Quanto costa un progetto AI in Italia: range reali

Le aziende italiane mi fanno una domanda quasi tutte le settimane: quanto costa davvero un progetto AI. La domanda è legittima e merita risposta strutturata. Il problema è che la maggioranza delle risposte pubbliche disponibili è inutile: troppo astratta (range da 10.000 a 1.000.000€), troppo specifica a un singolo vendor, troppo orientata a vendere un servizio specifico.

Questo articolo dà range realistici per famiglie tipiche di progetti AI in Italia. Non è un listino: è una mappa che permette al management di calibrare aspettative prima di chiedere preventivi. Conoscere i range protegge dal pagare troppo e dal sottovalutare. La pagina audit AI 1h descrive il primo passo concreto per arrivare a un preventivo specifico per la propria situazione.

01. Le quattro fasi di un progetto AI e i loro costi

Un progetto AI completo si articola in quattro fasi che hanno strutture di costo diverse. Confonderle è la prima fonte di sorprese nei preventivi.

Fase 1 — Audit e roadmap. Mappatura processi, identificazione casi candidati, valutazione readiness, costruzione priorità. Output: documento scritto con 2-3 priorità per l’azienda. Range: €240 per audit di un’ora con deliverable PDF, fino a 15.000-30.000€ per audit più esteso su organizzazioni complesse. È la fase più sottovalutata e più importante.

Fase 2 — Pilot di validazione. Implementazione su scala ridotta del primo caso d’uso, con metrica baseline misurata. Output: pilot operativo su perimetro contenuto. Range: 20.000-80.000€ a seconda di complessità tecnica e integrazione dato richiesta. Tempi: 6-12 settimane.

Fase 3 — Ingegnerizzazione e rollout. Trasformazione del pilot in soluzione stabile, integrata con sistemi aziendali, scalata a tutti gli utenti target. Output: workflow AI operativo a regime. Range: 30.000-300.000€ con varianza enorme tra caso e caso. Tempi: 3-9 mesi.

Fase 4 — Esercizio e manutenzione. Costi ricorrenti del sistema in produzione. Output: sistema mantenuto, evoluto, aggiornato. Range: 10-25% del costo di ingegnerizzazione su base annuale, più costi diretti di tool e API. Componente più frequentemente dimenticata in fase preventivo.

Un preventivo serio rende esplicita ognuna delle quattro fasi e i suoi costi. Un preventivo che fornisce una cifra unica per “progetto AI” è troppo aggregato per consentire una decisione informata.

02. Range per famiglie di casi d’uso

I numeri qui sono indicativi e suppongono mercato italiano, partner consulenziale serio, mid-market come scala aziendale. Variano significativamente per scale grandi o molto piccole.

Workflow generativo su tool enterprise commerciale. Custom GPT aziendale, assistente proprietario su ChatGPT Enterprise o Claude Enterprise, configurazione e prompt template. Range tipico: 25.000-70.000€ per pilot completo. Tempi: 6-10 settimane.

Assistente documentale con retrieval (RAG). Sistema che risponde su corpus aziendale, con ricerca semantica su documenti interni. Range: 50.000-150.000€ per prima implementazione, più costi ricorrenti di vector database e API. Tempi: 8-16 settimane.

Visione artificiale per controllo qualità industriale. Sistema di ispezione su linea produttiva. Range: 80.000-250.000€ per linea, dipende fortemente da complessità setup hardware. Tempi: 4-9 mesi inclusa fase di training modello.

Demand forecasting su serie storiche. Modello previsionale integrato con ERP e gestionali esistenti. Range: 60.000-180.000€ per prima implementazione. Tempi: 3-6 mesi.

Manutenzione predittiva su parco macchine. Sistema con sensoristica IoT e modelli predittivi. Range: 100.000-400.000€ con varianza enorme per stato sensoristica preesistente. Tempi: 6-12 mesi.

Sistema di personalizzazione customer-facing. Raccomandazioni prodotto, email personalizzata, customer experience adattiva. Range: 70.000-300.000€ per implementazione, più costi ricorrenti di CDP e tool di attivazione. Tempi: 4-10 mesi.

Programma di formazione AI aziendale strutturato. Per popolazione di 50-150 persone, mix di lecture, workshop, mentoring. Range: 40.000-120.000€ per programma di 6-12 mesi.

Adeguamento conformità AI Act. Mappatura, classificazione, documentazione, policy, formazione articolo 4. Range: 30.000-100.000€ una tantum, più audit annuale di mantenimento.

Questi sono progetti “primo passo”. Aziende che proseguono con più progetti AI in portafoglio investono cifre maggiori distribuite nel tempo. Un’azienda mid-market che fa un percorso AI serio nei primi 36 mesi spende tipicamente tra 400.000 e 1.500.000€ totali distribuiti, con ROI che diventa misurabile dal mese 12-18.

03. Le voci di costo che vengono spesso dimenticate

Tre voci che fanno saltare i budget delle aziende meno esperte.

