Google Cloud cambia il modello di billing e porta gli agenti AI nella finanza

Google Cloud ha presentato nuove modalità di fatturazione e strumenti FinOps per Gemini Enterprise e ha annunciato Gemini Enterprise for Financial Services, una soluzione inizialmente disponibile in anteprima per capital market e corporate banking.

Dal posto utente al consumo: il nuovo billing di Gemini Enterprise

Il primo annuncio riguarda la possibilità di combinare il tradizionale abbonamento per utente con una nuova edizione pay-as-you-go di Gemini Enterprise. Quest’ultima, riservata nella fase iniziale ad alcuni clienti e destinata a una distribuzione più ampia, non prevede un canone base: l’azienda paga capacità di calcolo e token consumati alle normali tariffe API dei modelli.

L’abbonamento per postazione rimane disponibile per gli utenti che ricorrono quotidianamente agli strumenti AI e offre quindi una base di costo prevedibile. Il consumo effettivo si presta invece ai carichi intermittenti, ai progetti con domanda variabile e agli agenti eseguiti in background. Secondo il listino pubblicato da Google Cloud, l’edizione Business parte da 21 dollari per utente al mese, mentre Standard e Plus partono da 30 dollari. Il pay-as-you-go non applica una tariffa per posto ed è rivolto a organizzazioni con almeno 20 utenti. Prezzi, condizioni e disponibilità effettiva possono variare in base al contratto e al mercato.

Google introduce inoltre quote giornaliere condivise a livello di progetto. La capacità acquistata attraverso le licenze può essere utilizzata da applicazioni aziendali, agenti personalizzati e strumenti per gli sviluppatori, compresi Google Antigravity e l’AI di Android Studio per i clienti ammessi. Le quote comprese nel contratto vengono consumate prima di applicare eventuali addebiti a consumo.

L’obiettivo è ridurre due forme di inefficienza: le licenze assegnate a utenti che sfruttano poco l’AI e la capacità inutilizzata in alcune aree mentre altre esauriscono le proprie quote. Per le direzioni IT, tuttavia, il pooling rende necessario definire criteri di attribuzione interna. Senza tagging dei progetti, centri di costo e metriche per singolo caso d’uso, la fattura consolidata rischia di rendere meno visibile chi ha prodotto il consumo.

Impegni di spesa e lavorazioni differibili

Per i carichi più stabili sono disponibili i Flexible Savings Plans. L’impresa assume un impegno mensile di spesa e ottiene, secondo Google, uno sconto del 10% con durata annuale o del 20% con durata triennale sui costi dei token. Non sono previsti importi minimi o massimi dichiarati e la spesa può essere assorbita dall’Enterprise Agreement Google Cloud già esistente.

Google ha annunciato anche una tariffa per le esecuzioni differite, in arrivo per alcuni workload. Le attività prive di requisiti stringenti sui tempi potranno essere programmate nelle fasce in cui la capacità è meno richiesta, con una riduzione dichiarata fino al 50% del costo di inferenza. Sono candidati naturali la generazione periodica di report, l’elaborazione notturna di documenti e le analisi batch. Restano esclusi i processi interattivi o soggetti a scadenze immediate.

Tetti mensili e anomalie: quando il controllo può fermare l’agente

Le nuove funzioni della Google Cloud Billing Console permettono di impostare limiti mensili rigidi a livello di progetto. Al raggiungimento del tetto, le chiamate API dell’agente vengono sospese, senza interrompere il resto dell’infrastruttura di produzione. Sono previsti avvisi al 50%, all’80% e al 100% del budget.

L’amministratore può riattivare il processo dalla console oppure autorizzare preventivamente gli sforamenti, addebitati a consumo e, se disponibile, coperti dal Flexible Savings Plan. Un sistema di rilevazione delle anomalie segnala le variazioni rispetto al comportamento abituale e individua le tre voci di listino che hanno contribuito maggiormente all’aumento.

