore non vede mai. Moltiplicando questo per un intero team, la fattura mensile cresce.

      Niente di tutto ciò significa che gli strumenti falliscono. Se usati bene, consegnano funzionalità più rapidamente e liberano gli ingegneri dal lavoro noioso. La preoccupazione è il divario tra la promessa e la fattura. In questo momento, troppo pochi team la misurano, e ancor meno agiscono su ciò che trovano.

      Nessuno può vedere la bolletta

      Il problema più profondo è la visibilità. Molti fornitori non mostrano come calcolano o fatturano l'uso dei token, ha detto Gartner. Le aziende non possono prevedere il costo, quindi i budget si esauriscono presto. “La maggior parte delle organizzazioni manca ancora della maturità e dei framework per misurare efficacemente il costo rispetto all'impatto sul business”, ha affermato Tyagi.

      Gartner è chiaro riguardo al risultato. I leader ingegneristici trovano sempre più difficile giustificare la spesa basata sui token. I budget svaniscono prima del previsto. E senza un modo per legare la spesa al valore aziendale, il prossimo incontro di budget diventa imbarazzante.

      Non sono gli sviluppatori a controllarlo. Ottimizzano per la velocità, non per il costo. “La disciplina dei token non emergerà solo dalla scelta degli sviluppatori”, ha avvertito Tyagi. Senza regole, ha avvertito, i costi possono aumentare più rapidamente della produttività promessa dagli strumenti.

      Perché i costi continuano a salire

      Diverse forze spingono il contatore verso l'alto. Gli agenti lasciati a funzionare autonomamente consumano token liberamente. Finestrature di contesto gonfiate, dove lo strumento riceve più testo di quanto necessario, aggiungono di più. E i team raramente costruiscono un ciclo di feedback per ridurre gli sprechi.

      Gli strumenti stessi offrono poco aiuto. I fornitori di codifica AI non hanno integrato controlli sui costi maturi, ha detto Gartner. Quindi il compito della moderazione ricade sull'acquirente. La maggior parte degli acquirenti non è pronta per questo.

      Anche la base utenti sta cambiando. Man mano che le persone si sentono a proprio agio con gli strumenti, gli utenti leggeri diventano utenti pesanti. Gartner prevede che anche i prezzi dei modelli aumenteranno, poiché le aziende di AI inseguono il profitto. Maggiore utilizzo, a un prezzo più alto, indica una sola direzione.

      Questo sta già rimodellando i comportamenti. Alcune aziende hanno iniziato a limitare quanto AI il loro personale può utilizzare. Le aziende più affamate di AI ora spendono circa 7.500 dollari per dipendente ogni mese.

      L'industria si affanna per trovare una soluzione

      Il dolore ha creato un mercato. I fornitori di database si stanno ora proponendo come la cura per i costi incontrollati dell'AI, sostenendo di poter ridurre il numero di chiamate effettuate da un agente di codifica. Altri vogliono un ente di standardizzazione del settore per spiegare le fatture.

      Anche i grandi attori si stanno ritirando. Microsoft si è ritirata silenziosamente dall'uso intensivo di Claude Code a causa dei costi, e GitHub ha sospeso alcune iscrizioni a Copilot mentre la domanda agentica ha messo a dura prova l'economia. Gli strumenti funzionano. Pagare per essi su larga scala è la parte difficile.

      Gartner vede il mercato più ampio entrare in una nuova fase di espansione e competizione. Questo dovrebbe, col tempo, portare a migliori strumenti di costo e prezzi più chiari. Per ora, gli acquirenti sono davanti ai prodotti. Stanno scalando rapidamente strumenti che non sono mai stati progettati per essere economici.

      Cosa consiglia Gartner

      Il consiglio di Gartner riguarda la disciplina, non il ritiro. Invita i leader ingegneristici a suddividere i compiti in tre categorie: guidati dallo sviluppatore, guidati dallo sviluppatore con agente e completamente guidati dall'agente. Ognuno di essi riceve un livello di autonomia definito.

      Inizia con il routing dei modelli. Un modello di frontiera è eccessivo per una funzione semplice. Gartner vuole che i team inviino compiti facili e ad alta frequenza a modelli più piccoli e più economici, riservando quelli costosi per lavori complessi. Se fatto bene, questo da solo può ridurre drasticamente la bolletta.

      L'ingegneria del contesto è l'altro leva. Ogni riga extra fornita al modello costa token. Riduci l'input a ciò che conta, riassumi il resto e il contatore rallenta. Poi imposta limiti sui token, monitora automaticamente l'uso e rivedi i flussi di lavoro più pesanti in ogni sprint, piuttosto che andare nel panico una volta esaurito il budget.

      La conclusione

      Niente di tutto ciò uccide il caso per la codifica AI. Gli strumenti accelerano davvero il lavoro e pochi team li restituiranno. Ma la previsione di Gartner è un avvertimento che i risparmi non sono automatici. Uno strumento che scrive codice più velocemente non è un affare se costa più della persona che lo utilizza.

      La domanda aperta è se la disciplina arriverà prima della bolletta. I prezzi continuano a salire, l'uso continua a crescere e la visibilità rimane scarsa. Il 2028 non è lontano. Le aziende che vinceranno saranno quelle che imparano a contare i token prima che i token contino loro.