Costi di esercizio del modello generativo. Token API, licenze enterprise per utente, vector database, hosting. Per progetti con uso intensivo possono raggiungere 3.000-15.000€/mese di solo OPEX su LLM commerciali. Aziende che fanno il calcolo solo sul progetto iniziale si trovano in difficoltà al mese 6.

Manutenzione ed evoluzione modelli. I modelli AI degradano se non vengono mantenuti: dati di training diventano vecchi, comportamenti emergono in produzione, modelli sottostanti vengono deprecati dai fornitori. Manutenzione strutturata costa tipicamente 10-25% del costo di sviluppo iniziale per anno.

Integrazione con sistemi esistenti. Un modello AI funzionante ma non integrato con DMS, CRM, ERP aziendali viene usato dal 5% del team. L’integrazione è spesso la metà del costo totale del progetto, sotto-stimata in fase preliminare. Aziende con landscape IT complesso pagano più caro qui che sul modello AI in sé.

Change management e formazione utenti. Sistemi AI introdotti senza accompagnamento organizzativo vengono adottati male. Formazione, comunicazione interna, gestione resistenze, refinement dell’esperienza utente: voci che valgono 10-20% del costo del progetto e che, dimenticate, riducono il ROI atteso.

Conformità e documentazione. Per progetti che ricadono in alto rischio AI Act o in settori regolamentati: costi di documentazione, audit, valutazioni di conformità periodiche. Possono essere 20-30% del progetto in settori sensibili.

Un preventivo robusto rende esplicite tutte queste voci. Un preventivo che le ignora produce sforamenti prevedibili.

04. La differenza tra cost-of-vendor e total-cost-of-ownership

Una distinzione operativa critica. Il consulente o vendor che propone un preventivo presenta tipicamente solo la parte di costo che fattura lui stesso. Il total cost of ownership (TCO) include voci che il vendor non fattura ma che l’azienda paga comunque.

Componenti TCO oltre il cost-of-vendor:

• Tempo del team interno allocato al progetto (project manager, IT, ufficio coinvolto). Spesso 200-600 ore-persona per un progetto medio, valore equivalente 15.000-60.000€.
• Licenze software ricorrenti non fatturate dal consulente (modelli AI commerciali, tool di sviluppo, infrastruttura cloud).
• Hardware e infrastruttura se il progetto richiede server, sensori, postazioni dedicate.
• Formazione del team utilizzatore se non inclusa nella consulenza.
• Costi di compliance documentale e periodica.
• Costi opportunità: durante l’implementazione il team interno è meno disponibile per altre attività.

Un’analisi TCO seria può raddoppiare la cifra del preventivo di vendor. Aziende che ragionano in TCO fin dal primo budget non si trovano in difficoltà nei mesi successivi. Aziende che ragionano solo sul preventivo del consulente scoprono in corsa che il progetto costa quasi il doppio di quanto pensato.

Una osservazione di settore. Le osservatori del Politecnico di Milano producono periodicamente analisi sulla spesa AI in Italia che danno quadri aggregati utili a confrontare le proprie spese con benchmark di mercato. Sono fonti utili per benchmarking, anche se i numeri aggregati nascondono varianze enormi per settore e maturità.

05. Quando il preventivo è troppo basso per essere onesto

Segnali di pricing non sostenibile da parte di un fornitore o consulente AI italiano.

Implementazione completa sotto i 15.000€. Sotto questa soglia non c’è abbastanza ore-uomo per un progetto serio. Quasi sempre significa che il fornitore conta di farsi pagare gli extra in corso d’opera, oppure consegnerà qualcosa di non utilizzabile.

Niente costi di esercizio nel preventivo. Se un fornitore non parla dei costi mensili ricorrenti, sta nascondendo informazione critica. I costi di esercizio AI esistono sempre, anche minimi: chi non li menziona ha qualcosa da occultare.

Niente fase di pilot prima del rollout. Chi propone di costruire direttamente la soluzione finale senza pilot di validazione sta scommettendo sui requisiti del cliente. Il pilot riduce il rischio di entrambe le parti.

Niente formazione utenti. Un sistema senza formazione resta usato dal 5% del team. Chi propone preventivo zero su questa voce sta vendendo sistema tecnico, non valore aziendale.

Nessuna esposizione tecnica chiara sull’architettura. Preventivo che dice “implementeremo AI” senza specificare quale modello, quale architettura, quale integrazione, è preventivo senza dettaglio sufficiente per un confronto razionale.

Spesso il fornitore con preventivo più basso è quello che fattura più alla fine, perché tutto quello che mancava in offerta arriva come change request a tariffa diversa. Il preventivo più trasparente non è il più basso, è quello che permette al cliente di confrontare in modo informato.

06. Quando il preventivo è troppo alto per la fase

Specularmente, segnali di pricing gonfiato.

Audit iniziale che costa più di 30.000€. Sopra questa soglia spesso si paga marchio di consulenza più che valore tecnico effettivo. Un audit serio fatto da consulente specializzato indipendente costa molto meno per produrre lo stesso o miglior output decisionale.

