L’AI promette ROI a doppia cifra, poi arrivano i costi nascosti

Le aziende che hanno calcolato il ritorno dei progetti AI sui costi visibili — licenze, infrastruttura, integrazione — scoprono in fase di esecuzione che il conto reale è molto più alto. Una ricerca riportata da Entrepreneur indica che le organizzazioni sottostimano l’investimento AI fino al 60%, perché il business case standard ignora tre voci che non appaiono nei preventivi vendor ma assorbono budget per mesi.

Il 95% dei pilot AI generativi non ha prodotto alcun impatto misurabile su profit-and-loss, secondo i dati MIT NANDA che stanno circolando nelle riunioni di board. Non è solo questione di adottare l’AI, è questione di adottarla calcolando bene il costo totale di possesso.

Le tre voci che spariscono dai preventivi

La prima voce è la preparazione dati e cleanup tecnico. Quasi tutti i progetti AI poggiano su dati interni che non sono mai stati pensati per l’uso analitico: silos, formati incompatibili, duplicati, campi nulli, glossari non allineati tra dipartimenti. Il vendor che vende il modello dà per scontato che i dati siano pronti. Non lo sono quasi mai. Il lavoro di normalizzazione, pulizia e governance prima che il modello possa funzionare costa quanto la licenza stessa, e in molti casi di più.

La seconda voce è il governance setup e compliance. Definire chi può vedere cosa, costruire i guardrail, istruire i team su quando l’output AI è affidabile e quando no, scrivere le procedure di escalation, mappare i rischi normativi: tutto questo richiede figure interne dedicate o consulenti esterni, e tempi che si misurano in trimestri. La compliance europea con l’AI Act ha alzato l’asticella, e chi non se ne occupa in fase di progetto se ne occupa in fase di audit, dove costa di più.

La terza voce è il change management e la formazione. Un modello che gira non produce automaticamente ROI: lo produce solo se le persone smettono di lavorare come prima. Cambiare i flussi, riscrivere le procedure, formare le persone, gestire la resistenza, monitorare l’adozione effettiva sono tutte attività che hanno un costo concreto e che il piano AI deve includere. Le aziende che saltano questa parte ottengono modelli accesi e workflow invariati.

Perché la matematica del ROI non torna

Si calcolano i tempi di automazione possibili moltiplicandoli per il costo orario del personale, si sottrae la licenza, si dichiara il payback in dodici mesi. La realtà è che l’automazione richiede mesi di tuning, le persone non vengono ricollocate sulla carta ma in pratica, e i benefici di efficienza arrivano in coda, dopo che la curva di apprendimento si è completata. Nel frattempo i costi nascosti corrono.

Nei primi sei mesi domina la spesa di preparazione dati, nei sei successivi quella di governance e integrazione, nei terzi sei quella di formazione. Solo nel secondo anno comincia a vedersi qualche risparmio operativo, e solo se la prima fase è stata fatta bene. Chi taglia su data quality nei primi mesi paga il taglio in tutti i mesi successivi.

Partire da un baseline KPI rigoroso prima di toccare qualsiasi modello è la condizione di efficacia. Misurare il tempo, l’errore, il costo unitario delle attività che si vogliono automatizzare nello stato attuale. Senza baseline ogni miglioramento successivo è opinione, non dato.

I tre pattern che bruciano i pilot

Tre comportamenti spiegano la maggior parte dei pilot AI falliti. Il primo: deployare l’AI sopra processi invariati. La promessa dell’AI è che il lavoro cambi forma, non che il vecchio lavoro venga fatto da un modello invece che da una persona. Se il processo resta lo stesso, l’AI aggiunge un layer di costo e basta.

Il secondo: assenza di baseline KPI. Senza misura iniziale non c’è confronto, e senza confronto non c’è dimostrazione di ROI. Chi parte senza baseline lo scopre quando il CFO chiede i numeri.

Il terzo: sottostima del costo totale. È la voce che il Forum Economico Mondiale ha fatto propria nelle linee guida per i CFO sull’investimento AI: il TCO include data, governance, change management, e va calcolato prima di firmare il contratto.

L’asimmetria informativa con il vendor

Il vendor che vende il modello non ha incentivo a calcolare il TCO completo. Il suo perimetro di vendita è la licenza e l’integrazione tecnica, non la trasformazione organizzativa. Chi compra deve fare quel lavoro per conto suo, oppure pagarlo a un terzo consulente. La maggior parte delle aziende sottostima questa asimmetria al momento della firma.

Una soluzione di mercato sta emergendo: i contratti AI a outcome, dove il vendor viene pagato in base ai risultati misurabili invece che a licenze fisse. La logica trasferisce parte del rischio sul fornitore, che ha allora incentivo a includere il change management. Sono modelli ancora minoritari, ma la traiettoria li rende sempre più attraenti per chi compra. Chi negozia un contratto AI nuovo nei prossimi mesi dovrebbe chiedere al vendor una proposta a outcome come benchmark, anche se poi sceglie il formato a licenza.

L’AI è arrivata nelle aziende prima che la cultura del calcolo ROI si adattasse a uno strumento il cui valore dipende da quanto il lavoro umano viene riprogettato. Le altre tecnologie enterprise (ERP, CRM, cloud) hanno richiesto venti anni per maturare metriche di valutazione condivise. Sull’AI si sta provando a farlo in due o tre. La fretta produce business case che funzionano solo sulla carta.

Il salto culturale che il management non sta facendo

Considerare l’AI come un acquisto tecnologico anziché come un investimento di trasformazione è l’errore di fondo. Un acquisto tecnologico si valuta sul TCO della tecnologia. Un investimento di trasformazione si valuta sul TCO della trasformazione: tecnologia più persone più processi più tempo. La seconda voce è di gran lunga più grande della prima, e nessun preventivo vendor la include.

Prima di firmare il prossimo contratto AI, calcolare il costo del cambio di processo, della formazione e della governance interna come se fossero voci separate del budget. Se la somma supera del 40-60% la quota tecnologia, il business case sta finalmente dicendo la verità.