Quanto costa davvero un agente AI in azienda

La prima domanda che ci fanno quasi tutti i clienti è sempre la stessa: "quanto costa un agente AI?". E quasi sempre la risposta onesta li spiazza, perché non è un numero, è un intervallo largo che dipende da cose che nel primo incontro non sono ancora sul tavolo. Abbiamo visto progetti chiusi a 4.000 euro e progetti dello stesso "tipo" — sulla carta — finire oltre i 120.000. La differenza non è il modello, non è la moda del momento: è quanto è sporco il processo che l'agente deve toccare.

In questo articolo proviamo a smontare il costo di un'intelligenza artificiale per le aziende voce per voce, con i range che vediamo davvero sul campo, senza promesse. L'obiettivo non è venderti un agente: a volte il preventivo più onesto per una PMI è "non ti serve un agente, ti serve un'automazione da 2.000 euro". Lo diciamo spesso, e lo diremo anche qui.

I sei fattori che fanno il prezzo

Il costo di un progetto AI non è una riga sola. Sono almeno sei, e ognuna ha un suo peso. Se un fornitore te ne quota una sola, manca qualcosa.

• ◆Discovery e audit. Capire il processo, mappare i dati, decidere se l'AI serve davvero. È la voce che tutti vogliono saltare ed è quella che, saltata, fa esplodere tutto il resto.
• ◆Scelta del modello e costo dei token. Quale modello, in cloud o on-premise, e quanto costa ogni interazione moltiplicata per il volume reale.
• ◆Sviluppo. Il software intorno al modello: prompt, logica, interfaccia, gestione degli errori. È la parte che si vede, ed è raramente la più costosa.
• ◆Integrazione con i sistemi esistenti. Far parlare l'agente con il gestionale, il CRM, il PMS, quell'endpoint scritto nel 2019. Qui si nasconde la metà imprevista del conto.
• ◆Infrastruttura e hosting. Dove gira la roba, chi la tiene su, quanto regge sotto carico.
• ◆Manutenzione e monitoraggio. Il costo che nessuno mette a budget e che, a 12 mesi, supera spesso quello di sviluppo.

Le prime cinque voci le quoti in fase di vendita. La sesta te la dimentichi, e te la ricordi quando il modello cambia versione e l'agente smette di funzionare un martedì mattina.

Discovery: la voce che sembra inutile e non lo è

La discovery è la fase in cui ci sediamo col cliente e proviamo a rispondere a una domanda scomoda: questo problema si risolve con un agente AI o con tre righe di automazione? Dura da pochi giorni a un paio di settimane, e per un progetto piccolo-medio la quotiamo tra 1.500 e 6.000 euro.

Sembra un costo che si può tagliare. Non si può. Su una PMI manifatturiera del nord ci era stato chiesto un agente per "rispondere alle email dei fornitori". Due giorni di audit hanno mostrato che l'80% di quelle email erano tre tipi di richiesta sempre uguali: bastava un parser e un template. Abbiamo consegnato un'automazione da circa 2.500 euro invece di un agente da 30.000. Il cliente è tornato l'anno dopo, per un progetto vero, perché si fidava.

Saltare la discovery significa costruire la cosa sbagliata bene. È l'errore più caro di tutti, perché lo scopri a fine progetto.

Modello e token: il costo che scala col successo

Qui c'è il malinteso più comune sul prezzo dell'automazione AI: la gente pensa che il modello sia la voce grossa. Quasi mai lo è, all'inizio. Una chiamata a un buon modello commerciale costa frazioni di centesimo per le operazioni leggere e qualche centesimo per quelle pesanti con molto contesto.

Il problema non è il costo unitario, è la moltiplicazione. Un agente di customer service che gestisce 200 conversazioni al giorno, ognuna con cinque o sei passaggi e un po' di contesto recuperato dai documenti, può stare tranquillamente tra 150 e 600 euro al mese di soli token. Lo stesso agente che ne gestisce 5.000 al giorno è un'altra voce di bilancio.

Tre cose spostano molto questo numero:

• ◆La lunghezza del contesto. Reinfilare ad ogni chiamata l'intera knowledge base costa. Recuperare solo i tre pezzi giusti costa un decimo.
• ◆Il modello scelto. Per molti compiti un modello medio fa lo stesso lavoro di uno grande a un quinto del prezzo. La scelta va fatta sul compito, non sul nome.
• ◆Cloud contro on-premise. Far girare un modello aperto sulla propria infrastruttura azzera il costo per token ma sposta tutto sull'hardware e sul tenerlo in piedi. Conviene solo a volumi alti o per vincoli di privacy stretti.

Su CORA, il nostro sistema di operation management per l'hospitality, abbiamo passato settimane a ridurre il contesto inviato ad ogni chiamata: stessa qualità di risposta, bolletta dei token più che dimezzata. Quel lavoro lì non si vede nella demo, ma è la differenza tra un margine sano e un progetto che perde soldi a regime.

Integrazione: dove vive la metà del conto

Lo sviluppo dell'agente — prompt, logica, interfaccia — è la parte che il cliente immagina quando pensa al costo. È anche la parte più prevedibile. Per un progetto piccolo parliamo di poche settimane di lavoro, per un medio di uno o due mesi.

L'integrazione coi sistemi esistenti è un altro pianeta. Far leggere all'agente i dati giusti dal gestionale del cliente è facile se quel gestionale ha API pulite e documentate. Quasi nessuno ce le ha. Su Smartlet CRM abbiamo l'assistente AI integrato proprio perché abbiamo controllo sui dati: sappiamo dove sono, in che formato, con che permessi. Quando invece l'agente deve attaccarsi a un PMS chiuso o a un gestionale legacy — pensa all'integrazione tra CORA e il PMS Passepartout — il lavoro non è scrivere prompt, è ingegneria di integrazione vera, con i suoi tempi e i suoi imprevisti.

