Revolut ha scelto un modello AI cinese come opzione predefinita per il lavoro di circa 2.000 ingegneri e dichiara una fattura pari a un decimo della precedente spesa con Anthropic e OpenAI. La banca digitale esegue sui propri sistemi GLM di Z.ai: il passaggio è iniziato con GLM-5.1 nell’aprile 2026, per arrivare a GLM-5.3. Claude Code e Codex restano disponibili per le esigenze che giustificano il ricorso ai servizi di frontiera.
Indice degli argomenti:
Revolut passa all’AI cinese
A raccontarlo è David Abitbol, responsabile delle operazioni e dell’infrastruttura AI, nell’intervento del 13 ottobre ad AI Engineer NYC. I numeri spiegano la scala del progetto: 56 GPU Nvidia B200 e un costo medio dichiarato di 0,30 dollari per milione di token, le unità con cui i modelli elaborano e generano testo. Il conto pubblicato lascia aperto il dettaglio di hardware, personale e altri costi operativi: il risparmio indicato riguarda il confronto di fatturazione presentato dall’azienda.
La scelta mette a fuoco una pressione che riguarda molte imprese: estendere l’AI a migliaia di attività rende decisivo il costo di ogni utilizzo. Un assistente che legge documenti, propone modifiche e ripete controlli può consumare risorse anche quando il dipendente ha smesso di interrogarlo. Il prezzo entra così nella progettazione del lavoro: determina quali compiti conviene automatizzare e quanti tentativi ci si può permettere.
Perché i modelli AI cinesi conquistano spazio nelle aziende
Il peso raggiunto dai fornitori cinesi si vede nel traffico di OpenRouter, la piattaforma che permette di accedere a modelli diversi tramite un’interfaccia comune. Nella settimana iniziata il 26 ottobre 2026, DeepSeek raccoglie il 29,8% delle richieste testuali, Z.ai l’11,9%, Qwen il 5,6% e Tencent l’1,9%: insieme arrivano al 49,2%. È una fotografia dell’uso su questa piattaforma, dove la scelta fra modelli è particolarmente agevole.
La crescita riguarda anche la disponibilità di modelli che un’impresa può eseguire fuori dai sistemi del produttore. Nel settembre 2026 OpenRouter ha documentato l’aumento della quota di token destinata ai modelli a pesi aperti: fra settembre 2025 e agosto 2026 passa dal 26% al 60% per le richieste provenienti dagli Stati Uniti e dal 16% al 65% per quelle europee. Questi dati, contenuti nell’annuncio del servizio In-Region Routing, riguardano l’insieme dei modelli a pesi aperti, anche di produttori occidentali.
La pressione sui costi si ritrova anche nell’assistenza ai clienti, dove molte richieste ripetitive rendono importante il prezzo di ogni risposta. Già nell’ottobre 2025 Brian Chesky spiegava che Airbnb faceva ampio uso di Qwen di Alibaba per il proprio assistente, insieme ad altri modelli. Nell’intervista a Bloomberg ripresa dal South China Morning Post, il CEO indicava fra le ragioni velocità e costo contenuto.
La ricerca di alternative economiche sta cambiando anche le richieste rivolte ai fornitori. Ali Ghodsi, amministratore delegato di Databricks, ha raccontato al Times del 1° novembre che aziende prima interessate a bloccare i modelli cinesi ora chiedono di usarli per ridurre i costi. La sua testimonianza descrive un rovesciamento delle priorità d’acquisto: le prestazioni restano necessarie, ma il prezzo deve consentire di portare il servizio oltre la sperimentazione.
Il risparmio cambia quali attività vengono automatizzate
È proprio questo il passaggio organizzativo emerso in Revolut: Abitbol spiega che i budget limitati spingevano gli ingegneri a riservare l’AI ai compiti di programmazione più difficili. Con un accesso più ampio, l’uso si estende a posta, Jira e Confluence, cioè al lavoro di ricerca e coordinamento che circonda il codice.
Per un’azienda, la conseguenza è misurabile nel tempo necessario a completare una pratica o consegnare una funzione software. Se l’AI velocizza la scrittura ma lascia intatte le ore dedicate a cercare informazioni, ricostruire requisiti e aggiornare documentazione, una parte del guadagno resta bloccata. Un modello meno costoso può rendere conveniente automatizzare anche questi passaggi ripetitivi, purché riesca a svolgerli con la qualità richiesta.
La convenienza va quindi valutata per processo. Un modello che produce una risposta economica ma richiede tre correzioni può consumare più tempo e denaro di uno più caro che conclude il compito al primo tentativo. La misura utile è il costo per attività completata correttamente: chiamate al modello, recupero dei documenti, verifiche, intervento umano e gestione degli errori.
Pesi aperti: scegliere il modello e dove eseguirlo
Per controllare questa spesa, l’impresa può scegliere anche chi gestisce il calcolo. I pesi aperti sono i parametri del modello resi disponibili per il download secondo una licenza: consentono di eseguirlo su un’infrastruttura scelta dall’utilizzatore. Il laboratorio sviluppa il modello; l’azienda o un fornitore distinto può occuparsi di farlo funzionare. Da qui nasce la possibilità di adottare tecnologia cinese mantenendo l’elaborazione altrove.
