Quanto costa davvero un progetto AI in azienda

Quando un cliente ci chiama per un progetto AI, la conversazione inizia quasi sempre dallo sviluppo. Quanto costa, quanto tempo serve, cosa potete fare per noi. È normale e ha senso. Quello che manca, nove volte su dieci, è la domanda successiva: e dopo? Cosa serve per tenerlo acceso e funzionante fra dodici mesi?

La risposta non è quella che si vorrebbe sentire. I sistemi AI non sono come un sito web, che lo metti online e per anni continua a fare il suo lavoro senza che nessuno lo tocchi. Sono più simili a un magazzino di prodotti freschi: vanno controllati spesso, perché gli ingredienti che li fanno funzionare scadono in fretta. Voglio raccontarvi perché succede, quanto costa davvero, e come si imposta un progetto per non trovarsi con sorprese sgradevoli al secondo anno.

Perché i modelli AI scadono in pochi mesi?

I programmi di AI che fate girare dentro il vostro software (gli stessi che stanno dietro a ChatGPT, Gemini, e simili — sulla differenza fra LLM e AI generativa c’è una guida separata che chiarisce i termini senza gergo) non sono prodotti stabili come Word o Excel. Ogni pochi mesi chi li produce ne presenta uno nuovo e spegne il vecchio. Un caso concreto: a febbraio 2025 Google ha presentato una versione molto usata del suo programma AI, e dopo poco più di un anno aveva già annunciato la data in cui sarebbe stata spenta (poi è stata spostata, ma il messaggio era chiaro). Parliamo di un anno, forse un anno e mezzo di vita utile, per uno strumento che molte aziende avevano appena messo in produzione.

Provate a fare i conti su un progetto reale. Il nuovo modello viene annunciato, mese zero. Aspettate due o tre mesi che si stabilizzi. Poi quattro mesi di sviluppo del vostro sistema. Poi sei mesi che lo usate davvero. A questo punto siete al quattordicesimo mese e arriva la mail: fra sei mesi spegniamo questo modello. Il vostro sistema, appena entrato a regime, deve essere già aggiornato.

E non basta cambiare una vite. I modelli vecchi avevano bisogno di istruzioni lunghe e dettagliate per rispondere bene. I nuovi capiscono al volo, e quelle stesse istruzioni lunghe possono confonderli. La conseguenza è scomoda: un sistema scritto bene per il modello vecchio può funzionare peggio sul nuovo, finché qualcuno non riscrive le istruzioni una per una.

Cosa succede quando cambia la versione di un modello AI?

Il problema non si presenta solo quando cambiate del tutto modello. Anche fra una versione e quella subito dopo, le risposte cambiano. Abbiamo seguito clienti che sono passati da una versione del loro modello AI a quella successiva, sempre dello stesso fornitore: certe parti del sistema hanno continuato a funzionare senza toccare nulla, altre hanno avuto bisogno di essere riprovate e sistemate prima di rimettere il sistema in mano agli utenti.

Il punto poco intuitivo è questo: un modello più potente non vuol dire risposte più simili a prima. Vuol dire spesso risposte migliori, a volte risposte diverse in modi che il resto del vostro software non si aspetta. Se il sistema genera un preventivo partendo dalla risposta del modello AI, una virgola in più o una data scritta in un altro formato bastano a fare saltare il salvataggio. Per questo motivo, prima di mettere in funzione un modello nuovo, serve una raccolta di casi di prova: domande tipiche della vostra azienda, con accanto la risposta giusta. Si rifanno girare le stesse domande sul vecchio e sul nuovo, e si guarda dove cambiano i risultati.

Perché cambiare fornitore di AI costa più di quanto sembri?

Capita di dovere cambiare fornitore di modello AI. Magari il prezzo è salito, magari un concorrente offre risposte migliori a meno, magari un cliente importante chiede che i dati restino su server europei. Sulla carta sembra semplice. Nei progetti veri non lo è quasi mai.

Ogni fornitore parla una sua lingua. Quando il sistema deve dire al modello AI “vai a leggere quel file” o “aggiorna quella riga del gestionale”, ogni fornitore ha un modo diverso di scriverlo. Ogni fornitore ha regole sue su come si descrivono le operazioni che il modello può fare e su come si concatenano i passaggi. Un sistema costruito per il fornitore A non si sposta sul fornitore B schiacciando un bottone. Vanno riscritti dei pezzi.

Si può prevenire questo problema fin dall’inizio, scegliendo uno strato che faccia da centralinetta. Esistono soluzioni che si mettono in mezzo fra il vostro software e i fornitori di modelli (OpenRouter è una di queste, AWS Bedrock e Google Vertex AI sono altre): il vostro software parla a questo strato, e sotto si può cambiare fornitore senza dover riscrivere niente sopra. Costa qualcosa in più all’inizio, ma dal secondo cambio in poi è già ripagato.

Quanto costa mantenere un sistema AI ogni anno?

