EY pianifica una nuova unità per contenere i costi dell'IA aziendale
EY è approdata su google news con un piano riportato per un'unità dedicata ad aiutare le aziende a contenere l'aumento dei costi dell'intelligenza artificiale. La mossa evidenzia un contrasto evidente. Le aziende vogliono sistemi di IA più autonomi, pur non disponendo di metodi affidabili per misurare le risorse consumate da ogni attività completata.
Bloomberg ha riportato l'unità prevista l'11 agosto 2026. I dettagli pubblici relativi a nome, leadership, organico e calendario di lancio restano limitati. EY non ha pubblicato un annuncio dettagliato che confermi in modo indipendente ogni elemento del rapporto.
La direzione, tuttavia, è coerente con un framework pubblicato da EY a luglio. Tale framework sostiene che le imprese necessitino di un unico responsabile per la spesa degli agenti, oltre a limiti che fermino workflow non controllati.
Non si tratta semplicemente di un altro servizio di consulenza confezionato attorno a una tecnologia popolare. EY sta mettendo in discussione l'assunto secondo cui il calo dei prezzi dei modelli renda automaticamente accessibile l'IA aziendale.
Il suo principale avversario è la frammentazione della responsabilità. I team di ingegneria monitorano i token, i team cloud gestiscono l'infrastruttura, i responsabili del rischio seguono i controlli e i dirigenti aziendali approvano i progetti. Non è detto che qualcuno abbia una visione dell'intero conto o lo confronti con un risultato completato.
I concorrenti hanno già riconosciuto l'opportunità. Harness e Flexera hanno lanciato prodotti nel corso del 2026 che collegano il consumo di IA ai costi cloud, alle business unit, agli agenti e ai risultati. EY affronta lo stesso problema attraverso governance, decisioni di investimento e progettazione operativa.
Il risultato è una competizione tra l'adozione dell'IA misurata in base all'attività e l'investimento nell'IA misurato in base al valore. Più utenti, prompt, agenti e token possono dimostrare l'adozione. Non possono però stabilire che un sistema migliori ricavi, qualità, velocità o rischio.
Cosa cambia davvero il rapporto EY su Google News
Secondo quanto riportato, EY sta trasformando il controllo dei costi dell'IA da attività di consulenza occasionale in un'area distinta di responsabilità organizzativa.
Il titolo di google news identifica EY come azienda impegnata a lanciare un'unità per tenere sotto controllo le spese dell'intelligenza artificiale. Il rapporto di Bloomberg alla base della notizia fornisce l'innesco dell'evento, ma la documentazione pubblica non offre ancora un progetto operativo completo.
Questa lacuna è importante. Un'unità dedicata può descrivere strutture molto diverse. Potrebbe essere un team interno, una pratica di consulenza per i clienti oppure un servizio più ampio che combina specialisti di finanza, tecnologia e rischio.
Finché EY non pubblicherà tali dettagli, i lettori dovrebbero considerare la struttura precisa come riportata, anziché pienamente documentata. La strategia di fondo è più facile da verificare attraverso il recente lavoro di EY sull'economia degli agenti.
Il documento di EY di luglio, agentic value, raccomanda di nominare un Head of Agent Economics o un Agent FinOps Lead. FinOps è una disciplina di gestione che collega la spesa tecnologica alle decisioni di ingegneria e al valore aziendale.
Questo dirigente proposto supervisionerebbe l'utilizzo dei modelli, le perdite di costo e la realizzazione del valore su diversi budget. EY raccomanda inoltre tetti di spesa, limiti al volume delle chiamate e spegnimenti automatici a livello di agente, workflow e business unit.
Questi controlli rispondono a un cambiamento architetturale specifico. Un chatbot convenzionale riceve di norma una richiesta e restituisce una risposta. Un agente IA può pianificare, recuperare documenti, richiamare software, consultare subagenti, ritentare passaggi falliti e perfezionare il proprio output.
Ogni azione aggiuntiva consuma risorse. La risposta finale può apparire semplice anche quando il percorso che la produce contiene numerose chiamate al modello e operazioni sugli strumenti.
EY afferma che il costo totale va oltre i token e le chiamate all'interfaccia di programmazione delle applicazioni. Include anche abbonamenti software, infrastruttura di piattaforma, governance, cambiamento organizzativo, recupero dagli errori e possibili obblighi normativi.
Questa definizione più ampia crea lo scopo strategico dell'unità riportata. Offre a EY un framework per esaminare spese distribuite tra finanza, tecnologia, legale, risorse umane e singole business unit.
