19 Maggio 2026 by Mondo2.0

Poveri di token

C’è una nuova asimmetria digitale che si sta affacciando nella nostra vita quotidiana. Non è la mancanza di connessione, né l’analfabetismo tecnologico nel senso classico del termine. È qualcosa di più sottile, e per certi versi più rivelatorio: finire i token.

Ma cosa sono, esattamente, i token?

Nella comunicazione con un modello linguistico di grandi dimensioni — quelli che tutti ormai chiamiamo LLM, o più semplicemente “le IA” o “A.I.” — il testo non viene elaborato parola per parola, né lettera per lettera. Viene spezzato in unità più piccole e statisticamente significative chiamate appunto token.

Un token può corrispondere a una parola intera, a una sua radice, a un suffisso, a un segno di punteggiatura. In italiano, una parola come “ragionevolmente” potrebbe valere tre o quattro token.

Ogni volta che scrivi qualcosa al modello, e ogni volta che il modello ti risponde, si consumano token. Più una sessione di lavoro è lunga e articolata, più token vengono consumati a ogni scambio, con un effetto di progressione che può diventare rapidamente vorace.

Ogni abbonamento o piano di utilizzo prevede oggi un certo numero di token disponibili in un arco temporale. Siamo ancora agli inizi di questa tecnologia, e il modo in cui la paghiamo ne riflette tutta l’immaturità commerciale. Non è diverso da quello che abbiamo vissuto con i telefoni cellulari: prima pagavamo ogni SMS come fosse un telegramma, poi i minuti di conversazione, poi i megabyte di dati, poi i gigabyte in bundle mensile. Ogni fase sembrava ovvia finché non arrivava quella successiva a renderla obsoleta.

Con gli LLM probabilmente succederà lo stesso: i token sono l’unità di misura di oggi, ma è ragionevole aspettarsi che evolvano verso modelli diversi — abbonamenti flat, tariffazioni per tipo di utilizzo, accessi istituzionali differenziati, magari qualcosa che ancora non sappiamo immaginare.

Per ora, però, quando i token finiscono, la macchina si ferma, non conversa più.

Questo meccanismo è strettamente legato a un’altra distinzione che vale la pena chiarire: quella tra il cosiddetto prompting e l’addestramento del modello.

Addestrare un modello è un processo completo, spesso costoso, che avviene nei laboratori delle grandi aziende tecnologiche e richiede lavoro su enormi quantità di dati. Determinando importanti benefici nella qualità e nella professionalità delle risposte in puntuali ambiti tematici.

Il prompting, invece, è ciò che fa l’utente, si basa sulla conversazione: è il modo in cui si formula una richiesta, si costruisce un contesto, si guida il modello verso il risultato desiderato. Non cambia il modello, non lo migliora strutturalmente, non lascia tracce permanenti. È conversazione, non insegnamento. Allo stesso tempo, pur trattandosi di una conversazione temporanea, è una competenza vera, che richiede pratica, sensibilità linguistica e una certa comprensione di come ragiona — o meglio, di come simula di ragionare — la macchina.

Chi sa fare prompting in modo efficace ottiene risultati qualitativamente diversi da chi improvvisa. Ed è un’attività che consuma token, ovviamente.

La metafora del razionamento è difficile da evitare, quando i token si esauriscono, la conversazione si interrompe, si riprende domani, come se il pensiero digitale avesse un orario di chiusura.

Emerge una nuova declinazione della forbice digitale: da un lato chi padroneggia il prompting, dispone di piani premium e ha già integrato questi strumenti nel proprio flusso di lavoro quotidiano; dall’altro chi non ha ancora sviluppato la consapevolezza del valore aggiunto che questi sistemi possono offrire, o semplicemente non ha le condizioni per usarli in modo stabile e continuativo, ed è in evidente condizione di svantaggio.

Non si tratta solo di una differenza di tecnica o funzionale, come per il “digital divide tradizionale”.

È una stratificazione più profonda, che tocca la capacità di produrre, elaborare e valorizzare conoscenza e che rischia di riprodurre, in forma nuova, disuguaglianze già esistenti.

Le istituzioni pubbliche si trovano di fronte a una sfida molto delicata: garantire che l’accesso a questi strumenti non diventi un nuovo asse di disuguaglianza. Scuole, università, enti locali, biblioteche, servizi sanitari devono fare i conti con tecnologie che potrebbero migliorare enormemente la qualità del lavoro quotidiano, ma che rischiano di essere appannaggio esclusivo di chi ha già risorse, competenze e sensibilità digitale.

Facilitare i cittadini significa pensare a forme di accesso pubblico, sussidiato, consapevole a questa nuova generazione di servizi.

Le aziende private che adottano questi strumenti hanno l’opportunità, e in molti casi la convenienza economica, di dotare i propri dipendenti di accessi adeguati, formazione sul prompting, e soprattutto una cultura interna che tratti l’IA come un’infrastruttura di lavoro.

Facilitare i professionisti del settore significa investire in strumenti e formazione reale.

La questione dei token, insomma, non è tecnica. È politica e sociale nel senso più ampio del termine.

Riguarda chi può permettersi, ed è anche in grado, di pensare con l’aiuto della macchina e chi no, chi sale sulla curva dell’automazione cognitiva e chi resta ad aspettare con il rischio concreto di non trovare spazio nel mercato del lavoro, di rimanere molto indietro, di non essere al passo con i tempi.

Chissà quanti di voi non sanno usare un servizio di A.I., non hanno mai fatto prompting.
Chissà quanti di voi invece hanno già finito la dose giornaliera di token.

Mondoduepuntozero