Range di investimento reali per chatbot, automazione documentale e agenti AI, i costi ricorrenti che i preventivi dimenticano e un metodo semplice per capire se il progetto si ripaga.
Panoramica in 20 secondi
La prima domanda di ogni imprenditore è sempre la stessa: quanto mi costa? Ed è la domanda a cui il mercato risponde peggio, trincerandosi dietro il classico dipende. Dipende davvero, ma i range esistono e chi lavora nel settore li conosce: non pubblicarli serve più ai fornitori che ai clienti.
Partiamo dal basso. Un proof of concept serio (un prototipo funzionante su un processo reale, con dati veri, per decidere se investire) si colloca in genere tra i 5.000 e i 15.000 euro e richiede dalle quattro alle otto settimane.
Un assistente conversazionale su base di conoscenza aziendale, costruito con la tecnica RAG che ancora le risposte del modello ai documenti interni invece che alla sua memoria, va tipicamente dai 15.000 ai 50.000 euro per la prima versione in produzione: la forbice dipende da quanti sistemi deve interrogare e da quanto sono ordinati i documenti di partenza. Sono cifre riferite a progetti fatti su misura da fornitori italiani, non ad abbonamenti a prodotti preconfezionati, che vivono in un mercato diverso e rispondono a bisogni diversi.
Salendo di complessità, l'automazione documentale (fatture passive, bolle, contratti letti, classificati e registrati automaticamente) si muove tra i 20.000 e i 60.000 euro a seconda dei volumi e dei gestionali da integrare. Un agente AI che esegue un processo completo, per esempio il ciclo di approvazione degli acquisti o la preparazione delle offerte commerciali, parte dai 30.000 euro e può superare i 100.000 quando tocca molti sistemi e richiede logiche di controllo sofisticate.
I progetti di computer vision industriale, dal controllo qualità sulla linea alla sicurezza nei reparti, vivono in una fascia simile, con la variabile aggiuntiva dell'hardware di ripresa. Il machine learning predittivo (previsioni di domanda, manutenzione predittiva, analisi del rischio di abbandono dei clienti) oscilla tra i 25.000 e gli 80.000 euro, dove il costo vero non è l'algoritmo ma la preparazione dei dati storici.
In tutte queste fasce vale una regola che vale la pena memorizzare: la qualità dei dati di partenza sposta il prezzo più di qualunque altra variabile tecnica del progetto.
Il capitolo che i preventivi dimenticano più spesso è quello dei costi ricorrenti, ed è anche quello che scala con l'uso: far funzionare un assistente per dieci persone non costa come farlo funzionare per cento. La voce più variabile è il consumo dei modelli linguistici, e qui vale una regola di diffidenza: chi indica una cifra al mese senza aver analizzato i volumi non ha fatto i conti.
Il consumo dipende da tre leve (quante richieste al giorno, quanto contesto elabora ogni richiesta, quale modello risponde) e la stessa applicazione può costare trenta euro o tremila euro al mese a seconda di come si combinano: un assistente interno con poche decine di richieste al giorno su un modello economico pesa quanto un abbonamento software, lo stesso assistente esteso a centinaia di utenti con documenti lunghi nel contesto e un modello di fascia alta diventa una voce di bilancio vera. Cresce con gli utenti anche il supporto: più persone, più casi limite, più monitoraggio della qualità, perché un sistema AI degrada in silenzio e qualcuno deve accorgersene prima dei clienti.
A queste voci si sommano hosting, aggiornamenti dei modelli sottostanti e riaddestramento periodico per i sistemi predittivi. La regola del 15-25 per cento annuo vale per un uso interno tipico; oltre quella scala si ragiona per fasce di utenti e di consumo, contrattualizzate prima della firma.
Il modo giusto di valutare un preventivo AI non è confrontarlo con altri preventivi, ma con il costo del problema che risolve. Il metodo è alla portata di qualunque controller: si prende il processo candidato all'automazione e si misura quanto costa oggi, sommando le ore-uomo dedicate, il costo degli errori e delle rilavorazioni, e il valore dei tempi di attesa che genera a valle.
Un ufficio che dedica due persone a metà tempo alla registrazione manuale di documenti sta spendendo, tra costo aziendale e inefficienze, oltre 40.000 euro l'anno per un'attività che non produce valore per nessuno. Su questa base il criterio diventa oggettivo: un progetto sano dovrebbe ripagarsi tra i dodici e i diciotto mesi, considerando investimento iniziale e costi ricorrenti.
