Hai due strade davanti. Affidarti a un’agenzia AI esterna oppure assumere qualcuno e costruirti un team interno. La risposta giusta dipende da come la tua azienda lavora oggi, non da quello che leggi sui blog dei competitor.
In questo confronto guardiamo numeri reali, tempi reali e i due errori più comuni che vediamo nelle PMI italiane tra i 10 e i 200 dipendenti. Niente teoria astratta, solo la decisione che devi prendere nei prossimi mesi.
Cosa fa davvero un’agenzia AI rispetto a un team interno
Un’agenzia AI porta in casa un mix di competenze già rodato. Prompt engineering, integrazioni con CRM e gestionali, conoscenza pratica di tool come Claude, GPT-4, n8n, Make. Hai un team multi-skill dal giorno uno.
Un team interno fa una cosa diversa. Costruisce conoscenza profonda del tuo business. Sa che il tuo cliente tipo è il direttore acquisti di un’azienda manifatturiera in Brianza, conosce il linguaggio dei tuoi commerciali, capisce perché quel campo del CRM è sempre vuoto da tre anni.
Il punto è che queste due cose non si sostituiscono, si completano. Trattare la scelta come un aut-aut è il primo errore che vediamo.
Costi reali a confronto
Mettiamo i numeri sul tavolo, senza giri di parole.
Un AI engineer con 2-3 anni di esperienza in Italia costa tra 45.000 e 65.000 euro lordi all’anno. Aggiungi contributi, postazione, formazione, tool a pagamento (API Claude, OpenAI, vector database, observability). Arrivi facilmente a 80.000-100.000 euro nel primo anno per una singola persona.
Una persona sola però non basta quasi mai. Servono almeno tre profili che lavorano insieme: chi conosce gli LLM, chi sa integrare API e workflow, chi capisce il processo di business da automatizzare. Per un team interno funzionale realistico parli di 180.000-250.000 euro all’anno tutto incluso.
Un’agenzia AI per una PMI italiana costa tipicamente tra 3.000 e 8.000 euro al mese per un retainer continuativo, oppure progetti spot tra 8.000 e 30.000 euro. Su base annua un retainer a 5.000 euro al mese fa 60.000 euro. Accesso a un team multi-disciplinare senza costi di ricerca, selezione, onboarding.
Il break-even tra le due opzioni arriva quando hai almeno 6-8 progetti AI attivi in parallelo e una roadmap di intelligenza artificiale per aziende abbastanza densa da giustificare risorse dedicate full-time.
Velocità e time-to-value
Questa è la differenza che pesa di più nei primi dodici mesi.
Quando lavoriamo con un cliente nuovo, dal kick-off al primo workflow in produzione passano in media 3-5 settimane. Non perché siamo veloci noi, ma perché abbiamo già fatto quaranta volte la stessa integrazione tra HubSpot e un agent di qualificazione lead. Sappiamo dove rompe.
Costruire questa velocità internamente richiede tempo, parecchio tempo. Una persona appena assunta, anche brava, impiega 4-6 mesi prima di portare in produzione qualcosa di solido. Nel frattempo i competitor che hanno scelto un’agenzia stanno già iterando sulla seconda o terza versione del loro agent.
Per una PMI che parte da zero in implementazione AI, il time-to-value di un’agenzia è 3-5 volte più rapido. Per una PMI che ha già due o tre anni di progetti AI alle spalle, la differenza si riduce e l’internalizzazione inizia ad avere senso.
Conoscenza specifica del tuo business
Qui il team interno vince. Punto.
Nessuna agenzia, per quanto brava, conoscerà mai i tuoi clienti come li conosce il tuo responsabile vendite. Nessuno saprà mai perché quell’eccezione nel processo ordini esiste da otto anni. Questa conoscenza tacita è quello che rende davvero utili gli agenti AI applicati al tuo business.
Una buona agenzia AI lo sa e lavora di conseguenza. Nel nostro flusso interno passiamo le prime due o tre settimane di ogni progetto a fare interviste strutturate con i tuoi operativi, non solo con il management. È lì che emergono i dettagli che cambiano un workflow da inutile a indispensabile: lo sconto extra che il commerciale senior applica solo ai clienti storici, il fornitore che fattura sempre con due settimane di ritardo, il campo note del CRM che contiene il vero stato della trattativa.