Veniamo ai numeri, che è la parte che interessa di più. Un progetto AI ben fatto per una PMI italiana, su un caso d’uso definito (lettura documenti, assistenza clienti, generazione preventivi), costa tipicamente fra 20.000 e 50.000 euro di sviluppo iniziale. La voce di manutenzione che vi serviranno l’anno successivo si colloca fra il 20% e il 40% di quel valore.

Su un progetto da 30.000 euro vuol dire 6.000-12.000 euro l’anno. Dove vanno questi soldi:

• Aggiornare i modelli AI e rifare le prove di compatibilità (3-5 giornate l’anno)
• Gestire gli spegnimenti annunciati dai fornitori (2-3 giornate per ogni spegnimento)
• Riscrivere le istruzioni quando le versioni nuove cambiano modo di rispondere (2-4 giornate l’anno)
• Tenere d’occhio i consumi mensili, che possono crescere senza che ve ne accorgiate
• Sistemare i casi imprevisti che emergono solo con l’uso vero in azienda

I progetti che mettono in conto solo lo sviluppo iniziale, dopo dodici mesi si trovano davanti a una scelta: spendere il 50% del costo iniziale tutto in una volta per rimettere in piedi il sistema, oppure spegnerlo. Non è raro, l’abbiamo visto succedere a clienti che erano partiti con fornitori che promettevano un sistema “chiavi in mano” senza spiegare cosa succede dopo.

Perché serve sempre una “ruota di scorta” in un progetto AI?

Una regola che applichiamo nei progetti seri: tenere due fornitori diversi sempre pronti, anche se in un certo momento ne usate uno solo. Vuol dire avere un secondo modello AI già provato sui vostri casi, già collegato al sistema, già pronto a partire. Se il primo fornitore va in tilt per qualche ora (capita, anche ai più grandi), o vi alza i prezzi all’improvviso, o vi annuncia uno spegnimento, voi avete già il piano B.

Il costo di tenere questa ruota di scorta è basso. Le prove vanno rifatte ogni qualche mese, la “centralinetta” di cui parlavamo prima gestisce la differenza tecnica, il secondo modello non viene usato finché non serve. Il valore di averla salta fuori nel momento peggiore, ed è proprio in quel momento che non avete tempo di costruirla da zero.

Cosa portare a casa

Un progetto AI non è un sito vetrina che si fa una volta e basta. Si comporta di più come un’auto aziendale: la comprate, la usate, ma se non la portate dal meccanico a intervalli regolari un giorno non parte. Mettere in conto la manutenzione fin dall’inizio non rende il progetto più caro nel lungo periodo, lo rende sostenibile. I progetti che pretendono di saltare questa voce sono gli stessi che dopo un anno chiedono un secondo budget per “rimetterlo in piedi”, e si arriva al doppio del costo previsto.

Per una PMI italiana il consiglio pratico è questo: scegliete fornitori che vi spiegano in modo chiaro come gestiscono i cambi di modello AI, partite da un caso d’uso piccolo dove potete misurare onestamente i risultati (i numeri da fissare prima di firmare un budget AI sono raccolti nella guida con nove metriche per decidere se l’AI conviene davvero), mettete a budget una voce di manutenzione già dal primo preventivo. Se chi vi propone il progetto non vi parla di queste cose, probabilmente non le ha mai gestite.

Se volete capire quanto costerebbe davvero un progetto AI ben fatto nel vostro caso, manutenzione inclusa, scriveteci. La prima call serve a capire i vostri numeri e il vostro contesto, non per proporvi un preventivo.

Fonti e approfondimenti

Fonte	Argomento	Link
Stanford HAI - AI Index 2025	Capitolo 4 (Economia): costo per inferenza calato 280 volte tra novembre 2022 e ottobre 2024 (da $20 a $0,07 per milione di token)	hai.stanford.edu (PDF)
Gartner	Comunicato giugno 2025: oltre il 40% dei progetti di AI agentica sarà cancellato entro fine 2027 per costi e valore poco chiaro	gartner.com
Anitec-Assinform	”Il Digitale in Italia 2025”: mercato digitale italiano €81,6 mld, segmento AI +38,7% YoY a oltre €900M	aliautonomie.it (PDF)
Osservatorio AI Polimi	Mercato AI italiano €1,8 mld 2025 (+50% YoY); 71% delle grandi aziende ha progetti AI, sotto il 10% per le PMI	osservatori.net
Google DeepMind	Politiche di rilascio e dismissione dei modelli Gemini	ai.google.dev
OpenAI	Documentazione sui cicli di vita dei modelli e deprecazioni	platform.openai.com
Anthropic	Note di versione e differenze fra modelli Claude	docs.anthropic.com
AWS Bedrock	Aggregatore enterprise di modelli AI multi-fornitore	aws.amazon.com/bedrock
OpenRouter	Strato intermedio per chiamare modelli di fornitori diversi	openrouter.ai