Intelligenza artificiale, per le telco la nuova partita si gioca sui token

Token AI: una nuova misura di consumo per le telecomunicazioni

Dai minuti di conversazione ai gigabyte, fino alle unità che misurano l’elaborazione dei modelli di intelligenza artificiale, i token potrebbero diventare una nuova componente dell’economia delle telecomunicazioni. A differenza del gigabyte, il token rappresenta una porzione dell’elaborazione richiesta a un modello di IA e il suo costo varia in base al modello, alla complessità dell’attività, all’input, all’output e alle capacità di ragionamento richieste.

Questo cambiamento di paradigma ha implicazioni sia tecniche sia commerciali: gli utenti difficilmente valuteranno un servizio sulla base del numero di token necessari, ma sulla base dei risultati ottenuti. La sfida per gli operatori è quindi nascondere la complessità sottostante e costruire offerte basate su servizi e performance, proprio come avvenne con il traffico dati.

Perché i token sono rilevanti per le telco

GSMA Intelligence, nell’analisi dedicata alla cosiddetta “AI token economy”, evidenzia che la diffusione di applicazioni, agenti e workflow basati sull’IA aumenta la quantità di capacità computazionale acquistata e consumata. Per le telco si apre così la possibilità di collocarsi fra chi fornisce l’infrastruttura e chi utilizza i servizi, assumendo un ruolo chiave nella loro gestione.

Nel mercato mobile il gigabyte è una misura intuitiva; il token, invece, richiede un’interfaccia più sofisticata. La differenza è rilevante dal punto di vista commerciale: trasformare il consumo di token in ricavi dipenderà dalla capacità dei provider di semplificare l’esperienza d’uso e di proporre soluzioni “chiavi in mano”.

Asset infrastrutturali delle telco

Le telecomunicazioni già possiedono gli ingredienti fondamentali per supportare l’AI:

• Data center e cloud
• Reti in fibra ottica
• Edge computing e reti 5G/6G
• AI factory e piattaforme di IA sovrana
• Servizi GPU‑as‑a‑Service

Questi asset consentono di erogare capacità di calcolo vicino al punto di consumo, riducendo latenza e costi di trasferimento dati.

Coinvolgimento dei modelli di IA

Alcuni operatori vanno oltre l’infrastruttura e intervengono direttamente sui modelli, sviluppando o co‑progettando foundation model adattati alle lingue e alle esigenze dei mercati locali. Questo approccio consente di differenziare l’offerta rispetto ai semplici hyperscaler.

Servizi AI: il principale terreno di monetizzazione

Oltre 200 operatori nel mondo sono già impegnati in soluzioni quali copilot aziendali, AI conversazionale, strumenti per la produttività e applicazioni verticali. L’Asia‑Pacifico guida la partecipazione, con il 43 % degli operatori attivi sul livello infrastrutturale e il 38 % su quello dei modelli.

Esempio cinese: crescita esponenziale dei token

In Cina il consumo medio giornaliero di token è passato da circa 100 miliardi all’inizio del 2024 a 140 000 miliardi a marzo 2026, spinto dall’uso di agenti AI e assistenti per la programmazione. I tre principali operatori cinesi stanno sperimentando formule differenti:

• China Telecom combina l’accesso ai modelli con servizi di connettività e cybersecurity per consumatori e imprese.
• China Mobile propone pacchetti integrati di capacità di elaborazione, cloud PC e agenti AI.
• China Unicom esplora sistemi basati su crediti per semplificare l’utilizzo di più modelli.

Il contesto cinese è peculiare perché gli operatori possiedono importanti attività cloud, hanno investito direttamente nelle infrastrutture AI e operano in un ecosistema ricco di modelli open‑weight. Le soluzioni cinesi, quindi, rappresentano più un riferimento che un modello facilmente replicabile altrove.

Rivendita di capacità vs. orchestrazione di servizi

La semplice rivendita di capacità rischia di diventare una commodity a margini ridotti. Il vero valore risiede nella gestione dell’uso dell’IA da parte delle aziende, soprattutto quando aumentano il numero di modelli e fornitori coinvolti. Un’impresa deve infatti:

• Scegliere il modello più adatto per ciascun workload.
• Controllare i costi, la latenza e la disponibilità.
• Rispettare regole interne e normative di compliance.

Gli operatori possono costruire servizi a valore aggiunto su questi livelli di controllo.

Strategie di aggregazione e routing intelligente

Il primo passo è aggregare più modelli attraverso un’unica interfaccia API e un sistema di fatturazione unico. A ciò si aggiunge l’instradamento intelligente delle richieste, che seleziona automaticamente il modello più adatto in base a costi, qualità, latenza, disponibilità o requisiti regolamentari. Successivamente, l’ottimizzazione dei workflow permette di trasformare l’uso dell’AI in risparmi o incrementi di produttività misurabili.

Esempi concreti:

• China Mobile stima che la piattaforma MoMA possa ridurre del 20‑30 % i costi dei token grazie a routing intelligente, caching e riutilizzo del contesto.
• AT&T ha indicato risparmi fino al 90 % mediante il proprio gateway AI interno, dimostrando che gli operatori possono prima sperimentare questi meccanismi internamente.

Risorse distintive delle telco

Le telecomunicazioni possiedono una serie di asset che favoriscono il posizionamento nella AI token economy:

• Relazioni consolidate con i clienti.
• Sistemi di identità e fatturazione già operativi.
• Competenze in sicurezza e compliance.
• Presenza locale e infrastrutture distribuite.

Impatto sull’infrastruttura di rete

L’aumento di agenti e servizi AI distribuiti modificherà i profili di traffico, incrementando anche il peso dell’uplink. Edge computing e network API diventeranno elementi chiave dell’offerta, collegando il consumo di servizi intelligenti a caratteristiche differenziate della connettività.

La corsa contro gli hyperscaler

Hyperscaler, cloud provider e