Il 1° giugno 2026 GitHub ha attivato la fatturazione a consumo per Copilot, il suo assistente di programmazione, sostituendo le richieste premium con i nuovi "AI Credits". Nel giro di poche ore migliaia di sviluppatori hanno visto i propri crediti mensili evaporare e hanno riempito forum e social di proteste. TechCrunch ha riassunto l'umore con il titolo, ripreso da un commento, "What a joke". Né GitHub né la controllante Microsoft hanno risposto direttamente alle critiche.
Cosa cambia con gli AI Credits dal 1 giugno
Fino a maggio Copilot funzionava in larga parte come un abbonamento prevedibile: una quota fissa al mese e un numero di richieste premium incluse. Dal 1° giugno le PRU (premium request units) sono state rimpiazzate dai GitHub AI Credits, che si consumano in base ai token effettivamente usati — input, output e token in cache — secondo le tariffe API pubblicate per ciascun modello. A pesare sul conto entrano la scelta del modello, la lunghezza del prompt, la dimensione della risposta e la complessità dei flussi agentici.
In pratica, chiedere a Copilot di completare una riga di codice costa pochissimo, ma lanciare un agente che esplora il repository, modifica più file e itera può bruciare crediti a una velocità sorprendente. È lo stesso modello di consumo che alimenta le API dei grandi laboratori, trasferito però su uno strumento che molti usavano con la mentalità del forfait illimitato.
Perché le bollette degli sviluppatori sono esplose
I numeri che circolano spiegano lo shock. Un programmatore ha raccontato di aver bruciato 6 dollari con una singola richiesta a una funzione agentica. Un abbonato al piano Pro+ ha visto sparire l'8% della propria dotazione mensile in due ore, calcolando che a quel ritmo il suo piano da 39 dollari al mese gli sarebbe costato circa 750 dollari. Le analisi più dettagliate stimano che gli utenti intensivi, quelli che hanno spinto di più sulle funzioni agentiche, rischiano aumenti di costo da 10 a 50 volte.
Il problema non è solo il prezzo, ma la sua imprevedibilità. Con un abbonamento fisso si sa in anticipo quanto si spenderà; con il consumo a token la stessa giornata di lavoro può costare cifre molto diverse a seconda di quanto si appoggia all'IA. Per i team e le aziende, questo rende difficile fare budget e introduce un'ansia da contatore che cambia il modo stesso di lavorare.
Il nodo di fiducia: per anni "usate più IA"
C'è un aspetto che ha fatto più male del prezzo. Per tre anni GitHub e l'intero settore degli strumenti di coding hanno spinto un messaggio preciso: automatizzate di più, spostate più lavoro sull'assistente, costruite pipeline di agenti, abituate i programmatori junior a partire dalla chat di Copilot prima di leggere la documentazione. Molti team hanno fatto esattamente questo, integrando Copilot nei flussi di integrazione continua e ridisegnando le proprie abitudini.
Cambiare le regole del prezzo proprio ora, dopo aver incoraggiato un uso intensivo, è stato percepito come un tradimento di quel patto implicito. Gli sviluppatori si sono ritrovati a pagare di più proprio per i comportamenti che erano stati invitati ad adottare. È il classico effetto di un mercato che prima sussidia per costruire l'abitudine e poi presenta il conto reale.
Come contenere i costi (e quali alternative restano)
Per chi usa Copilot ci sono accorgimenti pratici. Conviene tenere d'occhio il pannello di consumo nelle impostazioni dell'account, scegliere modelli più economici per i compiti semplici e riservare i modelli di punta e gli agenti alle attività che lo giustificano davvero. Spezzare i prompt troppo lunghi e disattivare le funzioni agentiche quando non servono aiuta a non bruciare crediti inutilmente.
Sul piano delle alternative, il mercato offre oggi diverse opzioni: assistenti come Cursor, gli strumenti basati su Claude di Anthropic, le estensioni che si collegano a modelli locali tramite Ollama o LM Studio (a costo zero sull'inferenza, ma con hardware proprio da gestire) e i tanti modelli aperti dei laboratori cinesi a tariffe bassissime. La vicenda Copilot è il segnale di una transizione più ampia: l'intelligenza artificiale applicata al codice esce dalla fase del forfait e entra in quella del contatore, e chi scrive software dovrà imparare a ragionare sul costo di ogni richiesta come già fa chi lavora direttamente con le API.
