Il preventivo dice 80 mila euro. Dopo un anno, ne avete spesi 300 mila. Nessuno ha mentito — semplicemente nessuno vi ha detto tutta la verità. Questo è il pattern più comune nei progetti AI enterprise, e succede perché il costo visibile è una frazione di quello reale.
GRAL crede che la trasparenza sui costi sia un prerequisito per qualsiasi progetto serio. Questo articolo è il documento che avremmo voluto dare a ogni azienda prima del primo incontro.
L'Iceberg dei Costi AI
Il costo di un progetto AI è come un iceberg. La parte visibile — il modello, lo sviluppo iniziale, la licenza software — è il 20-30% del totale. Il resto è sommerso.
La Parte Visibile
Sviluppo e integrazione iniziale. È il numero nel preventivo. Include: analisi dei requisiti, sviluppo del modello, integrazione con i sistemi esistenti, testing, deploy iniziale. Per un progetto enterprise di media complessità, parliamo di 50-200 mila euro. Questa è la parte che tutti capiscono e che tutti quotano.
Licenze e infrastruttura. Se usate servizi cloud per l'AI (GPU, API di modelli, storage), il costo iniziale è spesso basso — poche migliaia di euro al mese. Sembra gestibile. Il problema è che scala con l'utilizzo, e l'utilizzo in produzione è sempre maggiore di quello nei test.
La Parte Sommersa
Preparazione dei dati. In GRAL stimiamo che il 40-60% del tempo di un progetto AI va nella preparazione dei dati. Pulire, normalizzare, etichettare, validare. Se i vostri dati sono in buono stato, questa fase è rapida. Se sono frammentati su dieci sistemi diversi con formati inconsistenti — come nella maggioranza delle aziende — è la voce di costo più grande.
Numeri concreti: etichettare manualmente un dataset per computer vision può costare 10-50 euro per ora di lavoro specializzato. Se servono 10.000 immagini etichettate, fate il calcolo.
Costi infrastrutturali in produzione. Il modello che girava bene nel test su 100 richieste al giorno ora ne gestisce 10.000. I costi cloud scalano. Le GPU non sono economiche. Un singolo modello di media complessità in produzione può costare 2.000-15.000 euro al mese in infrastruttura, a seconda del volume e della latenza richiesta.
Monitoraggio e manutenzione. Un modello AI in produzione non è un software tradizionale che "funziona finché funziona." I modelli degradano nel tempo — un fenomeno chiamato model drift. I dati cambiano, il contesto evolve, le performance calano. Serve monitoraggio continuo e retraining periodico.
Costo tipico: 15-25% del costo di sviluppo iniziale, ogni anno. Per sempre. O almeno finché il sistema è in produzione.
Costi del personale interno. Qualcuno nella vostra azienda deve gestire il rapporto con il fornitore, supervisionare il sistema, gestire i casi anomali, formare gli utenti. Anche se non assumete un data scientist, il tempo delle persone esistenti ha un costo.
Costi di opportunità. Mentre il team è impegnato nel progetto AI, non sta facendo altro. Le riunioni di allineamento, le sessioni di test, la raccolta feedback — tutto sottrae tempo ad altre attività. Questo costo è invisibile nei bilanci ma reale nelle operazioni.
I Modelli di Costo Più Comuni
Progetto a Prezzo Fisso
Come funziona: pagate un importo definito per un deliverable definito. "Vi costruiamo un sistema di controllo qualità visivo per 120 mila euro."
Pro: budget prevedibile, rischio del fornitore. Contro: il fornitore ha un incentivo a minimizzare lo scope. Ogni richiesta aggiuntiva diventa un change request a pagamento. Il risultato è spesso il minimo funzionante, non il sistema ottimale.
Quando ha senso: per problemi ben definiti, con dati puliti e requisiti stabili. Raro nel mondo reale.
Time & Materials
Come funziona: pagate le ore effettive del team del fornitore. Tariffe tipiche: 800-2.000 euro al giorno per persona, a seconda della seniority.
Pro: flessibilità massima, il progetto si adatta alla realtà. Contro: budget imprevedibile. Senza governance stretta, i costi lievitano. Il fornitore non ha incentivo a essere efficiente.
