Quanto costa davvero l'intelligenza artificiale in azienda
Il costo dell'intelligenza artificiale in azienda non è il prezzo di un abbonamento o di un pacchetto di token: è la somma di cinque voci distinte (tecnologia, dati, integrazione, persone, governance), di cui la tecnologia è quasi sempre la più piccola. Per una PMI italiana un primo progetto su un processo definito costa tipicamente tra 15.000 e 60.000 euro, e la parte che riguarda modelli e consumo pesa tra il 15% e il 25% del totale.
Non è un problema di listino, è un problema di dove guardi. Si negozia per settimane sul prezzo dello strumento e si scopre a progetto avviato che il costo vero era altrove: nei dati da sistemare, nei sistemi da collegare, nelle persone da formare.
Questo articolo scompone il conto voce per voce, con i pesi reali, e indica le quattro leve che riducono davvero la spesa senza abbassare la qualità del risultato.
Le cinque voci che compongono il conto dell'AI
Ogni progetto di intelligenza artificiale che arriva in produzione ha la stessa struttura di costo, indipendentemente dal settore e dalla dimensione dell'azienda. Cambiano i pesi, non le voci.
1. Tecnologia e consumo
Modelli, API, abbonamenti, infrastruttura di esecuzione. È la voce di cui parlano tutti ed è quella che pesa meno: tra il 15% e il 25% del totale in un progetto ben strutturato. Per la maggior parte delle PMI italiane il consumo puro di token si misura in poche decine o poche centinaia di euro al mese, anche con un utilizzo quotidiano intenso.
È anche l'unica voce che diminuisce da sola nel tempo, senza che tu faccia nulla. Torneremo su questo punto, perché è la ragione per cui ottimizzarla per prima è un errore di priorità.
2. Preparazione dei dati
Estrarre le informazioni dai sistemi dove si trovano, pulirle, normalizzarle e strutturarle in modo che l'AI possa usarle. Pesa tra il 20% e il 35%, ed è la voce che più spesso viene scoperta a progetto già iniziato.
Un CRM compilato a metà, tre fogli di calcolo che non si parlano tra loro, uno storico ordini con lo stesso cliente scritto in quattro modi diversi: non sono dettagli tecnici da sistemare dopo. Sono il motivo per cui il sistema, una volta acceso, restituirà risposte sbagliate con perfetta sicurezza.
3. Integrazione con i sistemi esistenti
Collegare l'AI al gestionale, al CRM, al calendario, al centralino e ai canali dove i clienti scrivono davvero. Pesa tra il 20% e il 30%.
È il lavoro più invisibile del progetto: non si vede in una demo, non entra in una presentazione, e determina interamente se il sistema verrà usato il lunedì mattina o resterà una scheda del browser che nessuno apre più.
4. Persone e adozione
Formazione, accompagnamento nelle prime settimane, riscrittura delle procedure interne che cambiano quando una parte del lavoro passa alla macchina. Pesa tra il 20% e il 30%.
È la voce che viene tagliata per prima quando il budget stringe ed è la più costosa da recuperare dopo. Un sistema che nessuno usa è costato il 100% e rende zero.
5. Governance e conformità
Gestione dei dati personali, adempimenti GDPR, obblighi di trasparenza previsti dall'AI Act, tracciabilità delle decisioni prese in automatico. Pesa tra il 5% e il 15%.
È la voce più piccola del conto ed è l'unica che può fermare un progetto che funziona già. Impostata all'inizio costa poco, aggiunta dopo costa una riscrittura.
Perché il costo dei modelli è il problema sbagliato da risolvere
C'è una ragione precisa per cui concentrare gli sforzi sul prezzo dei modelli produce poco: quel prezzo sta già crollando da solo, a una velocità che nessuna trattativa può eguagliare.
Il costo di inferenza per un sistema al livello di GPT-3.5 è passato da 20,00 dollari per milione di token a novembre 2022 a 0,07 dollari per milione a ottobre 2024: una riduzione di oltre 280 volte in circa 18 mesi.
