Come si calcola il ROI di un progetto AI.
Costo, ritorno annuo, payback, rischio, decisione. Il framework con cui valutiamo ogni progetto — spiegato con un esempio numerico e ipotesi dichiarate.
C'è un dato che dovrebbe far riflettere chiunque stia per investire in AI: tra le grandi imprese italiane che usano l'AI generativa, solo il 54% prova a misurarne i benefici, e appena l'11% lo fa in modo strutturato (Osservatorio Politecnico di Milano). Un'azienda su tre non riesce nemmeno a stimare in anticipo il rapporto costi-benefici. Si investe, in sostanza, senza sapere se conviene.
Per noi il ROI non è l'ultima slide: è la prima. Un progetto AI si valuta come qualsiasi investimento — un macchinario, un'assunzione. Ecco le cinque voci con cui lo facciamo, e un esempio per vederle all'opera.
Il framework in cinque voci
1. Costo totale. Non solo le licenze. Progettazione del pilota, integrazione con i tuoi sistemi, formazione del team, e i costi ricorrenti annui (licenze, manutenzione). Tutto, per il primo anno e per gli anni successivi.
2. Ritorno annuo atteso. Quantificato, non "faremo prima". Di solito è capacità di lavoro liberata (ore che tornano a persone che fanno cose di più valore), oppure errori evitati, oppure tempi di risposta che diventano fatturato. Espresso in euro/anno.
3. Tempo di rientro (payback). In quanti mesi il ritorno ripaga il costo iniziale. Sotto i 12 mesi è un buon segnale per un pilota; oltre i 24 serve una ragione forte.
4. Rischio e ipotesi. Su cosa si regge il calcolo, e cosa lo farebbe saltare. Un ROI onesto dichiara le sue assunzioni: se sono ottimistiche, il numero non vale nulla.
5. Decisione Go / No-Go. Alla fine c'è una scelta binaria, presa sui numeri. A volte la risposta giusta è No — ed è comunque un buon risultato, perché ti ha evitato una spesa che non rendeva.
Vuoi il conto sui tuoi numeri, subito? Abbiamo trasformato questo framework in uno strumento gratuito: inserisci ore, costi e risparmio atteso e ottieni ritorno annuo, tempo di rientro e verdetto Go/No-Go in tempo reale. Apri il calcolatore ROI →
Un esempio: automatizzare il back-office documentale
Prendiamo una PMI con un ufficio back-office di 3 persone. Insieme dedicano circa 30 ore a settimana ad attività ripetitive e testuali: inserimento dati, classificazione e smistamento di documenti, prime bozze di risposta a clienti e fornitori. Vogliamo introdurre un assistente AI che prepara le bozze e pre-compila i dati, con la persona che controlla e conferma.
Su quale risparmio di tempo possiamo contare? Le prove disponibili sono incoraggianti ma vanno lette con prudenza. Su compiti di scrittura professionale, uno studio del MIT ha misurato un tempo ridotto del 40% con la qualità in aumento del 18% (Noy & Zhang, Science 2023). Nell'assistenza clienti, la produttività è cresciuta in media del 13,8% (Brynjolfsson, Li & Raymond). Nell'esempio adottiamo un risparmio prudente del 30% — più basso del dato migliore, perché parte del tempo serve comunque alla revisione umana.
Con queste ipotesi, i conti sono questi:
| Tempo su attività ripetitive | 30 h/settimana |
| Risparmio prudente (30%) | 9 h/settimana |
| Ore liberate su ~45 settimane/anno | ≈ 405 h/anno |
| Costo pieno del lavoro (stima) | 28 €/ora |
| Ritorno annuo (capacità liberata) | ≈ 11.300 € |
| Costo progetto (una tantum) | 9.000 € |
| Licenze e manutenzione | 1.800 €/anno |
| Tempo di rientro (payback) | ≈ 11 mesi |
Dal secondo anno il costo scende alle sole licenze (1.800 €) contro un ritorno di circa 11.300 €: un beneficio netto vicino ai 9.500 € l'anno. Il payback sotto i dodici mesi rende questo un Go — a patto che le ipotesi tengano.
E i rischi?
Il numero regge solo se: (a) le ore "liberate" vengono davvero reimpiegate in attività di valore, non semplicemente perse; (b) la qualità resta alta, quindi la revisione umana non mangia il risparmio; (c) l'adozione è reale — se il team non usa lo strumento, il ritorno è zero. Per questo partiamo sempre da un pilota misurato: le stime si trasformano in numeri veri sui tuoi dati, e solo allora si scala.
Nota. I valori qui sopra sono un esempio illustrativo con ipotesi prudenti, non un risultato garantito né un caso cliente. Servono a mostrare il metodo: sul tuo processo, i numeri li costruiamo insieme, con le tue ore e i tuoi costi reali.
È questo il senso di valutare l'AI come un investimento: non ti chiediamo di credere che "l'AI conviene". Ti mettiamo davanti il conto — e decidi tu.
Facciamo il calcolo sul tuo processo
Fonti
- Osservatorio Artificial Intelligence, Politecnico di Milano, dati 2025: solo il 54% delle grandi imprese che usano GenAI misura i benefici, l'11% in modo strutturato; circa una su tre non stima il rapporto costi-benefici a priori.
- Noy, S. & Zhang, W., "Experimental evidence on the productivity effects of generative artificial intelligence", Science 2023: tempo su compiti di scrittura ridotto del 40%, qualità +18%.
- Brynjolfsson, E., Li, D. & Raymond, L., "Generative AI at Work", NBER 2023: produttività degli operatori di assistenza clienti +13,8% in media.