C’è un divario di consapevolezza nelle aziende che adottano Claude, e merita di essere nominato. La quasi totalità degli utenti vive su claude.ai, la chat. Una minoranza ha esplorato Cowork, gli add-in Microsoft, Chrome. Solo una piccolissima percentuale, prevalentemente sviluppatori, ha mai aperto platform.claude.com, la console developer di Anthropic. E questo è un peccato, perché dietro quel dominio ci sono funzionalità che non sono affatto riservate a chi scrive codice tutto il giorno. Sono, anzi, gli strumenti che permettono di fare di Claude un asset operativo serio invece che un assistente conversazionale generico.
L’ottava puntata della serie chiude il giro entrando in platform.claude.com. Non parla solo a developer puri, ma a chi decide nelle aziende e vuole capire dove possono nascondersi i veri salti di valore. Il sottotitolo della puntata potrebbe essere: cosa fa Anthropic per chi non si accontenta della chat.
Indice degli argomenti:
La console come centro operativo dell’AI aziendale
Platform.claude.com, il vecchio console.anthropic.com prima del rebranding del 2025, è la dashboard che Anthropic offre a chi accede a Claude via API. Si arriva con lo stesso account che si usa per claude.ai, ma il prodotto è diverso. Non c’è una chat dove fare domande, c’è un ambiente strutturato per progettare e testare, valutare e monitorare l’uso programmatico dei modelli.
L’accesso è gratuito. Creare un account e navigare l’interfaccia non costa nulla. Per generare API key effettivamente utilizzabili e accedere al Workbench, però, è necessario aggiungere un metodo di pagamento e caricare un minimo di crediti (cinque dollari sono sufficienti per iniziare a sperimentare). Il modello è pay-as-you-go: si paga solo per quello che si usa, non c’è abbonamento mensile, non ci sono commitment minimi.
Una nota importante per chi viene da claude.ai: i due ambienti hanno billing separati. Pagare l’abbonamento Pro a 20 dollari al mese su claude.ai non dà credito su platform.claude.com, e viceversa. È una scelta di architettura che alcuni trovano confusa la prima volta, ma che permette di tenere chiaramente separati l’uso personale dall’uso programmatico aziendale.
Le aree principali della console sono cinque:
- Workbench per il testing dei prompt,
- Evaluations per la valutazione strutturata,
- Files per la gestione di documenti riusabili,
- Usage per il monitoring,
- API Keys per la gestione delle credenziali.
Più gli Account Settings dove si gestiscono billing e organization, oltre alla configurazione di workspace e team.
Il workbench: la differenza tra chattare e progettare
La funzione di gran lunga più sottovalutata della console è workbench. Per chi non l’ha mai aperto, è un ambiente visuale dove si compone un prompt in modo strutturato: si sceglie il modello (Opus, Sonnet, Haiku, con le rispettive versioni), si imposta il system prompt (le istruzioni di sistema persistenti), si scrivono uno o più messaggi utente, si impostano parametri come temperature, max tokens, top_p, e si lancia.
Si vede la risposta, si vedono i token consumati in input e output, si vede il costo esatto della chiamata.
La differenza con la chat di claude.ai è sostanziale. Nella chat, il sistema mette automaticamente system prompt e contesto, oltre alla memoria, e l’utente non vede né controlla questi pezzi. Nel Workbench, l’utente vede tutto, controlla tutto, sa esattamente cosa sta inviando al modello e quanto sta spendendo. Per chi vuole costruire un prompt che funziona davvero, anche se poi lo userà nella chat o in un’integrazione interna, il Workbench è lo strumento giusto per progettarlo.
C’è una funzionalità del Workbench che merita una menzione specifica: il Generate automatico. Si descrive a Claude cosa si vuole ottenere in linguaggio naturale, e Claude genera un prompt strutturato seguendo le sue stesse best practice di prompt engineering: definizione del ruolo, contesto del task, requisiti di output, regole di formato, esempi. Il prompt risultante è di livello significativamente superiore a quello che la maggior parte degli utenti scriverebbe a mano, perché applica tecniche come chain-of-thought reasoning, role definition esplicita, output specification rigorosa.
Per chi sta costruendo una libreria interna di prompt per la propria azienda (procedura di risposta clienti, template di analisi documentale, struttura di brief creativo), il Workbench con Generate è il punto di partenza naturale. Si sviluppa il prompt nella console, lo si testa con casi reali, lo si raffina, e quando funziona lo si porta nella chat di ogni utente o nel proprio applicativo via API.