La regola che usiamo: se il sistema da integrare ha API moderne, l'integrazione è il 20-30% del progetto. Se non le ha, può diventare il 50% e oltre. È la voce che fa sballare i preventivi fatti senza guardare i sistemi del cliente.

Quanto costa davvero: range per dimensione

Diamo dei numeri, in ordini di grandezza, validi per il mercato italiano delle PMI e mid-market. Sono budget di progetto, non listini, e presuppongono che la discovery sia inclusa.

• ◆Progetto piccolo (5.000 - 20.000 euro). Un agente su un perimetro stretto: un assistente che risponde a domande sui documenti aziendali, un classificatore di ticket, un'automazione con un pizzico di AI. Sistemi pochi e accessibili. Tempi di poche settimane.
• ◆Progetto medio (20.000 - 70.000 euro). Un agente che tocca due o tre sistemi, con logica di business, controlli e una vera interfaccia. Customer service serio, supporto interno alle vendite, generazione documentale con verifica. Tempi di uno-tre mesi.
• ◆Progetto enterprise (70.000 euro in su). Più agenti orchestrati, integrazioni con sistemi legacy, requisiti di sicurezza e compliance, volumi alti. Qui il numero dipende troppo dal contesto per darne uno solo, e la manutenzione annua diventa una voce strutturale.

A questi vanno sommati i costi ricorrenti: token, hosting e manutenzione. Una regola spannometrica che usiamo per il budget annuale di esercizio è il 15-25% del costo di costruzione, ogni anno. Su un enterprise complesso può salire.

Build vs buy: la domanda che ti fa risparmiare di più

Prima di costruire qualsiasi cosa, la domanda giusta è: esiste già un prodotto che fa l'80% di questo? Spesso sì. Per molti casi standard — un chatbot sul sito, un assistente alla scrittura, un riassuntore di riunioni — comprare uno strumento esistente a qualche decina di euro al mese batte qualsiasi sviluppo custom, e lo batte di brutto.

Il custom ha senso quando il processo è il tuo vantaggio competitivo, quando i dati non possono uscire dal tuo perimetro, o quando l'integrazione coi tuoi sistemi è il vero valore. CORA, Smartlet e SMACE sono prodotti perché dietro c'è un dominio specifico — l'hospitality, il CRM con firma contratti via BoldSign, gli offsite aziendali con matching — dove un tool generico non arriva. Ma se il tuo bisogno è generico, fai un favore al tuo budget e compra.

La via di mezzo, che consigliamo spesso alle PMI, è comprare il modello e costruire solo il sottile strato di integrazione attorno: poco codice, poco rischio, costo contenuto.

Errori che fanno lievitare il conto

Questi sono i modi più frequenti in cui un budget AI raddoppia rispetto al preventivo iniziale. Li abbiamo visti tutti, qualcuno l'abbiamo fatto noi.

• ◆Saltare la discovery. Costruire prima di aver capito. Si paga due volte: la cosa sbagliata, e poi quella giusta.
• ◆Dati sporchi sottovalutati. L'agente è buono quanto i dati che legge. Se l'anagrafica clienti è un disastro, metà del progetto diventa pulizia dati che nessuno aveva messo a budget.
• ◆Perimetro che si allarga. Si parte da "rispondi alle FAQ" e si finisce a "gestisci anche gli ordini, i resi e i reclami". Ogni allargamento è un altro progetto travestito da richiesta innocente.
• ◆Manutenzione a zero in preventivo. I modelli cambiano versione, le API dei sistemi cambiano, i prompt si degradano. Senza un budget di manutenzione, l'agente che funzionava a giugno è rotto a dicembre.
• ◆Nessun monitoraggio. Senza log strutturati di cosa fa l'agente, il primo errore in produzione è impossibile da debuggare e diventa una caccia al fantasma da giorni-uomo.

Come stimare il ROI senza prendersi in giro

Un progetto AI si giustifica se libera tempo che vale più di quanto costa tenerlo in piedi. Sembra ovvio, ma il calcolo onesto è raro. La nostra formula minima: quante ore-persona alla settimana tocca il processo, quanto le paghi, quale percentuale realisticamente automatizzi. Non il 100%, mai. Un buon agente toglie il 40-70% del lavoro ripetitivo e lascia agli umani i casi difficili.

Poi sottrai i costi di esercizio annui — token, hosting, manutenzione — e guarda quanti mesi servono per rientrare. Se rientri in sei-dodici mesi, è un buon progetto. Se servono tre anni, probabilmente stai risolvendo il problema sbagliato, o lo stai risolvendo troppo in grande.

E qui torna il consiglio che diamo a tutti: parti da un perimetro piccolo. Un primo numero in pista, non l'intero spettacolo. Un agente che fa bene una cosa sola ti dà dati reali su costi e benefici in poche settimane, con un investimento che puoi permetterti di buttare se ti accorgi di aver sbagliato. Da lì allarghi su quello che funziona, con numeri veri in mano invece di promesse. È più lento da raccontare e molto più difficile da sbagliare.

La risposta alla domanda iniziale, allora, è questa: un agente AI in azienda costa quanto è disordinato il processo che tocca, più quanto ti dimentichi di mettere a budget per tenerlo vivo. Parti piccolo, misura, e fatti dire da chi ti vende la soluzione anche quando non ti serve.