La settimana si chiude con il Nasdaq che cancella tutti i guadagni del 2026 e con Anthropic, appena quotata, che scivola a 88,30 dollari contro gli 83 del collocamento. Nello stesso giro di giorni escono però strumenti concreti: Claude che entra in riunione, Gemini 4 Neon con il prezzo in chiaro, 9.000 plugin nel marketplace MCP. Le due cose vanno lette insieme. Il mercato smette di pagare l'AI a qualunque prezzo, mentre il lavoro quotidiano assorbe gli agenti dentro riunioni, fogli e lavagne. Chi resta in piedi è chi riesce a mettere il costo per risultato al centro, non il modello.
Immagine generata interamente con l'AI.Chi paga per l'AI quando il prezzo crolla?
Anthropic ha depositato il prospetto per la quotazione più grande della storia del tech: un trilione di dollari di valutazione dopo cinque anni di vita. Dentro il documento ci sono tre crepe scritte nero su bianco.
La prima è la commoditizzazione. I modelli open viaggiano a circa quattro mesi di distanza dai chiusi secondo Epoch AI e costano la metà: Kimi K3.1 Pro di Moonshot sta al 50% del prezzo di Claude Opus 5.5. Il prezzo per lo stesso livello di performance è crollato del 97% in meno di due anni, da 17 dollari a 50 centesimi. Su Vercel, più della metà del testo processato ad agosto passava da modelli open, contro il 13% di aprile. La seconda crepa è la crescita che rallenta, dal 145% al 45%. La terza sono i 417 miliardi di dollari di impegni per affittare chip e server, quasi 13 anni di vendite al ritmo del primo semestre.
Nella stessa settimana Nvidia ha chiuso il trimestre a 115,84 miliardi di ricavi, il doppio rispetto a un anno prima, con il board che ha chiuso la porta a un ritorno di Jensen Huang dopo le accuse che lo hanno travolto. Circa il 90% del mercato dei chip per l'AI passa da lì. È la concentrazione di rischio che in produzione si eviterebbe per principio: un solo nodo che regge tutto il carico è un guasto in attesa di accadere.
Venerdì il Nasdaq ha chiuso il 5% sotto il primo gennaio, con circa 4 trilioni di capitalizzazione spariti in una settimana. Anthropic è scesa a 88,30 dollari contro gli 83 del collocamento, Nvidia ha perso il 14%, SanDisk il 14%, Micron il 12%. La lettura degli analisti è che l'IPO prosciuga liquidità: chi vuole comprare le nuove azioni vende altro. Nella stessa giornata Google ha lanciato Gemini 4 Neon a 3 dollari per milione di token in ingresso e 15 in uscita, senza livello gratuito, con contesto a un milione di token. La prima recensione indipendente dice che regge attività complesse ma sbaglia conteggi elementari, tipo i beep in una traccia audio.
Il comune denominatore è uno solo: il costo per risultato. Chi costruisce con questi modelli ha già un cruscotto con il costo per feature, un tetto di spesa giornaliero e un alert quando lo sfondo. Il mercato sta facendo la stessa verifica sui miliardi, e il verdetto di venerdì è stato brutto. La domanda che resta aperta è quanto costa davvero un task completato, e su questo il prospetto di Anthropic risponde con un silenzio eloquente.
Come si lavora quando l'agente entra in riunione?
Anthropic ha portato Claude fuori dal recinto del codice con tre strumenti. Claude Meetings fa entrare il modello in call per prendere appunti, Whiteboards gli dà una lavagna condivisa su cui disporre le idee, Sheets lo mette al lavoro sul foglio di calcolo insieme ai colleghi. Whiteboards e Sheets sono in beta per tutti i piani a pagamento, Meetings resta riservato a Team ed Enterprise. C'è anche una trasformazione di una presentazione in video esplicativo di un minuto senza uscire da Claude.
Immagine generata interamente con l'AI.Il numero vero però è 9.000 plugin nel marketplace MCP. I connettori interattivi aprono dentro Claude le app di partner come Adobe e Atlassian: un PDF si edita con l'editor nativo senza cambiare scheda. Un product manager di Anthropic dice che il prossimo divario è quello di chi non scrive software. Il punto è giusto: la barriera per chi non sviluppa è il contesto, non la capacità del modello. Strumenti che vivono dove le persone già lavorano attaccano il problema giusto, e la latenza in call, la qualità degli appunti su voci sovrapposte e i permessi sui transcript diventano i veri criteri di scelta.
Lo stesso modello di lavoro emerge da Satya Nadella al DealBook Summit, parlando del buyout offerto a 60.000 dipendenti Microsoft. Il team che costruisce Cowork, l'agente AI dentro Microsoft 365, conta 11 sviluppatori. Non scrivono il prodotto, costruiscono una software factory che lo produce. Ogni dipendente diventa un gestore di agenti, il lavoro si sposta dalla produzione diretta alla direzione del lavoro automatico. Sul podcast The Pragmatic Engineer Nadella ammette che l'industria ha creato enorme ansia e che la trasformazione richiederà più tempo del previsto. In Europa il 28% delle imprese ha già tagliato personale per l'AI, e BMW governa centinaia di agenti su migliaia di sviluppatori: la direzione è la stessa, la velocità no.