Fonte: Stanford HAI, AI Index Report 2025. Nello stesso periodo il costo dell'hardware è sceso del 30% all'anno e l'efficienza energetica è migliorata del 40% all'anno.
Tradotto in pratica: la voce su cui si concentra quasi tutta l'attenzione è l'unica che si sta risolvendo da sola. Le altre quattro no, e insieme valgono circa l'80% del conto.
| Voce di costo | Peso sul totale | Attenzione che riceve | Si riduce con |
|---|---|---|---|
| Tecnologia e consumo | 15-25% | Altissima | Model routing, compressione del contesto |
| Preparazione dei dati | 20-35% | Bassa | Partire da un processo con dati già ordinati |
| Integrazione | 20-30% | Bassa | Un solo processo alla volta, non cinque |
| Persone e adozione | 20-30% | Quasi nulla | Formazione prima del rilascio, non dopo |
| Governance | 5-15% | Nulla finché non è tardi | Impostata il primo giorno |
Il risultato di questo disallineamento si vede nei tassi di abbandono. Secondo una previsione Gartner del luglio 2024, almeno il 30% dei progetti di AI generativa sarebbe stato abbandonato dopo la fase di proof of concept entro la fine del 2025, per qualità dei dati insufficiente, controlli di rischio inadeguati, costi in crescita o valore di business poco chiaro. Nell'elenco delle cause il costo compare, ma non da solo e non per primo.
Le quattro leve per ridurre il conto senza perdere qualità
Ridurre la spesa non significa comprare meno tecnologia: significa smettere di pagare per capacità che non stai usando. Queste sono le quattro leve, ordinate dalla più tecnica alla più decisiva.
1. Model routing: il modello più economico che basta
Non tutti i compiti richiedono il modello più potente disponibile. Classificare un messaggio in arrivo, estrarre una data da un testo o riformulare una risposta standard sono operazioni che un modello piccolo esegue con la stessa qualità di uno di frontiera, a una frazione del costo.
Il pattern si chiama model routing: si assegna a ogni tipo di compito il modello più economico che lo esegue bene, e si tiene quello grande solo per i passaggi che lo richiedono davvero. Esistono router che lo fanno in automatico, scegliendo dinamicamente tra i provider disponibili e passando a un'alternativa quando un modello diventa lento, indisponibile o esaurisce la quota, senza interrompere la conversazione in corso.
È una leva concreta, ma agisce su una voce che vale il 15-25% del conto. Utile, non risolutiva.
2. Compressione del contesto
La maggior parte di quello che un sistema AI invia a ogni chiamata non è la domanda dell'utente: è il contesto ripetuto (istruzioni, cataloghi, storico della conversazione) che viene rispedito identico ogni volta. Comprimere quel contesto, riassumerlo quando cresce troppo o tenerlo in cache riduce in modo sensibile il volume di token trattati, a parità di risposta finale.
È la leva tecnica con il miglior rapporto tra sforzo e risparmio, e a differenza del routing non richiede di cambiare fornitore.
3. Crediti e piani gratuiti, ma solo per la fase di test
Prima di impegnare budget su un'infrastruttura è ragionevole verificare che il caso d'uso funzioni davvero. Per questa fase esistono strumenti gratuiti concreti: i principali provider cloud offrono crediti di ingresso (Google Cloud ne mette a disposizione 300 dollari spendibili in 90 giorni, sufficienti per testare modelli di frontiera su un processo reale), e diversi modelli di qualità elevata sono periodicamente disponibili senza costo.
Vanno usati per quello che sono: strumenti di validazione. Costruire un processo aziendale su una disponibilità gratuita che può cambiare o sparire da un giorno all'altro significa spostare il rischio dal budget alla continuità operativa, che è un problema peggiore di quello che stavi risolvendo.
4. Scegliere cosa non automatizzare
È la leva più grande ed è l'unica che agisce su tutte e cinque le voci contemporaneamente. Il progetto AI più economico è quello che decidi di non fare.