Pilot di validazione che costa più di 80.000€. Sopra soglia spesso si confonde pilot con prima fase di implementazione. Un pilot deve essere stretto e veloce per scopo di sua natura.

Costi di esercizio che superano 20.000€/mese per uso normale. Possibili in scenari intensivi, ma spesso indicano architettura inutilmente complessa o uso non ottimizzato di modelli costosi quando modelli più economici farebbero il lavoro.

Programmi di formazione costo per testa superiore a 1.500€/giorno-persona. Possibile per consulenza top-tier specializzata, ma per la maggioranza delle situazioni è sovrapprezzo non giustificato.

Una buona pratica è chiedere sempre preventivi a tre fornitori indipendenti, di profili diversi (consulente specializzato, system integrator grande, vendor di soluzione verticale). Confrontare non solo le cifre ma anche le voci, le scoperte, le omissioni. Le differenze rivelano la maturità del fornitore tanto quanto la cifra.

07. Sopra che soglia di azienda i numeri cambiano

I range citati sopra suppongono PMI italiana mid-market (20-300 milioni di fatturato). Sopra e sotto questa fascia i numeri cambiano.

Micro-imprese e startup pre-seed. Difficile fare progetti AI proprietari con ROI in tempi brevi. Suggerimento operativo: usare tool enterprise commerciali ben configurati (ChatGPT Enterprise, Claude Enterprise, Copilot), spendere su formazione e processo, evitare investimenti tecnici sotto-scalati. Budget realistico: 10.000-30.000€ nei primi 12 mesi tra licenze, formazione, eventuale assistenza consulenziale leggera.

Grandi imprese e gruppi industriali. Cifre crescono con scala. Programmi AI strutturati per gruppi italiani da oltre 500M di fatturato hanno budget annuali ricorrenti spesso tra 2-10 milioni di euro per funzione AI completa. La complessità organizzativa giustifica anche cifre di consulenza maggiori.

Imprese sotto pressione regolatoria pesante. Settori come finanza, sanità, infrastrutture critiche hanno costi di conformità AI Act significativamente superiori. Un sistema AI ad alto rischio fully compliant costa 2-3x quello che costa lo stesso sistema in settore a rischio minimo.

La pagina esperto AI descrive come il quadro di servizi si adatta a queste diverse fasce di azienda. La pagina consulenza AI per aziende entra nel merito delle modalità di ingaggio.

08. Come si ottimizza il budget AI nel tempo

Un programma AI sostenibile riduce progressivamente il proprio cost ratio nel tempo. Quattro leve concrete.

Riutilizzo dell’infrastruttura tra progetti. Vector database, librerie prompt, sistema di integrazione costruiti per il primo progetto si riusano per il secondo e il terzo. Costo marginale del secondo progetto è 50-70% del primo, del terzo 30-50%.

Sviluppo di competenze interne. Dopo i primi 12-18 mesi le aziende possono internalizzare parte del lavoro che era esterno. Manutenzione ordinaria, evoluzione prompt, primo livello di supporto interno: tutte funzioni che riducono dipendenza dal consulente esterno e relativo costo orario.

Negoziazione di licenze enterprise. Volumi crescenti danno potere negoziale verso i vendor dei modelli AI commerciali. Aziende che hanno consolidato uso interno possono negoziare licenze enterprise a condizioni più favorevoli del primo anno.

Selezione di portfolio progetti AI prioritari. Dopo i primi anni il management ha visibilità su quali use case AI portano valore e quali no. Concentrare investimenti sui case dove il ritorno è dimostrato e abbandonare quelli che non hanno funzionato è esercizio di efficienza che riduce sprechi.

Il principio strategico è uno: il primo progetto AI è il più caro, sia in termini economici sia di apprendimento organizzativo. I progetti successivi diventano progressivamente più economici e più efficaci. Aziende che dopo il primo progetto rinunciano alla AI per “costo eccessivo” sono spesso quelle che non hanno tenuto in conto questa curva di ammortamento.

09. Riferimenti professionali italiani

Una nota di chiusura sulle fonti istituzionali italiane utili per benchmarking. L’associazione professionale italiana dei lavoratori del settore — aipia.it — pubblica materiali divulgativi e indagini sul mercato consulenziale AI italiano. Gli osservatori accademici, in particolare gli Osservatori Digitali del Politecnico di Milano, producono analisi aggregate sulla spesa AI italiana. Camere di commercio locali e associazioni di settore (Confindustria, settore-specifiche) pubblicano materiali utili per comparare la propria spesa con benchmark di settore.

Per chi cerca un punto di partenza concreto: audit AI 1h costa €240 e produce in tre giorni un PDF specifico per la propria azienda con stime dimensionate al contesto. È molto più informativo che qualsiasi tabella generica, perché parte dai dati specifici dell’azienda invece che da medie di settore. È anche il modo più economico di evitare le sorprese di budget descritte sopra.