Quanto costa l'intelligenza artificiale in azienda nel 2026: chatbot, agenti e AI locale

I quattro livelli di spesa

Chiedere quanto costa l'AI è come chiedere quanto costa un veicolo: dipende da cosa deve fare. Per una PMI conviene ragionare per livelli, perché ciascuno ha una struttura di costo diversa e risolve un problema diverso.

Strumenti generalisti. ChatGPT, Microsoft 365 Copilot e Gemini si pagano per utente al mese. L'investimento iniziale è minimo, ma ogni persona lavora da sola con lo strumento: il beneficio dipende da come lo usa, e i dati restano dentro il servizio scelto.

Automazioni supervisionate. Un flusso costruito su un processo ripetitivo, per esempio smistare richieste, estrarre dati da documenti o preparare bozze di risposta, con un'approvazione umana prima che il risultato esca. Si paga un progetto iniziale e poi consumo dei modelli, licenze e manutenzione.

Agenti AI su processi. Sistemi che eseguono più passaggi tra applicazioni diverse: leggono, scelgono il passo successivo, usano strumenti. Costano di più da progettare e da controllare, perché ogni azione deve avere permessi limitati, log e un punto di approvazione.

AI locale o on-premise. Modelli eseguiti su hardware dell'azienda o in un ambiente controllato, spesso collegati ai documenti interni. Richiedono un investimento iniziale in hardware e configurazione, ma tengono dati e modelli sotto il controllo dell'azienda.

I costi che non compaiono nel canone

Il canone o il preventivo di sviluppo sono la parte visibile. Secondo l'Istat, tra le imprese con almeno 10 addetti che nel 2025 hanno valutato l'AI senza adottarla, gli ostacoli principali sono la mancanza di competenze (58,6%), la scarsa chiarezza normativa (47,3%), dati non disponibili o di qualità insufficiente (45,2%), i timori per privacy e protezione dei dati (43,2%) e i costi elevati (43,0%): solo l'ultimo riguarda direttamente il prezzo.

Oltre al canone e allo sviluppo, ci sono cinque voci da mettere a budget fin dall'inizio.

• Dati. Documenti sparsi, versioni duplicate, permessi non definiti. Prima di collegare un modello ai dati aziendali bisogna decidere quali fonti sono affidabili, chi può vedere cosa e come si aggiornano. È lavoro di analisi, non di software, e va stimato a parte.
• Integrazione. Ogni collegamento con gestionale, CRM, posta o archivio documentale richiede autenticazione, gestione degli errori e test. Nel listino KAPPA404 un connettore API aggiuntivo parte da 2.500 € + IVA.
• Adozione e formazione. Uno strumento che nessuno sa usare bene non produce valore, e le competenze sono il primo ostacolo indicato dalle imprese nell'indagine Istat. L'AI Act chiede inoltre a chi usa sistemi di AI di adottare misure per l'alfabetizzazione del personale (articolo 4).
• Governance e conformità. Regole d'uso, registro degli strumenti, valutazione dei fornitori, verifica GDPR dove si trattano dati personali, log e supervisione umana. Gli obblighi aggiornati sono nella guida AI Act per PMI.
• Manutenzione dei modelli. I fornitori ritirano e sostituiscono i modelli e ne cambiano i prezzi: il listino di Anthropic, per esempio, elenca diversi modelli già ritirati e avverte che i modelli più recenti usano un tokenizer che produce circa il 30% di token in più per lo stesso testo rispetto ai precedenti, quindi un cambio di versione può cambiare il costo anche a listino invariato. Un sistema in produzione va ricontrollato a ogni cambio di versione, con test ripetibili sulle risposte attese.

API cloud o hardware locale: gli ordini di grandezza

Con le API cloud si paga a consumo, in token: frammenti di testo letti (input) e scritti (output) dal modello. Anthropic indica che in inglese un token corrisponde in media a circa 4 caratteri, o 0,75 parole; in italiano il rapporto cambia.

Al 2 ottobre 2026 il listino di Anthropic va da 1 dollaro per milione di token in input e 5 in output (Claude Haiku 4.5) fino a 10 e 50 dollari per i modelli più potenti, con uno sconto del 50% per l'elaborazione asincrona in batch. Nell'esempio pubblicato dallo stesso fornitore, 10.000 conversazioni di assistenza clienti da circa 3.700 token ciascuna costano circa 37 dollari con Claude Haiku 4.5.

Con l'hardware locale il costo si sposta all'inizio. Come ordine di grandezza, il 2 ottobre 2026 l'Apple Store italiano vende Mac Studio a partire da 3.049 € con chip M5 Max e 36 GB di memoria e da 6.699 € con chip M5 Ultra e 96 GB, IVA inclusa. Un server con GPU dedicate per più utenti contemporanei va dimensionato e quotato caso per caso.

Al prezzo della macchina si aggiungono energia, spazio, backup, aggiornamenti e qualcuno che se ne occupi. La memoria disponibile determina quali modelli si possono eseguire e con quale velocità, quindi il dimensionamento parte dal caso d'uso, non dal catalogo.

Con questi numeri, per volumi di qualche migliaio di richieste al mese le API costano molto meno di un hardware dedicato. L'AI locale si giustifica quando i dati non devono uscire dall'azienda, quando servono controllo e costi prevedibili o quando i volumi sono alti e stabili. Una via intermedia è un ambiente cloud privato e controllato.

Il Proof of Concept di AI locale di KAPPA404 (10.000–25.000 € + IVA, 6–10 settimane) serve a misurare questi parametri su un caso reale prima di comprare hardware, che resta escluso dal prezzo insieme alle licenze dei modelli. Dettagli nella pagina AI locale per aziende.

