La domanda più frequente nei primi colloqui con le aziende che valutano l’IA è, inevitabilmente, quanto costa. È una domanda legittima. Il problema è che la risposta onesta è «dipende da molti fattori», il che, per quanto vero, aiuta poco chi deve prendere una decisione.
Questo articolo non riporta cifre concrete, perché le cifre senza contesto ingannano più di quanto informino. Spiega invece i fattori che determinano il costo, che cosa lo fa salire e che cosa lo riduce, perché qualsiasi azienda possa valutare con criterio i preventivi che riceve.
Le voci che compongono il costo reale
Un progetto di IA comprende sei categorie di costo. Non tutte sono presenti in ogni progetto e il loro peso relativo varia moltissimo secondo il tipo di intervento.
Licenze software e infrastruttura. È la voce più visibile ma, paradossalmente, quella che pesa meno nella maggior parte dei progetti. Le API dei grandi modelli linguistici si pagano in base all’uso; le piattaforme cloud di machine learning in base alla capacità di calcolo consumata. Nei progetti di automazione con strumenti no-code, i costi ricorrenti sono di solito i più bassi dell’intero progetto. Molte aziende sono sorprese di quanto sia accessibile la tecnologia in sé.
Preparazione e governance dei dati. È la voce che più progetti sottovalutano e quella che incide di più sul costo totale. Quando i dati di un’azienda sono sparsi in sistemi diversi, hanno problemi di qualità o non sono strutturati in modo utile, il lavoro di preparazione può rappresentare la parte principale del costo. La qualità dei dati di partenza è il singolo fattore con il maggiore impatto sul budget finale.
Sviluppo o configurazione del modello. Lo sviluppo di un modello su misura varia moltissimo in base alla complessità del problema e al tipo di soluzione. Un modello previsionale su dati ben strutturati è molto più economico di un sistema di visione artificiale per il controllo qualità su una linea di produzione. Le soluzioni basate su modelli linguistici preaddestrati, senza addestramento da zero, sono le più accessibili per le aziende che iniziano.
Integrazione con i sistemi esistenti. Un modello che non si collega a ERP, CRM o sistemi operativi non genera valore. L’integrazione è una voce che si stima meglio dopo aver analizzato l’infrastruttura attuale. Se i sistemi dispongono di API documentate, l’integrazione è più lineare; se si tratta di sistemi legacy senza API, può essere il lavoro più complesso dell’intero progetto.
Formazione e gestione del cambiamento. I progetti di IA che funzionano sul piano tecnico ma non vengono adottati dal team non generano ritorno. La formazione degli utenti e l’accompagnamento del cambiamento organizzativo sono voci che i progetti ben condotti prevedono fin dall’inizio, non come extra alla fine.
Manutenzione ed evoluzione in produzione. Un modello in produzione richiede monitoraggio, riaddestramento periodico e supporto tecnico. È il costo più spesso dimenticato nei preventivi iniziali e quello che sorprende di più quando arriva il secondo anno.
I fattori che rendono un progetto costoso o sostenibile
Lo stato dei dati. Se i dati dell’azienda risiedono in un sistema ben mantenuto e con uno storico sufficiente, il progetto è più sostenibile. Se sono sparsi, hanno problemi di qualità o occorre costruire da zero l’infrastruttura di raccolta, il costo sale in misura considerevole.
La complessità del problema. Automatizzare la classificazione delle email in arrivo è molto più semplice che costruire un sistema di visione artificiale per individuare difetti su una linea di produzione industriale. La complessità del problema di business è il secondo fattore che incide di più sul costo.
Le integrazioni necessarie. Più sistemi occorre collegare, e più sono datati o poco documentati, più sale il costo di integrazione.
Il perimetro del primo progetto. I progetti pensati per verificare rapidamente il valore, con un perimetro limitato, costano meno di quelli che cercano di risolvere tutto in una volta. La strategia di partire in piccolo, dimostrare il ritorno e poi estendere è spesso più efficiente sia in termini di costo sia di probabilità di successo.
I costi nascosti che raramente compaiono nel preventivo
Il tempo interno del team. Qualsiasi progetto di IA richiede un impegno significativo da parte di persone dell’azienda: definire i requisiti, etichettare i dati, convalidare i risultati, partecipare alla formazione. Questo tempo raramente viene conteggiato come costo del progetto, ma può corrispondere a mesi di lavoro di figure chiave.
Il costo delle iterazioni. I progetti di IA raramente funzionano esattamente come previsto nella prima versione. La fase di messa a punto e miglioramento richiede tempo e, in alcuni modelli contrattuali, budget aggiuntivo. Prima di firmare conviene chiedere come il fornitore gestisce questa fase.
L’etichettatura dei dati. Nei progetti di visione artificiale o di classificazione dei documenti, l’etichettatura manuale dei dati di addestramento richiede il tempo di persone che conoscono il business. Può essere la voce più sorprendente per chi non ha mai affrontato questo tipo di progetto.
La domanda giusta non è quanto costa, ma quanto vale
Un’azienda che valuta un investimento nell’IA fa meglio a chiedersi «che valore genera?» piuttosto che «quanto costa?». Un sistema di manutenzione predittiva che evita fermi costosi in uno stabilimento industriale ha un valore calcolabile. Un chatbot che gestisce la maggior parte delle richieste ripetitive dei clienti ha un valore in ore di lavoro liberate.
Investire in un audit preliminare, che individui i casi d’uso con il maggiore ritorno potenziale e i dati effettivamente disponibili per sostenerli, è il modo più efficiente per evitare sia di investire troppo sia di investire troppo poco. Prima di definire un budget, conviene sapere che cosa si sta costruendo e a quale scopo.
Domande frequenti
Esistono agevolazioni o contributi per i progetti di IA in azienda? Sì. A livello europeo, Horizon Europe e il Consiglio europeo per l’innovazione (EIC) finanziano progetti di ricerca e innovazione che possono includere soluzioni di IA, il programma Europa digitale sostiene l’adozione dell’IA attraverso i poli europei dell’innovazione digitale (EDIH) e ogni Stato membro e ogni regione ha linee proprie di sostegno alla digitalizzazione e all’innovazione. L’accesso a ciascuna misura dipende dal profilo dell’azienda e dal tipo di progetto: conviene verificarle all’inizio della pianificazione.
Meglio costruire un team interno o affidarsi a un partner esterno? Per le aziende che prevedono uno o due progetti in un orizzonte ragionevole, affidarsi a un team specializzato esterno è più efficiente. Per quelle che prevedono un flusso continuo di progetti di IA, costruire competenze interne ha senso nel medio periodo, sempre accompagnato da formazione perché i team diventino progressivamente autonomi.
I costi dell’IA sono cambiati molto negli ultimi anni? In modo significativo. I costi dei modelli linguistici sono diminuiti in misura notevole negli ultimi anni e i modelli open source consentono opzioni di installazione in locale molto competitive. La tendenza prosegue: progetti che qualche anno fa non erano economicamente sostenibili possono esserlo oggi, in particolare per le piccole e medie imprese.