Il rischio del team interno puro è opposto. Conoscenza profonda del business, ma curva di apprendimento lenta sulla parte tecnica. Quando finalmente sanno cosa fare con un’API di un LLM, il modello che usavano è già obsoleto.
Quando ha senso solo il team interno
Ci sono casi in cui un’agenzia AI non basta o non conviene proprio.
Se gestisci dati altamente regolamentati (sanità, finanza, difesa) e la compliance richiede che ogni persona che tocca i dati sia dipendente, hai pochi margini. In questi casi un team interno non è un’opzione ma un requisito normativo.
Se hai una pipeline AI da almeno 12-18 mesi con casi d’uso ricorrenti e un budget annuo per AI sopra i 250.000 euro, il calcolo cambia. Internalizzare riduce i costi unitari per progetto e ti dà controllo totale sull’IP che produci.
Se infine il tuo prodotto è AI (non se l’AI è dentro al prodotto, ma se l’AI è il prodotto), allora non puoi delegare il core all’esterno. Devi avere il team in casa, almeno la parte di ricerca.
Il modello ibrido che usiamo con i clienti
Nella maggior parte dei casi la soluzione migliore non è agenzia AI vs team interno, ma agenzia AI più una figura interna che fa da ponte.
Un AI product owner interno (può essere anche un profilo esistente riconvertito, tipo un capo progetto IT o un responsabile operations curioso) lavora con l’agenzia come team esteso. L’agenzia porta velocità, tool, esperienza accumulata. La persona interna porta contesto, priorità, accountability sui risultati di business misurabili.
In un caso recente abbiamo lavorato così con una PMI di servizi B2B nel milanese. Loro avevano un responsabile operations sveglio che aveva fatto un corso serale su Make. Noi abbiamo portato il know-how su agent, RAG sui loro documenti contrattuali, integrazione con un CRM custom scritto in PHP nel 2015. In nove mesi sono passati da zero automazioni AI a cinque agent in produzione e un risparmio operativo di circa quaranta ore settimanali distribuite su tre reparti.
Questo è il modello che consigliamo alla maggior parte delle PMI italiane che ci contattano per una consulenza AI Milano. Niente all-in interno il primo anno, niente delega cieca all’esterno per sempre.
Domande frequenti
Conviene assumere un AI engineer prima di lavorare con un’agenzia AI?
Quasi mai. Se non hai ancora avviato progetti AI concreti, un AI engineer interno passa i primi sei mesi a capire cosa fare. Meglio iniziare con un’agenzia AI per generare casi d’uso reali e poi, quando il volume cresce, assumere qualcuno che continui il lavoro internamente con il know-how già strutturato.
Quanto dura tipicamente un retainer con un’agenzia AI?
I retainer più solidi durano dai 6 ai 24 mesi. Sotto i 6 mesi il time-to-value è troppo corto per progetti AI seri. Sopra i 24 mesi, se i casi d’uso sono ormai stabili e ricorrenti, ha senso valutare l’internalizzazione di alcune attività operative.
Come si gestisce il knowledge transfer da agenzia AI a team interno?
Con documentazione viva, non PDF morti in un Drive. Repository condiviso, prompt versionati, runbook su come gestire i casi limite. Una buona agenzia dal primo giorno scrive il codice e la documentazione pensando al passaggio di consegne, anche se non avverrà mai.
Un’agenzia AI può lavorare con un team tecnico interno già esistente?
Sì, ed è spesso il setup migliore. L’agenzia porta velocità sulla parte LLM e workflow, il team interno mantiene il controllo su infrastruttura e sicurezza. Il punto critico è definire confini e responsabilità prima del kick-off, non in corsa.
In sintesi
La domanda agenzia AI vs team interno non ha una risposta universale. Dipende dal punto di partenza, dal budget annuo per AI, dalla velocità con cui devi muoverti e dal vincolo normativo del tuo settore.
Per la maggior parte delle PMI italiane il modello ibrido vince: agenzia AI come motore tecnico, un product owner interno che tiene la rotta sui risultati di business. Se vuoi capire quale formula funziona meglio per la tua azienda, scrivici per una call di trenta minuti. Senza slide, senza pitch, solo una conversazione sui tuoi processi reali.