La mossa si collega anche alla più ampia espansione dell'IA di EY. EY e Microsoft hanno annunciato a maggio un'iniziativa congiunta pensata per portare i progetti dei clienti dai piloti a implementazioni più estese. Le aziende hanno affermato che il focus iniziale includeva finanza, fiscalità, risorse umane e catene di fornitura.
La scalabilità crea la necessità di disciplina sui costi. Un piccolo pilota può tollerare una supervisione manuale e una contabilità poco chiara. Un sistema di produzione al servizio di migliaia di dipendenti o clienti non può basarsi sugli stessi presupposti.
L'unità riportata di EY segna quindi una transizione dalla sperimentazione sull'IA verso la responsabilità operativa. Il cambiamento importante non è un'altra dashboard. È il tentativo di rendere qualcuno responsabile dell'economia del software autonomo.
Perché l'IA agentica rende più difficile il controllo dei costi
Il problema centrale dei costi deriva dal comportamento variabile, non semplicemente da modelli costosi.
Il software aziendale tradizionale utilizza spesso licenze, postazioni o contratti di capacità. Questi accordi sono imperfetti, ma i team finanziari possono generalmente prevederli con input familiari.
I sistemi agentici si comportano diversamente. Il loro consumo dipende dall'attività, dal modello selezionato, dalla dimensione del contesto, dal numero di strumenti, dal comportamento nei tentativi ripetuti e dalle condizioni di arresto. Due richieste apparentemente simili possono generare percorsi di esecuzione differenti.
Questa variabilità indebolisce le stime di budget costruite attorno a una chiamata media al modello. La fattura del modello cattura il consumo visibile, ma l'orchestrazione e il supporto operativo possono comparire altrove.
Il framework di EY divide il costo totale di un agente in sette categorie. Le categorie visibili includono token, abbonamenti e infrastruttura. Le categorie meno visibili includono governance, cambiamenti nella forza lavoro, fallimenti e possibili costi normativi.
Le categorie appartengono spesso a dirigenti diversi. Un responsabile tecnologico può vedere l'utilizzo del modello, mentre un team di rischio finanzia valutazioni e controlli. Le risorse umane possono sostenere i costi della formazione e le operazioni possono assorbire il lavoro di ripristino.
Questa frammentazione fa sembrare più economico di quanto sia un agente apparentemente efficiente. Rende inoltre inaffidabili i confronti con il lavoro umano quando l'organizzazione esclude le spese di supervisione e recupero.
Il costo per token non può risolvere questo problema contabile. I token misurano le unità di testo elaborate da un modello, ma non indicano se l'agente abbia completato un'attività utile.
Un agente che utilizza meno token può comunque fallire più spesso. Un altro agente può consumare più risorse ma risolvere un caso di valore senza escalation. L'azienda necessita sia di dati sul consumo tecnico sia di dati sui risultati.
Harness ha reso concreto questo argomento quando ha lanciato a maggio funzionalità di cost per outcome. Il suo sistema attribuisce la spesa ad agenti, sessioni, esecuzioni, passaggi e risultati aziendali.
Il prodotto può identificare una conversazione che diventa costosa perché un agente entra ripetutamente in una catena di strumenti non necessaria. Ciò trasforma un'anomalia finanziaria in un problema software che gli ingegneri possono analizzare.
Flexera ha adottato un approccio infrastrutturale più ampio. Il suo annuncio di giugno su AI cost management collega il consumo tra applicazioni, agenti, modelli, piattaforme dati e capacità di calcolo.
Questi lanci mostrano che la gestione dei costi dell'IA sta diventando una categoria di prodotto, non solo un tema di consulenza. Evidenziano inoltre la sfida per EY.
Le piattaforme software possono raccogliere telemetria in modo continuo. La telemetria è costituita da dati operativi che mostrano come un sistema si comporta durante l'esecuzione. EY deve dimostrare perché la progettazione organizzativa aggiunge valore oltre queste dashboard.
La risposta più forte è che la sola misurazione non crea responsabilità. Una dashboard può mostrare che un agente ha consumato più risorse, ma non può decidere se il risultato le abbia giustificate.
Questa decisione richiede un responsabile aziendale, una metrica di valore concordata e l'autorità di ridurre o interrompere l'uso. Richiede inoltre registri chiari delle informazioni recuperate da un agente e delle azioni che ha tentato di compiere.
