Febbraio 2026, Protiviti intervista circa 345 tra C-level, board member e responsabili IT per la quarta edizione della sua AI Pulse Survey, e il titolo scelto per il report è già una diagnosi: “No Visibility, No Confidence”. Quasi due terzi delle aziende ammettono che i dipendenti hanno usato strumenti di AI senza una supervisione adeguata, quasi la metà delle grandi imprese non sa quali tool circolino davvero al proprio interno, e solo il 40% dispone di un framework formale di governance.
Nelle stesse settimane IBM pubblica il 2026 Tech Leader Study, duemila executive tecnologici intervistati in 33 paesi: il 77% dichiara che l’adozione dell’AI sta superando le capacità di governance della propria organizzazione, il 70% ammette che i team di business adottano tecnologia più in fretta di quanto l’IT riesca a tracciare.
Per chi gestisce un budget tecnologico il problema non è la spesa che si vede in fattura, è quella che non compare da nessuna parte. La shadow IT di dieci anni fa, il dipendente che si abbonava a un servizio con la carta di credito personale, qui c’entra poco: la parte più consistente dell’esposizione finanziaria si accumula in silenzio dentro i rinnovi dei fornitori, nei contatori di consumo, nei budget delle singole funzioni.
Indice degli argomenti:
Rinnovi, token, carte di credito: la geografia della spesa invisibile
Il primo giacimento sta dentro i contratti software già firmati. I vendor aggiungono funzionalità AI ai prodotti esistenti e il costo riappare al rinnovo come aumento di listino, senza una voce dedicata: secondo una ricerca Gartner, alcune soluzioni mostrano rincari del 30% legati a funzionalità AI incorporate senza disclosure preventiva. Capita di vederlo ai tavoli di negoziazione, il numero cresce e la spiegazione resta vaga, e chi firma il rinnovo raramente sa quanto di quell’aumento sia AI.
Il secondo giacimento è il consumo. Gartner scrive che il grosso del costo della GenAI arriva dall’esercizio più che dalla costruzione: inferenza, chiamate API, fine-tuning, consumi che scalano in modo rapido e imprevedibile. Phil Leslie, chief technology and innovation officer di Cornerstone Research, lo racconta dalle pagine di CIO con un confronto secco: con Gemini il monitoraggio dei costi è quasi irrilevante perché la tariffa è fissa, con Claude Code i costi crescono insieme all’adozione, e la società ha costruito dashboard dedicate dopo aver visto la curva salire. Ottenere una vista davvero completa su strumenti diversi, ammette, non è banale nemmeno per chi ci sta lavorando.
Il terzo giacimento sono gli acquisti di funzione, le soluzioni AI comprate con carte aziendali o budget dipartimentali fuori dal perimetro di visibilità dell’IT, dal marketing alle operations. Presi uno per uno sembrano spiccioli, sommati diventano una voce che nessun sistema di financial management sta tracciando.
Cox Business vede tutto perché l’ha deciso prima
Eric Pace, head of AI di Cox Business, dichiara una visibilità del 100% sulla spesa AI, dai moduli SaaS attivati nelle operations quotidiane fino al consumo di token a livello enterprise, passando per ogni nuovo acquisto. La condizione che rende possibile quel numero è architetturale: tutto il traffico AI passa da un gateway dedicato e da soluzioni di runtime security, on-premise e cloud, e il monitoraggio di rete copre ciò che entra, ciò che esce e ciò che gira sui dispositivi aziendali.
C’è poi una scelta organizzativa che precede la tecnologia. La funzione AI è stata centralizzata presto, con i team di business a fornire il contesto di workflow, senza il classico passaggio di consegne tra chi costruisce e chi riceve. Pace la chiama “freedom in a framework”, libertà dentro una cornice: le persone hanno accesso a un ecosistema flessibile di strumenti approvati e, quando il traffico esce dai percorsi previsti, si lavora con loro per rientrare, senza inseguire i singoli casi a posteriori.
Il contrasto con la media delle aziende sta tutto nella sequenza: a Cox la visibilità è stata progettata prima dell’adozione, non ricostruita dopo. Ricostruirla dopo, con l’AI già disseminata in decine di contratti e centinaia di flussi, costa molto di più e difficilmente arriva al 100%.
Il paradosso del top spender
Dentro Cornerstone Research, l’80% dei costi AI arriva dal 10% degli utenti. Verrebbe da pensare a un problema di controllo, e invece quel 10% coincide con le persone più esperte della società, quelle che usano l’AI per il lavoro ad alto valore, perizie e report per contenziosi dove l’errore non è ammesso. Un utente che spende molto, dichiara Leslie, segnala spesso lavoro di alto valore, non uno spreco.
Qui il controllo dei costi mostra il suo limite: un tetto uniforme taglierebbe proprio i casi d’uso che l’azienda vuole incoraggiare. La soluzione adottata combina soglie che introducono attrito quando la spesa sale e meccanismi di override per chi ha ragioni legittime. E la visibilità sui costi, spiega Leslie, resta deliberatamente secondaria in questa fase, perché Cornerstone opera in contenziosi ad alto rischio dove la fiducia nel prodotto pesa più del conto economico: il rischio da gestire è reputazionale prima che finanziario, l’uso non governato dell’AI può fare danni veri, e quelli non si recuperano a budget.
La scala, poi, cambia le regole del gioco. Leslie, dieci anni in Amazon prima di Cornerstone, ricorda che a quelle dimensioni si finisce per adottare regole semplici e uniformi anche quando sono inefficienti, perché gestire quella complessità richiede strumenti spuntati, mentre in una società più piccola bastano pochi minuti di conversazione con un practice lead per capire cosa sta facendo un team e tarare i limiti caso per caso, accettando con cognizione di causa anche i costi alti dove ha senso sostenerli.
Prima l’inventario, poi le clausole
Andrew Retrum di Protiviti suggerisce di partire dall’inventario, perché non si difende ciò che non si vede, assegnando ownership chiare tra IT, security, legal e business, e trattando il tutto come disciplina continuativa anziché come progetto una tantum. La priorità va ai casi d’uso più esposti, quelli che toccano dati sensibili o processi regolati, quelli dove l’AI parla direttamente al cliente: prima le protezioni lì, poi l’espansione verso il resto, senza aspettare la mappa perfetta.
Sul fronte contrattuale Gartner raccomanda di taggare gli acquisti AI nel procurement e di tracciare la spesa come voce separata nei sistemi di financial management, ma soprattutto di negoziare clausole specifiche sui costi AI nei rinnovi cloud e SaaS prima del prossimo ciclo, perché il rincaro da AI incorporata si contratta prima della firma, dopo diventa base di partenza.
E c’è la disciplina del no. A Cox Business, racconta Pace, il “no” è stato usato con generosità per tenere le persone concentrate sulle cose che portano valore in tempi brevi. In un mercato che spinge ogni settimana un nuovo strumento, la capacità di non adottare vale quanto quella di adottare, e forse di più, perché ogni adozione evitata è anche un contratto in meno da monitorare, un contatore in meno da leggere.
I costi nascosti si possono stanare, l’esperienza di Cox Business lo dimostra, e le mosse contrattuali suggerite da Gartner sono replicabili da qualunque organizzazione con un procurement strutturato. Resta la domanda che i numeri di Protiviti e IBM lasciano aperta: se il 77% dei leader tecnologici ammette che l’adozione corre più veloce della governance, quanto di quel gap si chiude con dashboard e gateway, e quanto richiede invece di rimettere mano a chi decide, con quali budget e con quale accountability?
Partecipa alla community