Un'azienda che automatizza un solo processo, scelto perché ha volume alto, regole chiare e dati già ordinati, spende una frazione di quella che ne automatizza cinque insieme, e ha probabilità molto più alte di arrivare in produzione. Ogni processo aggiunto moltiplica dati da preparare, integrazioni da costruire e persone da formare.
Se stai valutando da dove partire, abbiamo scritto una guida dedicata su quali automazioni AI ha senso implementare in una PMI e con quale ordine di priorità.
Quanto costa l'AI per una PMI italiana nel 2026
I numeri variano con la complessità del processo, ma per una PMI italiana tra dieci e cinquanta addetti gli ordini di grandezza sono questi.
| Voce | Range | Nota |
|---|---|---|
| Primo progetto su un processo definito | 15.000-60.000 € | Investimento iniziale una tantum |
| Costi ricorrenti annui | 25-40% della spesa iniziale | Manutenzione, evoluzione, consumo |
| Consumo modelli (token) | Poche decine a poche centinaia €/mese | Anche con utilizzo quotidiano intenso |
| Formazione interna | 20-30% del progetto | La voce più tagliata e più decisiva |
Il contesto italiano racconta però un'altra storia, e vale la pena guardarla prima di decidere il budget.
Secondo la ricerca 2025-2026 dell'Osservatorio Innovazione Digitale nelle PMI del Politecnico di Milano, il 76% delle PMI italiane non ha investito né prevede investimenti nell'intelligenza artificiale, e solo il 7% ha avviato programmi strutturati di formazione per i propri collaboratori.
Il Rapporto Annuale ISTAT 2026 conferma il divario per dimensione: usa almeno una tecnologia di AI il 14,2% delle imprese fino a 49 addetti, il 27% delle medie e il 53% delle grandi. La media nazionale è passata dal 6% del 2023 al 16,4% del 2025.
Il dato più utile per chi deve decidere è però un altro: più della metà delle imprese sotto i 250 addetti che ha valutato l'AI senza poi adottarla indica come ostacolo principale la mancanza di competenze interne, non il costo. Il problema percepito è il prezzo, il problema reale è la capacità di portare il progetto fino in fondo.
Come iniziare: i 3 passi per una PMI italiana
1. Scegli un processo, non una tecnologia
Parti dal processo che ti costa più tempo ogni settimana e che ha regole abbastanza chiare da poter essere spiegate a voce in cinque minuti. Se non riesci a descriverlo, non è pronto per essere automatizzato: prima va sistemato, poi automatizzato.
2. Verifica lo stato dei dati prima di firmare
Prima di impegnare budget, guarda dove sono le informazioni che il sistema dovrà usare e in che stato sono. È il controllo che vale più di qualunque preventivo, perché sposta la voce più imprevedibile del conto (il 20-35% dei dati) da sorpresa a variabile nota.
3. Metti un numero sul risultato atteso, prima di partire
Ore risparmiate a settimana, tempo di risposta a un cliente, percentuale di richieste gestite senza intervento umano. Senza un numero deciso prima non saprai se il progetto ha funzionato, e finirai nella statistica di chi si ferma dopo il proof of concept.
Come Ogaia costruisce sistemi AI sostenibili per le PMI
In Ogaia | Soluzioni AI & Lead generation per Aziende Italiane progettiamo sistemi di intelligenza artificiale partendo dalla voce di costo che quasi nessuno guarda: quello che serve perché il sistema venga davvero usato. Scegliamo un processo alla volta, verifichiamo lo stato dei dati prima di scrivere una riga di codice, e definiamo insieme al cliente il numero che dirà se ha funzionato.
Sul lato tecnico applichiamo per impostazione predefinita le leve che riducono il consumo (routing verso il modello più economico adeguato al compito e compressione del contesto), così che la voce tecnologica resti la più piccola del conto anche quando i volumi crescono. Se vuoi capire quale processo della tua azienda ha senso automatizzare per primo e quanto costerebbe davvero, prenota una call gratuita di 45 minuti: uscirai con una stima realistica delle cinque voci, indipendentemente da quello che decidi di fare dopo.