Il nodo, in entrambi i casi, è il controllo. Un agente che scrive in un foglio deve farlo in-place o restituire un CSV da ricaricare? La differenza decide se è un pulsante che scrive nella cella o una chat laterale. Chi costruisce un prodotto che vive dentro l'ecosistema di un modello sa che il modello cambia sotto i piedi: cosa resta quando cambia il modello è la domanda che decide se un prodotto ha una difesa. Un dato della settimana lo dice chiaramente: oltre 100 agenti AI falliscono per deriva silenziosa, non per errori. È il tipo di guasto che nessun benchmark intercetta e che solo i punti di controllo umani vedono.
Perché i permessi sono diventati prodotto?
Meta Platforms Ireland dovrà pagare 805 milioni di euro in Italia. Il Garante contesta all'app Facebook di avere letto foto, video e metadati conservati sugli smartphone Android di circa 20 milioni di utenti italiani senza consenso specifico e senza informazione adeguata. È una delle sanzioni più alte mai emesse dall'autorità italiana, ma il numero è la parte meno interessante.
Il punto è la competenza. Meta ha eccepito lo sportello unico del GDPR: la competenza spettava all'autorità irlandese. Il Garante ha respinto l'eccezione costruendo il caso sull'articolo 122 del Codice privacy, che recepisce la direttiva ePrivacy e regola l'accesso alle informazioni memorizzate sui dispositivi terminali. Su quella materia la competenza resta nazionale, quindi il one-stop-shop non si applica. Un precedente francese su un caso analogo è citato come base del ragionamento.
Per un'azienda significa costi di compliance moltiplicati e un rischio legale che non si copre con un solo ufficio a Dublino. Se altri garanti copiano il modello - Germania, Francia, Spagna - lo sportello unico è finito di fatto per una fetta enorme di casi. Chi progetta prodotti mobili deve mappare i permessi dispositivo per dispositivo. La logica vale identica per gli agenti: quando un agente esce dal perimetro si capisce più dai casi limite che dai benchmark.
Nella pratica dei connettori MCP - Gmail, Drive, GitHub - il permesso esplicito è la prima cosa da definire, e l'utente deve vedere cosa viene letto. Se la regola diventa chi tocca il dispositivo risponde al garante locale, i permessi sono architettura e vanno decisi prima del rilascio, non dopo la prima segnalazione. Un assistente che ascolta le riunioni aziendali è una questione di governance prima che di prodotto: chi accede ai transcript, con quale retention, con quale possibilità di cancellazione. Le autorità hanno appena dimostrato che il perimetro locale è un grimaldello, e vale la pena trattarlo come tale.
Il SundAI esce una volta a settimana, ma le notizie sull'AI non aspettano la domenica. Ogni mattina seleziono la migliore e la commento.
Oggi22 novembre 2026
L'ipotesi di Riemann cede a Claude, e la matematica cambia ritmo
Quali strumenti vale la pena provare adesso?
Se c'è un filo conduttore nei tool della settimana è la misurazione. Tre pezzi meritano una prova.
TokenEconomizer è un plugin open source che riusa le sessioni passate per tagliare token e costi degli agenti di coding. Non è un modello, non è una piattaforma: fa una cosa sola, e la fa nel punto in cui il conto brucia. Vale come esempio di come si affronta il costo per token senza cambiare fornitore.
AWS Emulator è un endpoint HTTPS locale per testare oltre 200 servizi AWS senza account. Utile per far girare agenti di coding in un ambiente isolato, senza toccare risorse vere e senza sorprese in bolletta. Stesso discorso per Inkling 2 Mini, un modello aperto da 26 miliardi di parametri che gira offline su un Mac da 32 GB: non sostituisce un modello frontier, ma copre i task locali a costo fisso.
Sul fronte agenti in produzione, Gemini API Tool Retrieval porta in contesto solo i tool pertinenti quando l'agente ne ha centinaia, con un taglio netto sui token. Databricks Genie ZeroOps è un agente in public beta che rileva, indaga e propone la fix per le pipeline dati rotte, con revisione umana sui cambi ad alto impatto. Amazon Textract Insights estrae campi dai documenti in linguaggio naturale, con punteggio di confidenza e grounding per pagina: la parte interessante è proprio il punteggio, perché rende misurabile l'incertezza.
Sul lato governance, Copilot SDK 2.0 limita tool e credenziali a ogni singolo utente e sopravvive alla chiusura dell'app, mentre AWS Agent Registry tiene metadati tipizzati e validati per governare agenti, server MCP e skill dentro l'organizzazione. Sono i pezzi che permettono di far girare più agenti senza che ognuno diventi un caso a sé. Prima di sceglierli vale la pena tornare a una domanda semplice: quali strumenti restano utili quando il modello sotto cambia, e quali invece vivono solo della novità della settimana.
La settimana insegna una cosa sola: il prezzo in chiaro è un vantaggio, non un problema.
Il resto lo diranno i prossimi quattro trimestri: rapporto tra persone e output per team, costi di inferenza per prodotto pubblicati, diversificazione dei clienti hardware. Se il conto dell'AI non compare da nessuna parte, la storia resta una ristrutturazione con un buon ufficio stampa. Se compare, sapremo chi paga davvero.