ROI: cosa misurare prima e dopo

Il ritorno di un progetto AI si misura sul processo, non sulla tecnologia. Senza una misura di partenza non c'è ROI dimostrabile: prima di costruire, registra per qualche settimana come funziona il processo oggi.

La formula è semplice. Valore generato: ore risparmiate per costo orario pieno, errori evitati per costo medio di un errore, ricavi da richieste gestite più in fretta. Meno il costo totale: progetto ammortizzato, licenze, consumo dei modelli, manutenzione e tempo interno dedicato. Gli indicatori da misurare prima e dopo sono questi.

• Tempo per pratica: minuti di lavoro umano per richiesta, documento o ordine.
• Lead time: tempo tra l'arrivo di una richiesta e la sua chiusura, comprese le attese.
• Errori e rilavorazioni: quota di output corretti a mano o rifatti, ed errori arrivati al cliente.
• Tasso di approvazione: quante proposte dell'AI la persona responsabile approva senza modifiche. Se è basso, il sistema non è pronto.
• Escalation: casi che l'automazione passa a una persona perché escono dalle regole. Vanno tracciati, non nascosti.
• Costo per transazione: consumo dei modelli più licenze, diviso per il numero di pratiche gestite.
• Adozione: persone che usano davvero lo strumento ogni settimana rispetto alle licenze pagate.

Perché molti progetti si fermano dopo il PoC

Il passaggio dal prototipo alla produzione è il punto in cui molti progetti di AI generativa si bloccano. Tre fonti lo documentano da angolazioni diverse.

A luglio 2024 Gartner ha previsto che almeno il 30% dei progetti di AI generativa sarebbe stato abbandonato dopo il proof of concept entro la fine del 2025, per dati di scarsa qualità, controlli del rischio inadeguati, costi crescenti o valore di business poco chiaro.

A giugno 2025 Gartner ha esteso l'avvertimento agli agenti: oltre il 40% dei progetti di agentic AI sarà cancellato entro la fine del 2027, per costi crescenti, valore poco chiaro o controlli del rischio inadeguati. Segnala anche l'agent washing, cioè prodotti esistenti presentati come agenti senza reali capacità agentiche, e stima che solo circa 130 delle migliaia di fornitori che si propongono in questo campo lo siano davvero.

Il rapporto preliminare del progetto NANDA del MIT (luglio 2025), basato su oltre 300 iniziative pubbliche, interviste a 52 organizzazioni e 153 questionari, conclude che il 95% delle organizzazioni non ottiene alcun ritorno misurabile dall'AI generativa. Tra gli strumenti aziendali su misura o acquistati, il 60% delle organizzazioni li ha valutati, il 20% è arrivato al pilota e solo il 5% alla produzione. Le cause indicate: flussi di lavoro fragili, sistemi che non imparano dal contesto, scarsa aderenza al lavoro quotidiano.

Sono previsioni e indagini su campioni soprattutto di grandi aziende internazionali, non misure sul mercato italiano: vanno lette come segnali di rischio, non come destino.

Checklist: la tua azienda è pronta?

Più risposte sono «sì», più è probabile che un primo progetto produca dati utili. Dove la risposta è «no», si parte da lì.

• Hai scelto un processo preciso, ripetitivo e abbastanza frequente da giustificare l'investimento.
• C'è una persona responsabile del processo che può decidere e approvare.
• Sai quanto tempo, quanti errori e quanta attesa produce oggi il processo.
• I dati e i documenti necessari esistono, sono accessibili e sai chi può vederli.
• Sai se nel processo entrano dati personali o riservati e dove possono essere trattati.
• Hai esempi reali di casi normali e di casi limite da usare nei test.
• Hai deciso cosa l'AI può fare da sola e cosa richiede un'approvazione umana.
• Hai un budget per l'esercizio, non solo per lo sviluppo.
• Il team ha ricevuto una formazione di base sull'uso responsabile dell'AI.
• Hai stabilito quando rivedere i risultati e chi decide se estendere o fermare il progetto.

Dove si colloca KAPPA404: audit, sprint, PoC

KAPPA404 lavora a Milano e da remoto in tutta Italia. Il percorso proposto per l'AI segue la logica di questa guida: prima si misura, poi si costruisce, infine si estende solo ciò che funziona. I prezzi sono indicativi e IVA esclusa; il preventivo definitivo segue la verifica del perimetro.

• Audit. L'AI Process Audit analizza dati, rischi, controllo umano, business case e perimetro del pilota: 3.000–6.000 € in 2–3 settimane, con baseline, KPI, mappa dei rischi e piano dello sprint o del PoC. Se il problema va oltre l'AI, l'audit dell'architettura digitale costa 1.500–3.000 € in 1–2 settimane.
• Formazione. Il Workshop AI governata costa 790 € per una sessione di 2 ore fino a 6 persone, oppure 1.490 € per mezza giornata fino a 12 persone.
• Automation Sprint. Un processo, approvazione umana e fino a due integrazioni base: 6.000–12.000 € in 4–8 settimane, con test, registro dei difetti, procedure operative, formazione e KPI. Dettagli nella pagina Automazione AI.
• AI locale. Il Proof of Concept costa 10.000–25.000 € in 6–10 settimane e si chiude con la decisione se procedere o fermarsi; la knowledge base o RAG locale si aggiunge come modulo a 6.000–15.000 €.
• Esercizio. K404 Care copre revisioni, manutenzione, sicurezza e miglioramenti: Essential 900 € al mese fino a 5 ore, Pro 1.500 € al mese fino a 8 ore, Priority 2.500 € al mese fino a 12 ore con priorità concordata. Con più fornitori e progetti da coordinare, il Fractional Digital Architect costa 3.000–8.000 € al mese per 2–4 giornate.

Domande frequenti