I team che gestiscono workflow IA necessitano di materiale sorgente tracciabile. Una base di conoscenza ricercabile può aiutare gli ingegneri a indagare quale contesto abbia influenzato un'esecuzione costosa o fallita.
L'opportunità di EY si colloca tra gli strati finanziari e tecnici. Se l'unità riportata avrà successo, collegherà i controlli sul consumo all'allocazione del capitale, alla tolleranza al rischio e ai risultati operativi.
Il vero avversario è la frammentazione della responsabilità
EY scommette che la spesa incontrollata per l'IA sia principalmente un fallimento della responsabilità.
Le aziende raramente acquistano intelligenza artificiale attraverso un unico canale ordinato. I dipendenti utilizzano assistenti inclusi in pacchetti, i team acquistano accesso diretto ai modelli e gli sviluppatori consumano servizi gestiti tramite provider cloud.
Gli agenti possono inoltre richiamare ricerca esterna, database, strumenti di coding e applicazioni aziendali. Ogni dipendenza può avere registri di utilizzo e responsabili di budget separati.
La finanza vede le fatture dopo che il consumo è avvenuto. L'ingegneria vede tracce tecniche senza un contesto aziendale completo. I team di sicurezza e legale possono intervenire solo quando un sistema gestisce dati sensibili o causa un incidente.
Questa configurazione ha funzionato male durante la prima adozione del cloud. I team potevano predisporre risorse rapidamente, mentre i controlli di spesa e le pratiche di allocazione arrivavano in seguito.
FinOps è emerso per collegare team finanziari, di ingegneria e di prodotto attorno a dati condivisi sul consumo. L'IA estende ora questa sfida perché i suoi carichi di lavoro sono meno prevedibili e più strettamente legati al comportamento degli utenti.
Il proposto Head of Agent Economics di EY concentra la responsabilità sotto un unico dirigente. Questa persona non sostituirebbe i responsabili di ingegneria, finanza o rischio. Il ruolo fornirebbe alle loro decisioni separate un quadro economico comune.
Il modello proposto dipende dall'economia unitaria. L'economia unitaria misura il costo e il valore associati a una singola unità utile, come un caso risolto o un workflow completato.
Scegliere tale unità è difficile. Un agente di ricerca interno potrebbe far risparmiare tempo ai dipendenti, migliorare la qualità delle decisioni o ridurre le informazioni non rilevate. Questi benefici non si adattano facilmente a un'unica misura finanziaria.
Il servizio clienti offre un esempio più chiaro. Un'azienda può confrontare il costo totale dell'agente con richieste risolte, tassi di escalation, soddisfazione del cliente e lavoro di correzione.
Lo sviluppo software è più complesso. Un agente può generare codice rapidamente, creando però obblighi di revisione, sicurezza o manutenzione che emergono in seguito.
È qui che un responsabile centralizzato può diventare utile. Il responsabile può richiedere che ogni agente disponga di una metrica di risultato prima dell'implementazione e di una regola di arresto dopo il lancio.
Una regola di arresto definisce quando il sistema deve sospendersi perché spesa, errori o volume di chiamate superano un limite approvato. Impedisce a un ciclo autonomo di proseguire finché qualcuno non nota una fattura più elevata.
Tuttavia, anche la centralizzazione comporta rischi propri. Un nuovo titolo dirigenziale può creare un ulteriore livello di approvazione senza migliorare la visibilità tecnica. Può inoltre spostare l'attenzione verso costi facilmente misurabili, sottovalutando la qualità.
EY deve evitare di trasformare l'economia degli agenti in un ufficio di taglio dei budget. Il suo stesso framework afferma che le organizzazioni dovrebbero indirizzare la spesa verso valore misurabile, non semplicemente minimizzare il consumo.
Quella distinzione influenza la scelta del modello. Un modello meno capace può ridurre il consumo per l’inferenza aumentando però errori, tentativi ripetuti e revisioni umane. Una chiamata al modello più economica può rendere più costoso il completamento di un’attività.
La stessa tensione si applica al recupero delle informazioni. Un contesto più breve può ridurre l’elaborazione, ma la mancanza di prove può indebolire una risposta. Un contesto più lungo può migliorare la copertura aumentando però consumo e latenza.
La gestione dei costi degli agenti richiede quindi più dei limiti. Richiede sistemi di valutazione che misurino successi, fallimenti e conseguenze degli interventi.
La responsabilità frammentata resta il principale avversario, perché ogni ottimizzazione crea compromessi altrove. Un’unica funzione responsabile può rendere visibili tali compromessi prima che i team trasferiscano i costi da un budget all’altro.
