Quando OpenAI ha lanciato Sora come app per generare video IA da testo, la mossa è stata folgorante: milioni di download in pochi giorni, un’ondata di clip surreali che spopolano sui social. Questo boom ha però un rovescio: costi astronomici e un modello economico che sembra costruito su fuoco e fiamme. La narrativa è chiara: “crescere prima, monetizzare dopo”, ereditata dai fasti della Silicon Valley (pensate a Google, Facebook, YouTube). Ma con Sora la posta in gioco è ancora più alta.

Gli analisti stimano che Sora possa costare circa 15 milioni di dollari al giorno per alimentare l’offerta gratuita (circa 5 miliardi l’anno). Questa cifra è una bomba. Consideriamo: ogni clip da 10 secondi avrebbe un costo di produzione stimato attorno a 1,30 $ ciascuna, con modelli che richiedono 8‑10 minuti di GPU per video su quattro GPU high‑end. Se vengono generati ~11 milioni di video al giorno… voilà: 11 M × 1,30 ≈ 14,3 M $ al giorno. È un bel fuoco di paglia.

Chiaro che OpenAI non ha confermato ufficialmente queste cifre, ma il capo del progetto Sora, Bill Peebles, ha ammesso che “the economics are completely unsustainable”. Non lo dice solo per effetto speciale.

Vediamo dove si sta recando questa navicella in ipervelocità.

Crescita virale.
Sora è entrata nel mercato con un impatto culturale enorme: download a milioni e clip che diventano meme in tempo reale. Va bene, missione compiuta per l’awareness e il data‑acquisition. Ma attenzione: viralità non significa profittabilità. E i dati che Sora raccoglie (miliardi di prompt, miliardi di generazioni) sono un asset strategico. Addestrare modelli richiede esperienza, dati reali e “consumo” da parte degli utenti. In questo senso OpenAI sta giocando in anticipo. Sì, la leva del dato è forte.

Caduta libera sul bilancio.
È qui che diventa interessante (e inquietante). Il modello gratuito bulimico ha un conto salato. Se i costi di produzione si aggirano sui livelli ipotizzati, allora l’“infatuazione” del pubblico può diventare la trappola. In gergo strategico: “brucia capitale per conquistare quota”, ma con video IA siamo su costi operativi ben più elevati rispetto a testo o immagini. Per fare un paragone: fungere da “YouTube dei video generativi IA” costa potenza di calcolo, storage, inferenza, infrastruttura che scala male. Anche l’aggiornamento al modello Sora 2, che consente clip più lunghe e feature come “storyboard”, aumenta la pressione dei costi.

Monetizzazione ancora “in beta”.
OpenAI ha deciso che la festa del gratis è finita ed è partita la “fase 2”: pacchetti a pagamento. Chiunque superi il limite gratuito (30 video al giorno per utenti standard; 100 per utenti Pro) può acquistare 10 generazioni extra per 4 $ circa. Questo spostamento segnala che l’azienda ha capito che non può più sostenere il “gratis illimitato” senza limiti.

Ma qui sta la provocazione: il prezzo al singolo video (se lo dividiamo) è molto inferiore al costo stimato di generazione. Se 10 video costano l’utente 4$, vuol dire 0,40$ per video. Ma se effettivamente la generazione costa 1,30$ o più, chi copre la differenza? Il “beta burn” è enorme. L’idea, ovviamente, è che ogni euro bruciato oggi costruisca un vantaggio competitivo domani: modelli più grandi, dati proprietari, utenti fidelizzati. Il “moat” dei dati.

Rischi (gravi) e scommesse (ambiziose).
Il rischio evidente: la struttura non tiene se i costi non calano drasticamente. Gli analisti prevedono che i costi di inferenza dei video generativi potrebbero scendere di 5‑volte entro il 2026 circa. Ma “potrebbe” non è garanzia. Se non ci sarà effettiva riduzione, OpenAI potrebbe trovarsi a dover aumentare prezzi, diminuire qualità o restringere accesso. Per esempio, Bill Peebles ha annunciato che i limiti gratuiti saranno ridotti nel prossimo futuro per far fronte alla scarsità di GPU.

La scommessa è che la quantità e qualità di dati raccolti, uniti allo slancio del brand OpenAI, generino una posizione così dominante da giustificare il burn odierno. Il CEO Sam Altman ambisce a traguardi da “trillion‑dollar” ma per ora i conti non tornano. È un moonshot, e questi non piacciono agli investitori se non forniscono segnali di redditività. Il che ci porta a considerare: quanti trimestri di “rosso da blockbuster” sono sostenibili?

Qui ci sono vari spunti. Prima: attenzione all’equilibrio tra “growth” e “economics”. Facile sedersi a finanziare un’app virale, ma difficile gestire i costi dell’infrastruttura IA quando si scala milioni di utenti. Second: i dati generati dagli utenti sono un asset enorme. Se usati bene, possono alimentare modelli distintivi. Terzo: monetizzazione tardiva è rischiosa — gli utenti si abituano al gratis, e capovolgere questa abitudine è doloroso. Quarto: se stai progettando un’offerta simile (video generativi o altra IA orientata massa), devi modellare bene i costi fissi (server/GPU) e variabili (user‑activity), prevedere coinvolgimento reale e monetizzazione efficace, altrimenti diventi un black hole come Sora.

Il “messaggio provocatorio” che lascio qui.
Se Sora fosse solo un esperimento virale, avrebbe senso. Ma è chiaramente un’arma strategica di OpenAI per dominare la fascia “video generativi da testo” prima che altri (Google, Meta, startup) si accorgano del buco. Ma mettere 5 miliardi l’anno sul tavolo è roba da pazzi (o da visionari). La domanda che dovrebbe darmi da CEO con 30 anni di esperienza è: quanto tempo posso permettermi questo burn prima che la redditività non sia più ‘sperata’ ma ‘richiesta’? E quanti vantaggi realmente costituiranno un “moat competitivo” quando la tecnologia diventerà commodity?

In ultima analisi Sora è un caso da manuale: growth travolgente + costi insostenibili + speranza di scalabilità futura. Se la tecnologia di generazione video si abbassa di prezzo e il modello di monetizzazione tiene, OpenAI potrebbe aver fatto un colpo da maestro. Se no, sarà un monolite delle perdite. Ti invito a guardare Sora come un laboratorio vivo di strategia IA: da una parte entusiasmo, dall’altra matematica fredda.