Prompt sharing: la collaborazione di team che nessuno cerca
Dentro la console esiste una funzionalità che merita attenzione: il prompt sharing all’interno dell’organizzazione. Si crea un prompt nel Workbench, lo si salva, lo si condivide con altri membri del team. Da quel momento, il prompt è una risorsa aziendale: chi ne ha accesso può usarlo e modificarlo, oppure farne un fork. Le versioni sono tracciate, le modifiche sono tracciate.
Il Prompt Generator della console. Fonte: Anthropic, platform.claude.com
Per chi viene da team che hanno gestito i prompt copincollandoli tra documenti Notion, chat Slack, file Word condivisi, il prompt sharing della console è la fine di un’epoca di artigianato confuso. Diventa possibile avere una libreria centrale, governata, dove i prompt validi vivono come asset versionati come si farebbe con il codice in un repository git.
L’adozione di questa funzionalità è ancora bassa, perché richiede che qualcuno in azienda assuma il ruolo di “manager dei prompt”, una figura che non esiste ancora in molte organizzazioni. Ma in quelle che lo fanno, il guadagno di qualità e di consistenza è significativo: tutti usano lo stesso prompt rifinito per generare lo stesso tipo di output, invece che ognuno riscrivere la propria variante peggiore.
Prompt caching: tagliare i costi del 90%
Per chi usa Claude programmaticamente, la singola funzionalità che cambia di più il conto a fine mese è il prompt caching. Il meccanismo è questo: si designa una parte del prompt (tipicamente il system prompt lungo, oppure un documento di riferimento ricorrente, oppure un tool catalog) come cacheable. Anthropic memorizza lo stato processato di quella porzione, e le chiamate successive che condividono lo stesso prefisso non pagano la riproecessazione, solo una piccola quota.
I numeri sono significativi. I token cacheati costano il 10% del prezzo standard di input. Per un’applicazione che invia un system prompt di diecimila token a ogni chiamata e fa centinaia di chiamate al giorno, lo sconto effettivo arriva al novanta percento sui token di prefisso. La latenza migliora di circa ottanta millisecondi per i prefissi cacheati, che è una manciata di tempo ma sommata su migliaia di chiamate giornaliere fa una differenza percepibile sull’esperienza utente.
I dieci modelli che supportano prompt caching includono tutti gli Opus dalla 4 in poi, tutti i Sonnet dalla 4 in poi, tutti gli Haiku dalla 3 in poi. La configurazione richiede di posizionare correttamente i breakpoint di cache nel prompt, una sottigliezza tecnica che vale la pena studiare se si arriva a usare la API in modo serio. La documentazione di Anthropic è chiara su questo, e per chi è developer è un investimento di lettura di mezza giornata che ripaga per anni.
Per chi non è developer ma decide il budget AI in azienda, il messaggio operativo è questo: chiedere ai propri team se hanno attivato il prompt caching dove può applicarsi. Se la risposta è un silenzio imbarazzato, il rischio è che si stia pagando dieci volte tanto rispetto al minimo necessario.
Batch API: il 50% di sconto per chi può aspettare
L’altro grande risparmio strutturale è la Batch API. Funziona così: si accumulano fino a diecimila richieste in un batch, le si sottomette in modo asincrono, Anthropic le elabora entro ventiquattro ore, e il prezzo per token è esattamente la metà di quello standard. Non c’è differenza di qualità tra elaborazione real-time e batch, solo differenza di tempistica.
I casi d’uso che giustificano Batch sono molti più di quanto si pensi. Estrazione di dati da archivi documentali pregressi. Classificazione di pile di ticket di supporto. Generazione di summary per backlog di report. Traduzione massiva di catalogo prodotti. Tutto quello che si può fare durante la notte invece che istantaneamente cade naturalmente sotto Batch, e ogni mese che si paga prezzo pieno per questi task è denaro lasciato sul tavolo.
La combinazione Batch più prompt caching è particolarmente efficace. Su workflow batch con system prompt comuni, si arriva facilmente al settantacinque-ottanta percento di sconto sui costi totali rispetto al prezzo nominale dell’API.
Files API: documenti come risorse riusabili
Una delle aggiunte più recenti e meno raccontate è la Files API. Permette di caricare un documento (PDF, immagine, file di testo) in Anthropic una volta sola, ottenere un file ID, e usarlo in chiamate successive senza dover ritrasmettere il contenuto a ogni richiesta. Il file resta disponibile per chiamate future, riducendo banda e ripetizioni.
Per applicazioni che lavorano su documenti di riferimento ricorrenti (un manuale operativo, un contratto modello, una knowledge base) è una semplificazione enorme rispetto al pattern precedente di inviare il documento in ogni messaggio. La combinazione Files API più prompt caching diventa un meccanismo molto efficiente per servire applicazioni RAG senza dover ricostruire una pipeline di embeddings interna.