Se il rientro calcolato supera i tre anni, o il progetto è sovradimensionato o il processo scelto è quello sbagliato: spesso conviene ripartire da un processo più piccolo e più doloroso, dove il beneficio si vede subito, convince gli scettici interni e finanzia il passo successivo.
I segnali d'allarme nei preventivi funzionano in entrambe le direzioni. Diffidare di chi propone cifre a sei zeri senza aver analizzato processi e dati: nessun professionista serio quota un progetto AI senza un assessment preliminare.
Ma diffidare anche del preventivo irrealisticamente basso, che di solito nasconde un prodotto preconfezionato rivenduto come su misura o costi ricorrenti taciuti. Quanto alle alternative, oggi le strade sono tre, non due.
La prima è il SaaS verticale già pronto: vince sui costi quando il processo è standard e uguale per tutti. La seconda è il progetto custom appoggiato alle API dei grandi modelli: investimento iniziale contenuto, si paga a consumo, ideale per partire in fretta.
La terza è farsi l'intelligenza artificiale in casa: modelli open o Small Language Model specializzati, installati sui propri server. Costa di più all'inizio (hardware, messa a punto, competenze) ma ribalta la struttura dei costi: il consumo marginale per utente crolla, i dati non escono dall'azienda e la spesa diventa prevedibile.
Conviene quando i volumi sono alti, gli utenti sono tanti o i dati sono sensibili. Infine gli incentivi: tra credito d'imposta Transizione 5.0, bandi regionali e voucher, una quota rilevante dell'investimento può rientrare, purché la pratica nasca insieme al progetto.
Chiudiamo con un caso concreto e verosimile, con i numeri in fila. Una PMI metalmeccanica lombarda, 45 dipendenti, riceve circa 9.000 documenti l'anno tra ordini, conferme e bolle dei fornitori, gestiti a mano da due impiegate per metà del loro tempo: costo aziendale stimato 38.000 euro l'anno, più gli errori di inserimento che a valle generano solleciti e note di credito per altri 7.000.
Il progetto: automazione documentale con intelligenza artificiale integrata nel gestionale, 42.000 euro di investimento iniziale, 7.000 euro l'anno di costi ricorrenti. Il beneficio a regime: l'ottanta per cento dei documenti processato senza intervento umano, un risparmio annuo di circa 34.000 euro tra tempo liberato ed errori evitati.
Il payback si colloca attorno ai quindici mesi; con un credito d'imposta al venti per cento scende sotto l'anno. Le due impiegate non sono state licenziate: gestiscono le eccezioni e hanno assorbito la crescita dei volumi senza nuove assunzioni.
Non tutti i progetti finiscono così, ma i buoni progetti si riconoscono prima, proprio da questi conti fatti bene.
Se anche una sola voce manca, chiedete chiarimenti prima di firmare: i buoni progetti di intelligenza artificiale si riconoscono prima, dai conti fatti bene.
Il modo più sano di comprare AI è per gradi: un prototipo su un processo reale, a budget contenuto, che dimostra il valore con i dati dell'azienda prima di firmare il progetto completo. È l'approccio che Italy Soft applica a ogni progetto: si investe sul serio solo su ciò che ha già dimostrato di funzionare.
Consumo dei modelli, hosting, monitoraggio, aggiornamenti: un preventivo serio espone i costi di esercizio accanto a quelli di sviluppo, perché il totale su tre anni è l'unico numero che conta davvero per decidere. Se questa voce manca, la domanda da fare al fornitore è una sola: perché non c'è?
La differenza tra un chatbot dimostrativo e un sistema che lavora sta nell'integrazione con gestionale, CRM e documenti aziendali. È la voce che sposta di più il prezzo ed è anche quella che determina il beneficio reale: un'AI scollegata dai processi resta un giocattolo costoso.
Credito d'imposta Transizione 5.0, voucher digitalizzazione e bandi regionali possono coprire una quota rilevante dell'investimento, ma richiedono requisiti tecnici e documentazione pensati prima di partire: la pratica costruita a posteriori è il modo più comune di perdere il beneficio.
Sotto una certa scala conviene pagare a consumo le API dei grandi modelli linguistici; oltre (molti utenti, volumi alti, dati sensibili) un modello open o uno Small Language Model sui propri server ribalta i conti: investimento iniziale maggiore, costo marginale per utente minimo e piena sovranità sui dati.
Redazione a cura di Italy Soft, con il supporto di strumenti di intelligenza artificiale e revisione editoriale umana.
Italy Soft
In 30 minuti di audit gratuito analizziamo i tuoi processi e calcoliamo il ROI concreto. Nessun impegno.