// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
Databricks mette un tetto alla spesa AI: budget, soglie e alert per fermare il consumo massivo di token
Databricks ha annunciato AI Spend Controls in Unity AI Gateway, un insieme di controlli di spesa per i carichi di lavoro AI integrato direttamente nella piattaforma. La data di annuncio è il 19 maggio 2026, anticipata al Data + AI Summit di San Francisco di metà giugno dove la funzione è stata presentata al pubblico enterprise. Il meccanismo consente di fissare soglie di budget per singolo utente, per team, per workspace e per intera organizzazione, con alert automatici configurabili via email quando la spesa si avvicina o supera il limite.
La ragione è più concreta di quanto il comunicato lasci intendere. Gli agenti AI consumano token in modo non lineare: una singola sessione di un agente di sviluppo che si inceppa in un ciclo di retry può bruciare il budget mensile di un team nel giro di un weekend. Un ingegnere Uber ha bruciato tra 500 e 2.000 dollari al mese solo di strumenti AI per il codice, e la compagnia nel complesso ha esaurito il proprio budget annuale da 3,4 miliardi in quattro mesi. Il caso è diventato il riferimento che ha trasformato i tetti di spesa da idea teorica a funzione richiesta dai clienti enterprise.
Il "consumo massivo di token", o "tokenmaxxing" nella terminologia anglofona ora entrata nel gergo del settore, è il comportamento per cui sistemi agentici o sviluppatori tendono a usare i modelli più costosi per qualsiasi compito, indipendentemente dalla complessità. Il co-fondatore Patrick Wendell ha dichiarato ad Axios di aver visto aziende passare da zero spesa AI a decine di milioni di dollari al mese per incidente, non per scelta. L'obiettivo dichiarato di Databricks è spostare il mercato dal consumo massivo di token al "value maxing", il consumo proporzionato al valore prodotto.
I modelli di prezzo a consumo dell'AI non si comportano come qualsiasi altra voce di costo IT: non hanno il ritmo prevedibile di una licenza SaaS, non si spengono come un'istanza cloud inutilizzata, non hanno un tetto implicito come la larghezza di banda. Ogni token prodotto da ogni agente in ogni flusso di lavoro genera una riga di costo in tempo reale, e la somma è quasi impossibile da prevedere con i sistemi di monitoraggio tradizionali.
La FinOps Foundation segnala nel suo State of FinOps 2026, basato su 1.192 organizzazioni che gestiscono 83 miliardi di dollari annui di spesa tecnologica, che il 98% dei responsabili FinOps indica la gestione dei costi AI come prima priorità, rispetto al 63% del 2025 e al 31% del 2024. La crescita è verticale e riflette un cambio di fase: le organizzazioni non stanno più sperimentando l'AI, la stanno portando in produzione su scala, e la bolletta è arrivata.
Il confronto con il cloud è pertinente ma parziale. Quando il cloud computing è diventato mainstream, le imprese hanno imparato a governarne i costi con strumenti come tag di risorsa, dashboard di consumo, chargeback interno per team. Il FinOps applicato all'AI affronta una sfida aggiuntiva: i costi sono non deterministici, perché un singolo prompt a un agente può consumare 20.000 o due milioni di token a seconda di come il sistema è progettato. Gartner stima che entro il 2027 le grandi organizzazioni sottostimeranno i costi di infrastruttura AI del 30%. La FinOps Foundation e la Linux Foundation hanno risposto annunciando la Tokenomics Foundation, un consorzio che include Oracle, Google, Microsoft, Salesforce, SAP, JPMorganChase e altri, con l'obiettivo di costruire specifiche aperte per la misurazione e la fatturazione dei costi AI a livello di token.
Databricks posiziona Unity AI Gateway come risposta a questo problema nella propria piattaforma. Il sistema traccia ogni richiesta alle tabelle di sistema di Unity Catalog con costi in dollari, non solo conteggio di token, distribuiti per identità (utente o service principal), workspace, modello e provider. La distinzione tra Claude Opus e Sonnet, tra Anthropic e OpenAI, tra produzione e sandbox: tutto finisce in un cruscotto di analisi dei costi personalizzabile. L'integrazione