I tuoi ingegneri hanno scelto i loro coding agent. Nessuno ha scelto le impostazioni su cui quegli agent girano — e sono quelle impostazioni a decidere quale modello risponde, quanta parte della conversazione viene rispedita a prezzo pieno e quanti subagent partono dietro una singola battuta sulla tastiera. Un preprint di Accenture Responsible AI ha riprezzato circa 10.000 sessioni reali di agent prese da dataset pubblici e ha rilevato che spostare il lavoro verso il modello capace più economico, senza disturbare nessuna conversazione in corso, recupera dal 13 al 21% della spesa agentica sui modelli (Kwartler, Aqrawi e Abbasi, 2026).
La cifra trasferibile non è la percentuale. È il denominatore che le sta sotto: 41 dollari per ingegnere per giorno attivo.
Il prodotto che esegue i tuoi coding agent è una decisione di acquisto che nessuno ha preso
Il termine che il paper usa per il prodotto che esegue un agent è harness — Claude Code, Codex e altri diciannove che gli autori mappano in una matrice di accoppiamento costruita a partire da file di licenza e documenti di configurazione. Quasi nessuna azienda se lo costruisce. Adottano quello che il fornitore del modello include con le licenze, con le impostazioni predefinite.
È lì che si decide il denaro. Un harness sceglie quale modello risponde a un dato turno, quanto contesto quel modello legge, come viene usata la cache dei prompt e quali subagent girano. Nella formulazione degli autori, quindi, sceglie la tariffa sul listino e fissa il volume acquistato a quella tariffa. Entrambe le metà della bolletta, scelte da un file di configurazione che nessuno ha rivisto.
Confrontalo con il modo in cui la stessa organizzazione tratta una voce di software da 30.000 euro: una valutazione del fornitore, un questionario di sicurezza, un responsabile con nome e cognome. L'harness degli agent è arrivato attraverso un budget per strumenti di sviluppo e ora muove un numero di un ordine di grandezza superiore, senza alcun responsabile.
Cosa ha trovato il riprezzamento
Gli autori hanno costruito un router, lo hanno collocato tra l'harness e l'endpoint del modello, e hanno emulato un'azienda da 10.000 postazioni usando comportamenti misurati su sessioni reali — correzioni, pause e lanci di subagent inclusi.
| Misura | Risultato |
|---|---|
| Spesa annua sui modelli allo stato attuale, 10.000 postazioni | 24,4 M$, ovvero 41 $ per ingegnere per giorno attivo |
| Recuperato dal routing che preserva la cache | dal 13 al 21%, pari a 3,3-5,1 M$ l'anno |
| Sessioni reali lunghe più economiche sul modello di fascia alta che su quello della fascia inferiore | dal 51 all'80% |
| Quota del risparmio totale che viene da quel singolo punto di incrocio | circa tre quarti |
Leggi l'intervallo con attenzione, perché non è un intervallo di confidenza. I 3,3 M$ sono ciò che il classificatore attivo degli autori produce davvero; i 5,1 M$ sono ciò che produrrebbe un classificatore perfetto. Lo scarto tra quei due numeri è la qualità delle tue decisioni di routing, non rumore statistico.
Una riga dei loro risultati rende concreto il meccanismo: una modifica di una sola riga all'interno di una sessione di coding lunga passa da 0,90 $ a 0,36 $. Non perché il modello sia diventato più economico. Perché la richiesta ha smesso di trascinarsi dietro un'intera conversazione.
Un terzo della bolletta è rilavorazione, non lavoro
Il risultato che con più probabilità sopravviverà a un riprezzamento nella tua azienda non ha niente a che fare con il routing.
Nell'emulazione, le correzioni — i turni in cui qualcuno dice all'agent che ha sbagliato e lui riprova — pesano per più di un terzo della bolletta allo stato attuale. Togliendole, la spesa mensile scende da 2,03 M$ a 1,31 M$. Le correzioni sono anche la ragione singola più frequente per cui le persone interrompono un coding agent: il 32% delle interruzioni nel campione del fornitore citato dagli autori.