Per chi non vuole costruire un’infrastruttura dedicata, il mercato offre già una via intermedia. Il catalogo delle Foundation Model APIs di Databricks, aggiornato il 4 novembre, comprende GLM-5.3, modelli Qwen, Kimi e DeepSeek. La scelta di un servizio gestito permette di provare questi sistemi senza acquistare GPU, verificando per ogni offerta regione disponibile, contratto e modalità di trattamento dei dati.
Le versioni richiedono attenzione. Nello stesso catalogo, GLM-5.3 accetta testo, mentre GLM-5.3 Flash supporta anche immagini. GLM-5.2 è già classificato come versione precedente e sconsigliato per nuovi carichi. Un acquisto descritto semplicemente come “GLM” può quindi nascondere funzioni e vincoli diversi. Vanno fissati versione, capacità richieste e procedura per gli aggiornamenti.
Il luogo di esecuzione merita la stessa precisione. Il servizio regionale di OpenRouter, disponibile nei piani Business ed Enterprise, definisce la propria area “EU” includendo UE e Spazio economico europeo, Regno Unito e Svizzera. Un’azienda che richiede elaborazione esclusivamente nell’Unione deve controllare la regione effettiva di ogni fornitore e le destinazioni alternative previste quando un modello è indisponibile.
Quando conviene gestire direttamente l’infrastruttura
Gestire i server consente di distribuire il costo della capacità di calcolo fra molti utilizzatori. Conviene soprattutto quando esistono volumi consistenti e abbastanza regolari: macchine poco utilizzate fanno salire il costo medio di ogni attività. La scelta richiede anche persone capaci di aggiornare il software, monitorare il servizio e mantenerlo disponibile durante guasti o picchi di domanda.
Per una prima valutazione, il budget dovrebbe separare GPU o noleggio cloud, memoria e archiviazione, rete, personale, monitoraggio e capacità di riserva. Sul versante dei servizi a consumo vanno conteggiati input, output, testo già memorizzato nella cache, eventuali strumenti accessori e sconti contrattuali. Il confronto deve utilizzare lo stesso insieme di attività e almeno due ipotesi di volume: quella ordinaria e una più bassa, che renda visibile quanto costa tenere disponibile capacità inutilizzata.
La disponibilità di più modelli permette poi di limitare la spesa senza imporre un unico sistema a tutti. Una soluzione pratica è instradare le attività ricorrenti verso il modello che supera i test al costo più basso, riservando un modello più potente alle richieste difficili. Questo smistamento delle richieste va verificato: se riconosce male i casi complessi, genera nuovi tentativi e annulla parte del risparmio.
Come adottare modelli cinesi: sei verifiche prima di estendere l’uso
La combinazione di prezzi, possibilità di hosting e versioni rende utile partire da un progetto circoscritto. Un primo impiego può essere la generazione di test software o la ricerca su documentazione interna selezionata, con risultati controllabili e accessi limitati. Prima di estenderlo, servono sei verifiche concrete.
- Provare attività reali. Confrontare i candidati sugli stessi casi aziendali, includendo testi in italiano, documenti lunghi, richieste ambigue ed errori frequenti. Registrare correttezza, tempi, numero di tentativi e minuti di revisione umana. Fissare prima del test la soglia minima per andare in produzione.
- Ricostruire il percorso dei dati. Identificare chi riceve richieste e risposte, dove le elabora, quanto conserva i log, quali subfornitori intervengono e se i contenuti possono essere usati per addestramento. In un’installazione propria controllare anche telemetria, strumenti collegati e traffico in uscita.
- Verificare modello e licenza. Registrare la versione esatta, scaricare i file dal canale ufficiale e controllare diritti d’uso commerciale, modifica e distribuzione. Esaminare anche il software necessario a eseguirli; pesi, librerie e componenti aggiuntivi richiedono controlli distinti.
- Limitare i poteri degli agenti. Far lavorare il modello in un ambiente isolato, con autorizzazioni minime e credenziali temporanee. Richiedere l’approvazione umana prima di modifiche ai sistemi di produzione, cancellazioni o pagamenti. Provare se istruzioni malevole nascoste in un documento riescono a fargli ignorare questi limiti.
- Misurare gli errori rilevanti per il business. Testare risposte inventate, omissioni, rifiuti ingiustificati e distorsioni su temi sensibili per l’azienda, comprese questioni politiche o territoriali se entrano nel servizio. Ripetere le prove dopo ogni cambio di versione e preparare un modello alternativo per i casi che falliscono.
- Decidere con un conto completo. Calcolare il costo per risultato accettato, includendo infrastruttura e lavoro umano. Affiancare al risparmio una soglia di qualità, un limite di latenza e una procedura per tornare alla configurazione precedente. Estendere l’uso soltanto quando il progetto soddisfa insieme questi criteri.
Se nel processo entrano dati personali, il controllo deve coprire anche la loro origine e l’uso previsto. Il parere 28/2024 del Comitato europeo per la protezione dei dati affronta anonimato dei modelli, basi giuridiche e conseguenze dell’addestramento con dati trattati illecitamente. Per l’impresa questo si traduce in una valutazione sul trattamento concreto, da affiancare ai test tecnici e alla verifica dei contratti prima di introdurre dati personali nel progetto.
Il primo obiettivo dell’adozione può restare molto preciso: affidare a un modello cinese un’attività oggi costosa, dimostrare che la svolge bene e mantenere la possibilità di sostituirlo. È su questo confronto ripetibile — qualità, costo e controllo del processo — che un risparmio sperimentale può diventare una scelta stabile d’impresa.
Partecipa alla community