Cosa non dimostra la proposta di controllo dei costi
Una nuova unità non può garantire risparmi, attribuzione accurata o migliori risultati dell’AI.
Il titolo di Bloomberg ha portato il piano riportato di EY su google news, ma le prove pubbliche lasciano irrisolte diverse questioni. EY non ha divulgato l’elenco dei clienti dell’unità, gli obiettivi di performance o l’autorità di governance.
Non è inoltre chiaro se il gruppo implementerà software proprietario, integrerà piattaforme di terze parti o si concentrerà sui servizi di consulenza. Queste scelte determinano se EY potrà osservare i flussi di lavoro abbastanza in profondità da controllarli.
I soli dati delle fatture offrono un quadro incompleto. Un’attribuzione efficace richiede identificatori che colleghino le chiamate ai modelli a utenti, agenti, sessioni, strumenti, prodotti e risultati completati.
Le organizzazioni non raccolgono sempre tali identificatori in modo coerente. Le applicazioni più vecchie possono combinare le richieste, mentre i fornitori esterni possono esporre formati diversi per fatturazione e telemetria.
La misurazione dei risultati introduce un altro problema. I team potrebbero ottimizzare la metrica che riceve attenzione dai dirigenti, anche quando rappresenta solo una parte del valore del sistema.
Un agente valutato in base ai ticket completati potrebbe chiudere i casi con eccessiva aggressività. Un assistente di programmazione misurato in base all’output generato potrebbe incoraggiare modifiche non necessarie. Uno strumento di ricerca valutato in base alla velocità potrebbe omettere prove importanti.
L’unità riportata entra inoltre in un mercato con fornitori affermati di gestione dei costi. Harness combina già allocazione cloud e AI, governance, rilevamento delle anomalie e dati dettagliati sui flussi di lavoro.
Flexera afferma che la sua piattaforma copre modelli, applicazioni, dati e calcolo. I provider cloud e i gateway dei modelli possono inoltre aggiungere controlli nativi che riducono la necessità di un livello di consulenza separato.
Il vantaggio di EY è l’accesso ai responsabili di finanza, operazioni, rischio e decisioni esecutive. Il suo punto debole è che le raccomandazioni di consulenza possono scollegarsi dal comportamento tecnico in tempo reale.
L’azienda deve dimostrare che il suo framework modifica le implementazioni dopo la conclusione di un report o di un workshop. Prove utili includerebbero meno cicli non controllati, una più solida attribuzione dei risultati e l’interruzione più rapida dei progetti deboli.
L’analisi di EY cita una previsione di Gartner secondo cui oltre il 40% dei progetti di AI agentica sarà cancellato entro la fine del 2027. Gartner attribuisce le cancellazioni previste all’aumento dei costi, a un valore poco chiaro o a controlli del rischio inadeguati.
La previsione sulle cancellazioni degli agenti sostiene l’urgenza di EY. Non dimostra che un’unità economica centralizzata prevenga tali fallimenti.
Le aziende possono anche scambiare una cancellazione per un fallimento. Interrompere un agente debole prima di una distribuzione più ampia può rappresentare una governance efficace e un investimento disciplinato.
Un’altra incertezza riguarda i prezzi dei fornitori. I costi dei modelli possono diminuire mentre il consumo totale dei flussi di lavoro aumenta, perché gli agenti eseguono più passaggi e raggiungono più utenti.
Le imprese possono rispondere instradando le attività più semplici verso modelli più piccoli. Ciò può migliorare l’economia, a condizione che le valutazioni confermino che la qualità resta accettabile.
La supervisione umana deve rimanere nel modello dei costi. Un agente che sembra economico prima della revisione può diventare costoso quando gli specialisti verificano gli output e correggono gli errori.
I costi legati al rischio sono ancora più difficili da prevedere. Possono trascorrere molti giorni senza incidenti, mentre un singolo problema di privacy, sicurezza o conformità crea un ampio lavoro di bonifica.
La proposta di EY è credibile perché questi costi sono dispersi. La sua efficacia resta non verificata perché l’azienda non ha ancora pubblicato risultati misurabili dell’unità riportata.
Cosa dovrebbero osservare i lettori di Google News
Tre segnali mostreranno se EY ha creato un vero modello operativo o un’altra etichetta di consulenza.
Il primo segnale è un annuncio dettagliato di EY. Dovrebbe identificare il responsabile dell’unità, ambito, personale, capacità tecniche e relazione con le pratiche EY esistenti.