È la stessa forma del risultato sui costi degli agent pubblicato da QuantumBlack di McKinsey all'inizio dell'anno: per un agent di assistenza clienti nel settore bancario, i costi dei token sono il 20-25% del costo variabile di esercizio dell'agent, mentre la supervisione umana è il 70-75% (McKinsey QuantumBlack, 2026). Carico di lavoro diverso, metodo diverso, stessa conclusione: la parte costosa di un agent è la parte in cui un essere umano deve ripassare il suo output.
C'è un segnale di qualità che punta nella stessa direzione. L'analisi di GitClear su 623 milioni di modifiche al codice tra il 2023 e il 2026 ha rilevato la duplicazione di blocchi in crescita dell'81%, il copia-incolla all'interno dello stesso commit del 41%, i costrutti che mascherano gli errori del 47%, e gli spostamenti di righe per refactoring in calo del 70% (GitClear, 2026). Vale la pena prendere in prestito il loro neologismo per il risultato: componenti perpetuamente V1 — codice che viene rilasciato e mai consolidato, perché nessuno rifattorizza ciò che un agent può rigenerare.
La rilavorazione la paghi due volte: una sulla fattura, una nel codice.
Il prezzo per token non è il costo per task
Il risultato sul punto di incrocio è quello controintuitivo, ed è quello che smonta l'istinto di ogni responsabile operativo attento ai costi.
Su sessioni lunghe e dense di uso di strumenti, il modello dal prezzo più alto costa meno per sessione di quello della fascia inferiore — nel 51-80% delle sessioni reali che costano 100 $ o più. Il meccanismo è la cache: un modello di fascia alta che legge il contesto in cache a metà della tariffa di quello sotto vince su qualsiasi sessione che rilegga la propria storia un numero sufficiente di volte, e il lavoro agentico rilegge continuamente. Il paper è netto sulla dipendenza: togli il modello di punta e l'intero risparmio crolla dal 13% al 3,1%, perché il punto di incrocio ne ha bisogno.
Quindi "abbiamo spostato tutti sul modello economico" non è un programma di contenimento dei costi. È una scommessa sul fatto che le tue sessioni siano brevi.
La cache è il contatore nascosto
Tre dettagli di configurazione nel paper valgono, per un'azienda da 200 persone, più della percentuale in prima pagina.
Primo, la durata della cache. La cache di un coding agent sopravvive un'ora su un abbonamento consumer ma cinque minuti su chiavi API e provider cloud — che è esattamente il modo in cui si collega un gateway aziendale. Anthropic documenta entrambe le opzioni e prezza la cache da un'ora al doppio dei token di input di base in scrittura (Anthropic, 2026). In due corpora pubblici di sessioni reali, dal 17 al 27% dei turni utente è arrivato dopo una pausa più lunga di cinque minuti. Ognuno di quei turni ricostruisce la cache da freddo a prezzo pieno. Il TTL più lungo non è gratis, ma è quasi certamente più economico di quello che l'impostazione predefinita ti sta facendo.
Secondo, il gateway stesso. Se il proxy tra l'harness e il modello rimuove i marcatori di cache o gli header beta, il fornitore fattura l'intera conversazione come input non in cache a ogni singolo turno. È una perdita silenziosa e totale del caching, causata da un pezzo di infrastruttura di rete che funziona correttamente.
Terzo, le impostazioni predefinite di contesto per ruolo. Diecimila ritorni a freddo su una storia da 300.000 token costano 18.750 $ solo per rispedirla; potarla prima a 30.000 token costa 1.875 $. Un ingegnere nel mezzo di un task può avere davvero bisogno di tutta la storia. Un marketer che rivede una bozza non ha bisogno del ragionamento dietro la versione precedente. Una soglia unica per tutti è una decisione di prezzo travestita da impostazione predefinita.
L'obiezione onesta
Quattro limiti, detti in modo piano.
È un preprint, e la versione conta. arXiv 2609.28919 è stato pubblicato il 24 settembre 2026 e revisionato il 26 settembre. La revisione ha spostato il titolo principale dal 14-21% al 13-21%, il risparmio da 5,0 a 5,1 M$, e ha cambiato il titolo del paper. Non ha completato la peer review. Se hai visto le cifre precedenti citate altrove, sono i numeri della v1.