Skills via API e MCP Connector: l’ecosistema esteso ai developer
Le skills, di cui abbiamo parlato nella terza puntata, sono accessibili anche via API. Significa che un’applicazione costruita su Claude API può sfruttare le stesse skill pre-costruite di Anthropic (per Excel, Word, PowerPoint, PDF) o le proprie skill personalizzate, semplicemente includendole nelle chiamate. Per chi costruisce un applicativo che deve produrre documenti professionali, è la differenza tra reinventare un motore di generazione documenti e usarne uno già rifinito.
L’MCP Connector via API è altrettanto importante. Permette a un applicativo che gira sulla propria infrastruttura di connettersi a MCP server remoti per accedere a sistemi esterni durante la generazione, senza dover passare per claude.ai. È il pezzo che abilita pattern di agenti veramente complessi: un servizio interno che usa Claude API, si connette via MCP ai sistemi aziendali, esegue azioni, restituisce risultati al chiamante.
La feature richiede oggi un header beta specifico, segno che è ancora in evoluzione, ma per chi sta costruendo agenti operativi seri è uno dei meccanismi più potenti del catalogo Anthropic. La sicurezza, come abbiamo visto nella sesta puntata, va trattata con attenzione: il pattern di rischio degli agenti che eseguono azioni autonome è nuovo, e va governato.
Evaluations e Usage: misurare seriamente
Le ultime due aree della console che meritano una menzione sono Evaluations e Usage. La prima permette di costruire test suite per i propri prompt, generando casi di test in modo automatico, eseguendo le valutazioni su più versioni di prompt o su più modelli, confrontando le risposte fianco a fianco. Per chi sta scegliendo tra Sonnet e Opus per un certo task, o tra due versioni alternative dello stesso prompt, è lo strumento che permette di decidere con dati, non con sensazioni.
Usage è il dashboard di consumo. Mostra quanti token sono stati consumati per modello, per workspace, per API key, su quale finestra temporale. Per organizzazioni che usano Claude in modo programmatico, è il primo strumento di FinOps applicato all’AI. Il pattern che emerge dai team che ne fanno uso reale è chiaro: monitoraggio settimanale, allarmi configurati su soglie, revisione mensile dell’ottimizzazione. Senza Usage, il consumo AI cresce silenziosamente fino a diventare una linea di spesa fuori scala.
C’è anche, su organizzazioni Enterprise, la possibilità di impostare spend caps per API key e per workspace, ovvero limiti di spesa oltre i quali la chiave smette di funzionare. Per le aziende che danno API key a team diversi, è il modo per evitare sorprese di fine mese causate da uno script in loop o da un test andato male.
Quando ha senso aprire la console
Per chi legge e si chiede se questa puntata vale anche per la propria situazione, tre criteri aiutano a decidere.
Primo, se in azienda ci sono sviluppatori che costruiscono applicativi interni, la console è obbligatoria. Non è una scelta, è il punto di ingresso operativo. Gli sviluppatori la conoscono già, ma chi li gestisce farebbe bene a sapere cosa contiene per allineare aspettative su costi e capacità.
Secondo, se in azienda si gestiscono volumi significativi di documenti da processare (centinaia o migliaia al mese), aprire la console e valutare un setup batch con prompt caching può tagliare i costi in modo drammatico. Il calcolo si fa in una settimana, l’implementazione in due o tre. Il payback è quasi sempre nel primo mese.
Terzo, se in azienda ci sono prompt critici che vengono usati ricorrentemente (procedura standard di risposta clienti, format di reportistica, brief per agenzie), la combinazione Workbench più prompt sharing trasforma quei prompt da artigianato individuale in asset aziendali condivisi. Il valore va al di là del risparmio economico: tutti producono lo stesso output di qualità invece che varianti incoerenti.
Conclusioni
Resta una raccomandazione finale, valida per tutte le aziende che si stanno avvicinando seriamente. Non esiste un singolo modo di adottare Claude in azienda, esistono combinazioni diverse per ruoli diversi, e l’errore strategico più comune è cercare di trovare la combinazione giusta in astratto, senza i dati di utilizzo reali. Si parte piccoli, si misura, si itera. Le aziende che ci sono riuscite nei primi mesi del 2026 hanno tutte seguito questa logica. Le aziende che hanno fallito hanno tutte cercato la soluzione perfetta sulla carta prima di toccare il prodotto.
Per chi vuole iniziare, l’ordine resta questo: Free, Pro, Team, Enterprise. Chat, connectors, Cowork, Code, Design, Console.
Un mese di sperimentazione vale più di un anno di analisi teorica. Aprire claude.ai e poi platform.claude.com lunedì mattina è ancora la mossa migliore.
Partecipa alla community