# Le aziende comprano GPU senza sapere quanto le usano davvero

URL: https://menteinformatica.it/intelligenza-artificiale/compute-gap-gpu-inutilizzate-costi/
Autore: Giorgio Perillo
Aggiornato: 2026-10-01
Categoria: Intelligenza Artificiale

---

L’immagine delle grandi aziende che dominano l’AI con infrastrutture efficienti e ben gestite è, almeno per ora, più aspirazione che realtà. Un’indagine condotta da VentureBeat su **107 aziende** con più di 100 dipendenti, pubblicata a luglio 2026 come parte della serie Pulse Research, racconta qualcosa di diverso: una corsa agli acquisti che ha ampiamente superato la capacità di capire cosa si sta comprando.

Il dato più eloquente: **l’83% delle aziende intervistate dichiara un utilizzo dei propri GPU pari al 50% o meno**. Metà della potenza di calcolo acquistata gira a vuoto, o quasi. E il 44% non è in grado di tracciare con rigore quanto costa tutta questa infrastruttura.

## Solo il 21% usa l’AI in produzione su scala

Il campione è composto principalmente da aziende di medie dimensioni (il 36% ha tra 101 e 250 dipendenti, il 27% tra 251 e 1.000). Non si tratta di grandi operatori consolidati: sono per lo più organizzazioni ancora nella fase di costruzione dell’infrastruttura AI, non di chi l’ha già trovata e ottimizzata.

Solo il **21% dichiara di avere l’AI in produzione su scala**. I restanti tre quarti sono ancora in fase sperimentale o con deployment parziali. Eppure la spesa corre avanti: la categoria di infrastruttura su cui si concentrano i piani di investimento per il prossimo anno sono i **cloud specializzati per AI** (45%), una categoria che quasi nessuna di queste aziende usa oggi.

83%delle aziende usa i propri GPU al 50% o meno

Il paradosso è strutturale: si compra capacità futura mentre quella presente è per metà inutilizzata, e senza gli strumenti per capire perché.

## Il costo per milione di token non è la priorità

Quando le aziende decidono da chi comprare, il prezzo del singolo token conta pochissimo: solo l’**8%** lo indica come fattore decisivo. Pesano molto di più l’integrazione con lo stack esistente (41%) e il costo totale di proprietà (35%).

Questo è coerente con la mancanza di visibilità sui costi unitari: se non sai quanto ti costa ogni inferenza, non puoi ottimizzare sul prezzo per token. Decidi su criteri più grossolani, quanto è complicato integrarlo con quello che già hai, quanto spenderai in totale, perché sono gli unici che riesci a misurare.

Si compra più infrastruttura AI di quanta se ne sappia usare, e senza gli strumenti per capire quanto costa davvero.

Il quadro sui vendor è altrettanto instabile: il **64% delle aziende prevede di cambiare o aggiungere un provider di infrastruttura entro dodici mesi**, e il 38% entro il trimestre successivo. Per una categoria considerata fondamentale come il compute, è un tasso di intenzione di cambio insolitamente alto.

## Il limite reale dell’indagine

Prima di leggere questi numeri come un verdetto sull’industria, vale precisare i confini del campione. Sono **107 aziende**, auto-selezionate, con una concentrazione nel segmento medio di mercato e tra chi sta attivamente costruendo infrastruttura AI. Non rappresentano i grandi operatori che hanno già completato il ciclo. I dati sono da trattare come segnale direzionale, non come misurazione precisa.

Detto questo, la direzione è abbastanza chiara: il mercato dell’infrastruttura AI è in una fase di acquisto accelerato e poco disciplinato. Lo scenario più plausibile è che nei prossimi 12-18 mesi emerga una pressione crescente sui team IT e finanziari per dotarsi di strumenti di FinOps specifici per il compute AI, una categoria di software ancora poco matura ma destinata a crescere rapidamente proprio perché il problema che risolve è già evidente.

**Perché conta:** Per chi lavora in aziende che stanno valutando investimenti in infrastruttura AI, questi dati suggeriscono che il problema non è solo trovare il provider giusto, ma costruire prima la capacità di misurare utilizzo e costi, altrimenti si rischia di replicare esattamente il pattern descritto: GPU pagate e per metà ferme.

Fonte: [venturebeat.com](https://venturebeat.com/ai/the-ai-compute-gap-enterprises-are-buying-infrastructure-faster-than-they-can-measure-what-it-costs).