È un'emulazione, non una fattura verificata. Gli autori modellano un'azienda da 10.000 postazioni usando comportamenti tratti da corpora pubblici di sessioni, non la bolletta di una singola azienda. Sono espliciti sul fatto che i loro scenari sottorappresentano i turni più brevi — un quarto delle richieste reali sta in sessioni di meno di sette richieste, contro il 3,8% delle loro — e che sessioni con la forma di uno dei loro corpora di riferimento porterebbero il 13% a circa il 9%.
L'aritmetica è agganciata a un solo listino. Tutto poggia sui prezzi di listino Anthropic del 21 settembre 2026. Con un regime di lettura della cache uniforme, il punto di incrocio scompare e il risparmio scende al 6%. I fornitori riprezzano con breve preavviso. Ciò che si trasferisce è il metodo, non il numero.
Il routing stesso è imperfetto. Il classificatore indovina la complessità solo nel 63% dei casi, e il 12,5% dei turni che ha spostato erano declassamenti errati, mandati sotto la fascia che il lavoro richiedeva. Allentare la sua soglia da 0,8 a 0,5 sposta il 46% di turni in più e abbassa il risparmio al 10%, perché le catene di correzione costano più di quanto gli spostamenti facciano risparmiare. Il routing aggressivo è il modo in cui compri rilavorazione.
E la cautela più ampia: se il costo dei token è davvero un quarto del costo variabile di esercizio di un agent, allora recuperare il 13-21% della voce token significa recuperare qualcosa come il 3-5% di quello che l'agent ti costa realmente. Vale la pena averlo. Non è una strategia.
Cosa cambiare in questo trimestre
Quattro mosse. Nessuna è un acquisto, e una sola è tecnica.
- Estrai dalla tua fattura il numero per ingegnere per giorno attivo. È tutto l'esercizio. Ai 41 $ dell'emulazione, trenta ingegneri su circa 220 giorni attivi sono vicini a 271.000 $ l'anno; alla media di circa 13 $ dichiarata dal fornitore, siamo vicini a 86.000 $ — è la mia aritmetica sulla loro unità di misura, non un loro risultato, e proprio quella forbice è il motivo per cui si misura invece di assumere.
- Dai alla configurazione dell'harness un responsabile con nome e cognome, allo stesso livello di qualsiasi altra spesa di quella dimensione. In questo momento le impostazioni predefinite sono di proprietà di chi le ha spedite.
- Controlla tre impostazioni prima di prendere in considerazione il routing: il TTL della cache, se il tuo gateway inoltra i marcatori di cache senza alterarli, e se i limiti di contesto differiscono per ruolo. L'ordine delle raccomandazioni del paper mette queste prima di qualsiasi router, perché un router dietro un gateway che rimuove la cache non fa risparmiare nulla.
- Cambia la metrica da costo per token o costo per postazione a costo per task verificato — l'unità che include la catena di correzione. È la raccomandazione conclusiva degli autori ed è l'unico numero che si muove quando il lavoro diventa davvero migliore anziché più economico.
Quest'ultima è più difficile di quanto sembri, perché richiede che il costo di un pezzo di lavoro di un agent e la registrazione del fatto che un essere umano lo abbia accettato stiano nello stesso posto. Vale la pena guardare come Scovai struttura questo aspetto sulla sua superficie Digital Employees: tre fonti di costo tenute deliberatamente separate — quello che paghi in fattura, quello che misurano i contatori della piattaforma e quello che dichiara il fornitore — con tetti mensili e per transazione agganciati alla postazione anziché allo strumento, e una regola dichiarata per cui dove un numero non esiste la superficie lo dice invece di stampare uno zero.
La conclusione scomoda di questo paper è che il più grande costo tecnologico variabile che la maggior parte delle aziende aggiungerà in questo decennio è attualmente fissato da un file di configurazione arrivato insieme a uno strumento per sviluppatori. Non da una negoziazione con un fornitore, non da un budget, non dalla decisione di qualcuno.
Quindi scopri, prima che il trimestre si chiuda, quanto costano davvero i tuoi coding agent per ingegnere per giorno attivo — e chi, con nome e cognome, è autorizzato a cambiare le impostazioni che lo decidono. Se la risposta alla seconda domanda è nessuno, hai individuato il problema, e non è mai stato il prezzo per token.