Google mette inoltre a disposizione un calcolatore per stimare licenze, strumenti di sviluppo ed esecuzioni in background. Un agente FinOps produce invece riepiloghi in linguaggio naturale della spesa registrata.

Del resto, il tema dell’AI FinOps sta diventando sempre più rilevante. In base alla ricerca State of FinOps 2026, realizzata dalla FinOps Foundation su oltre 1.000 rispondenti che rappresentano oltre 83 miliardi di dollari di spesa cloud annua, il 98% dichiara ormai di gestire costi AI, contro il 31% di due anni prima, e indica il FinOps per l’AI come prima priorità futura.

Gemini Enterprise si specializza per banche e mercati finanziari

Sul versante applicativo, Gemini Enterprise for Financial Services riunisce un Financial Research agent gestito da Google, oltre 50 “skill” con istruzioni dedicate ai ruoli finanziari e 13 connettori. La soluzione è in preview per capital market e corporate banking; Google non ha comunicato un prezzo specifico né una data per la disponibilità generale.

Le skill coprono attività quali valutazione del rischio di credito, monitoraggio dei portafogli, sintesi delle notizie di mercato, ricerche investigative, formattazione dei report e applicazione delle linee guida aziendali. I connettori permettono di accedere, all’interno dell’ambiente del cliente e nel rispetto delle relative licenze, a fonti fra cui Dun & Bradstreet, FactSet, Moody’s, MSCI, S&P Global e SEC Edgar.

Il Financial Research agent può essere usato dall’applicazione Gemini Enterprise oppure richiamato da altri flussi mediante API Agent-to-Agent. Le integrazioni basate sul Model Context Protocol collegano l’agente alle fonti aziendali e di mercato. La piattaforma opera inoltre con Google Workspace e Microsoft 365, consentendo di trasferire gli output in Docs, Sheets, Slides, Word, Excel e PowerPoint.

Google attribuisce particolare rilievo alla verificabilità. L’agente dovrebbe fornire citazioni puntuali, metodologia utilizzata, snapshot dei dati, punteggi di confidenza e informazioni utili a ricostruire il processo.

Tra gli esempi citati da Google figurano l’analisi dell’esposizione di un portafoglio obbligazionario in meno di cinque minuti, la preparazione di presentazioni per emissioni obbligazionarie, l’individuazione di possibili disallineamenti nei mercati del credito e l’approfondimento di strutture societarie complesse. Quest’ultimo processo comprende l’ingestione di PDF, fogli di calcolo e documenti regolamentari, la ricostruzione delle partecipazioni e l’identificazione dei titolari effettivi.

Deutsche Bank ha partecipato alla progettazione del Financial Research agent e prevede di impiegarlo inizialmente nella Corporate Bank. L’istituto sta valutando anche applicazioni per il contrasto alla criminalità finanziaria, le previsioni, l’analisi di scenario e la preparazione delle proposte commerciali.

Il divario italiano tra investimenti e governance

L’offerta arriva mentre gli intermediari italiani stanno aumentando gli investimenti, senza avere ancora completato l’assetto di governo dell’AI. Secondo l’ultima Indagine Fintech della Banca d’Italia, per il 79% degli operatori l’AI incide sulle strategie digitali oppure è in fase di esplorazione; la quota raggiunge il 100% fra le banche maggiori. Un progetto fintech su quattro comprende componenti AI e l’89% degli investimenti riguarda nuove iniziative, trainate dall’AI generativa.

La maturità organizzativa appare più arretrata. Soltanto il 33% dei 245 intermediari considerati dispone di una struttura per la governance dell’AI. Il 30% ha avviato, o prevede di avviare entro il 2026, il censimento e la valutazione del rischio dei sistemi secondo l’AI Act; fra le banche maggiori la percentuale sale al 72%. Sono stati censiti 798 sistemi, dei quali l’11% classificato ad alto rischio e il 55% a rischio limitato.

L’indagine rileva inoltre che la GenAI è ancora poco presente nei servizi core, quali crediti e depositi, dove prevalgono forme più tradizionali di machine learning.