Un framework pubblico dovrebbe inoltre chiarire se l’unità opera internamente per EY, consiglia i clienti o svolge entrambe le funzioni. Questa distinzione influenza le prove che i lettori dovrebbero aspettarsi.
L’uso interno darebbe a EY l’opportunità di testare i controlli nei propri sistemi AI. Il lavoro con i clienti richiederebbe metodi ripetibili che funzionino su cloud, modelli e processi aziendali diversi.
Un’autorità chiara rafforzerebbe l’argomentazione. Un’unità che può raccomandare limiti di spesa ha meno influenza di una che può imporre soglie o richiedere metriche sui risultati.
Il silenzio o un branding vago indebolirebbero l’interpretazione del rapporto di Bloomberg. Suggerirebbero che il concetto è meno avanzato di quanto implichi il titolo su google news.
Il secondo segnale è la prova a livello di flusso di lavoro. EY dovrebbe mostrare come un cliente colleghi il consumo totale a un risultato aziendale completato.
Esempi utili includerebbero assistenza clienti, sviluppo software, finanza o attività della catena di fornitura. Ogni esempio dovrebbe includere utilizzo tecnico, supervisione umana, fallimenti e la misura del valore scelta.
I lettori dovrebbero cercare confronti prima e dopo l’introduzione dei controlli. I risultati più credibili indicheranno se una spesa minore ha modificato qualità, latenza o tassi di escalation.
Le affermazioni sui risparmi percentuali meritano cautela senza una base di riferimento definita. Un sistema può ridurre il consumo dei modelli trasferendo però il lavoro ai dipendenti o ad altri software.
La prova di un costo totale inferiore per risultato riuscito rafforzerebbe la tesi di EY. Riduzioni dei token senza dati sui risultati la indebolirebbero.
Il terzo segnale è la risposta competitiva. Harness, Flexera, provider cloud, gateway dei modelli e fornitori di osservabilità stanno sviluppando capacità sovrapposte.
Le partnership potrebbero aiutare EY a ottenere telemetria dettagliata senza costruire internamente ogni componente tecnico. Potrebbero anche rivelare che l’elemento distintivo dell’azienda risiede nella governance e nella progettazione operativa.
La concorrenza potrebbe spingere EY a spiegare dove finisce la consulenza e dove inizia il software. Gli acquirenti devono sapere chi possiede i dati, configura i controlli e interviene quando un agente supera un limite.
Il mercato più ampio verificherà inoltre se il Head of Agent Economics diventerà una posizione duratura. Nomine diffuse convaliderebbero l’argomento di EY secondo cui l’AI necessita di una responsabilità finanziaria distinta.
Un esito più debole sarebbe l’assorbimento delle responsabilità da parte degli attuali responsabili FinOps, finanziari o tecnologici. Ciò non eliminerebbe il problema, ma ridurrebbe la necessità di una nuova categoria organizzativa.
Per gli sviluppatori, la lezione immediata è semplice. Strumentate gli agenti prima che si espandano, registrate chiamate agli strumenti e tentativi ripetuti, e collegate ogni esecuzione a un risultato.
Gli acquirenti aziendali dovrebbero pretendere più di dashboard sull’utilizzo. Hanno bisogno di regole di allocazione, controlli di arresto, dati di valutazione e una chiara responsabilità per i fallimenti.
I knowledge worker dovrebbero aspettarsi che le organizzazioni esaminino con maggiore attenzione quali attività AI generano valore misurabile. Un’elevata attività da sola diventerà una giustificazione più debole per continuare a spendere.
La comparsa di EY su google news coglie un cambiamento più ampio nell’AI aziendale. L’adozione non è più l’unica metrica da titolo. Le aziende devono sempre più spiegare cosa producono i loro agenti, quanto costano i fallimenti e chi può fermarli.
L’unità riportata merita attenzione perché colloca questa responsabilità vicino al centro della strategia AI. Non merita ancora un giro d’onore.
Osservate la struttura formale di EY, le prove a livello di flusso di lavoro e le partnership competitive nei prossimi tre mesi. Questi segnali mostreranno se l’economia degli agenti diventerà una disciplina operativa o resterà un nome attraente.
Se la vostra organizzazione utilizza già agenti AI, ponete una domanda diretta: chi può indicare il costo totale di un’attività completata con successo e difendere il calcolo? Se nessuno può farlo, il problema del controllo è già arrivato.