Quando ha senso: per progetti esplorativi o con requisiti che evolvono. Ma serve un project manager interno competente che controlli lo spending.
Piattaforma con Canone
Come funziona: pagate una fee mensile o annuale per l'uso di una piattaforma AI. Include infrastruttura, aggiornamenti, supporto base.
Pro: costi prevedibili, manutenzione inclusa, time-to-value più rapido. Contro: meno personalizzazione, dipendenza dal vendor, costi cumulativi nel lungo periodo.
Quando ha senso: quando il vostro problema rientra in ciò che la piattaforma risolve bene. Non forzate un problema custom in una piattaforma standard.
Come Calcolare il TCO Reale
Il Total Cost of Ownership di un progetto AI su 3 anni include:
Anno 1:
- Assessment e preparazione dati: 20-40% del budget totale
- Sviluppo e integrazione: 30-40% del budget totale
- Infrastruttura e deploy: 10-15% del budget totale
- Formazione e change management: 5-10% del budget totale
Anno 2-3 (per anno):
- Infrastruttura operativa: 2.000-15.000 euro/mese
- Monitoraggio e manutenzione: 15-25% del costo di sviluppo iniziale
- Retraining periodico: 5-15% del costo di sviluppo iniziale
- Supporto e gestione interna: 0.5-1 FTE equivalente
Esempio concreto: un sistema di document intelligence per un'azienda di medie dimensioni.
| Voce | Anno 1 | Anno 2 | Anno 3 |
|---|---|---|---|
| Sviluppo e integrazione | 120.000€ | — | — |
| Preparazione dati | 40.000€ | — | — |
| Infrastruttura | 36.000€ | 48.000€ | 48.000€ |
| Manutenzione e retraining | — | 25.000€ | 25.000€ |
| Personale interno (parziale) | 20.000€ | 20.000€ | 20.000€ |
| Totale | 216.000€ | 93.000€ | 93.000€ |
| TCO cumulativo | 216.000€ | 309.000€ | 402.000€ |
Il preventivo iniziale diceva 120.000 euro. Il TCO a 3 anni è 402.000 euro. Tre volte e mezzo tanto. Non è una truffa — è la realtà di qualsiasi sistema software enterprise. Ma se non la sapete prima, non potete calcolare il ROI.
Le Domande Che Dovete Fare al Vostro Fornitore
Prima di firmare qualsiasi contratto, GRAL consiglia di ottenere risposte scritte a queste domande:
Qual è il costo infrastrutturale mensile stimato in produzione? Non in test, in produzione, con volumi reali.
Cosa include la manutenzione e cosa no? Aggiornamenti di sicurezza, retraining, ottimizzazione delle performance — cosa è incluso nel canone e cosa è extra?
Come scalano i costi con il volume? Se oggi processate 1.000 documenti al mese e domani 10.000, il costo decuplica? Raddoppia? Resta uguale?
Cosa succede se vogliamo cambiare fornitore? I dati sono vostri? Il modello è trasferibile? O siete locked-in?
Qual è il costo di downtime? Se il sistema va giù, quanto costa in termini di SLA, penali, impatto operativo?
Chi paga se il modello non performa? Ci sono garanzie sulle performance? Clausole di uscita se le metriche non vengono raggiunte?
Il ROI Deve Giustificare il TCO, Non il Preventivo
L'errore più comune è calcolare il ROI confrontando il beneficio atteso con il costo di sviluppo iniziale. Il calcolo corretto confronta il beneficio atteso con il TCO.
Se il vostro sistema di AI risparmia 150.000 euro all'anno in costi operativi, e il TCO è 130.000 euro all'anno (dopo il primo anno), il ROI è positivo ma sottile. Se il beneficio è 300.000 euro all'anno, il ROI è solido.
Fate il calcolo con i numeri veri, non con le stime ottimistiche del vendor. E fatelo prima di iniziare, non dopo.
GRAL presenta sempre il TCO completo ai propri interlocutori. Non perché sia una pratica comune — non lo è — ma perché un progetto costruito su aspettative realistiche ha molte più probabilità di successo di uno costruito su un preventivo attraente.