La maggior parte dei progetti di consulenza intelligenza artificiale che vediamo fallire non fallisce sulla tecnologia. Falliscono perché nessuno ha chiarito, prima di firmare, cosa significava “successo” per quel cliente specifico.
Se stai valutando un percorso del genere per la tua PMI, questo articolo ti dice cosa aspettarti fase per fase, dove i soldi finiscono davvero, e quali domande fare prima di mettere una firma. Niente promesse generiche, niente slide motivazionali.
Cosa significa davvero “consulenza intelligenza artificiale”
Il termine viene usato per cose molto diverse tra loro. Una mezza giornata di formazione sul prompting è marketing chiamata consulenza. Sei mesi di lavoro per integrare un agente AI nel CRM è anche quello consulenza. Capire in che secchio cade la proposta che hai davanti è il primo filtro.
Nel nostro lavoro distinguiamo tre livelli, e ognuno costa e dura diversamente:
1. Audit AI: una valutazione di 2-4 settimane. Si guardano i processi attuali, i tool in uso, i dati disponibili, le persone. Si esce con una mappa di dove l’AI ha ROI positivo e dove invece sarebbe uno spreco. Costo tipico in Italia: 3.000-8.000 euro.
2. Implementation roadmap: 4-8 settimane. Si traduce l’audit in un piano operativo. Quali workflow automatizzare per primi, con quali tool, con quale budget mensile sui modelli, con quale impatto stimato sul fatturato o sui costi.
3. Implementazione vera: 2-6 mesi. Si costruiscono gli agent, si integrano API, si testa, si forma il team. Qui i numeri variano da 8.000 a oltre 50.000 euro a seconda della complessità.
Una buona consulenza intelligenza artificiale è onesta sul fatto che non tutte le aziende hanno bisogno di tutti e tre i livelli. Una PMI di 15 persone spesso si ferma al livello 2 e implementa con un freelance o internamente.
Audit AI: cosa include un audit serio
Quando un cliente ci chiede un audit AI, le prime tre cose che chiediamo non riguardano l’AI. Riguardano i dati. Dove sono. In che formato. Chi ci accede. Se queste risposte sono confuse, l’audit parte da lì, non dai modelli.
Un audit fatto bene include almeno:
- Inventario dei processi ripetitivi: quante ore a settimana spendi sul commerciale, sul supporto, sulla generazione di documenti, sulla data entry. Quantificato, non a sensazione.
- Mappa dei dati: dove vivono i contatti, le mail storiche, i documenti, gli ordini. Sono accessibili via API o vivono dentro PDF che nessuno ha mai parsato?
- Stack tecnico attuale: CRM, gestionale, tool di marketing. Se usi HubSpot, le opzioni sono diverse rispetto a un Salesforce custom o a un foglio Excel condiviso.
- Mappa delle persone: chi nel team userà i tool nuovi, chi li manterrà, chi gli si opporrà. Questa parte la sottovalutano in molti e poi i progetti muoiono lì.
- Una lista di use case prioritizzati: 5-10 idee concrete con stima di costo, tempo di implementazione, e impatto atteso. Non “ottimizziamo il marketing” ma “automatizziamo la qualifica dei lead inbound con un agente che li classifica e li smista al commerciale giusto”.
Diffida di audit che ti consegnano 40 slide di teoria sull’AI. Quello che ti serve sono 5-10 schede concrete con numeri.
Roadmap di implementazione: dal piano al codice
L’implementation roadmap è il documento più sottovalutato del percorso. È anche quello che fa la differenza tra un progetto che parte e uno che resta in una cartella Drive.
Una roadmap utile contiene per ogni use case prioritizzato:
- L’obiettivo misurabile (es. ridurre da 4 a 1 ora il tempo medio di qualifica di un lead inbound).
- Lo stack tecnico scelto, con motivo. Perché Make e non n8n. Perché Claude Sonnet 4.6 e non GPT. Perché un agente custom e non una soluzione SaaS.
- Il costo mensile stimato di esercizio (API, abbonamenti, manutenzione). Questo numero molti consulenti non lo mettono e poi il cliente scopre 400 euro al mese di token che non si aspettava.
- Le dipendenze. Spesso il blocco non è l’AI ma il fatto che il CRM è popolato male. La roadmap deve dire “prima di partire serve fare pulizia su questi 800 contatti duplicati”.
- Una sequenza di sprint da 2-3 settimane, non un waterfall da 6 mesi. Implementi un use case, lo testi in produzione su un sottoinsieme, raccogli dati, decidi se proseguire o pivotare.
Una AI strategy che non si traduce in sprint operativi resta uno slogan. Una roadmap senza strategia diventa un elenco di gadget.
Quanto costa davvero una consulenza intelligenza artificiale in Italia
I numeri qui sotto sono ordini di grandezza realistici per il mercato italiano nel 2026, basati su quello che vediamo nelle proposte concorrenti che i nostri clienti ci girano per confronto.
- Freelance senior in proprio: 80-150 euro l’ora. Funzionano bene per progetti piccoli e ben definiti, meno per implementazioni con più stakeholder.
- Boutique specializzata (5-15 persone): 8.000-30.000 euro per un progetto end-to-end di 2-4 mesi su una PMI. Range più stretto, accountability più alta.
- Big consulting: 50.000 euro in su, spesso molto in su. Il deliverable medio è uno strategy deck. L’implementazione la subappaltano o la lasciano al cliente.
- System integrator generalista: prezzi simili alle boutique ma con minore profondità sui modelli e sugli agent. Tipicamente più forti su RPA tradizionale.
Una regola pratica: se il costo della consulenza supera il valore stimato del primo use case implementato nei primi 6 mesi, il progetto parte già in perdita. Chiedi sempre questa stima per iscritto.
Le bandiere rosse da riconoscere subito
Dopo aver visto decine di proposte di consulenza intelligenza artificiale, ci sono pattern che predicono male. Se vedi uno di questi, fai domande dure prima di firmare:
- Nessuna domanda sui dati nel primo incontro. Se un consulente parla di AI per un’ora senza mai chiederti dove vivono i tuoi dati, sta vendendo, non consigliando.
- Promesse di ROI senza specificare il metodo di misurazione. “Aumenteremo le conversioni del 30%” senza dirti come misurerete il baseline è marketing.
- Stack tecnico predefinito a prescindere. Se la risposta è sempre “implementiamo con Microsoft Copilot” o “lo facciamo con Salesforce Einstein”, probabilmente stai parlando con un rivenditore.
- Zero menzione della manutenzione. Un agente AI in produzione non è un sito web. Va monitorato, gli si aggiustano i prompt quando il modello cambia, si controllano i costi token. Se nessuno parla di chi farà questo lavoro dopo il go-live, ci sarà un buco.
- Nessun case study con numeri. “Abbiamo lavorato con grandi aziende” non basta. Vuoi nomi, contesto, e metriche di risultato. Se non possono per NDA, almeno una descrizione anonima ma quantitativa.
Come Polara AI struttura un percorso
Per essere concreti, ecco come funziona da noi quando arriva una richiesta di consulenza intelligenza artificiale da una PMI italiana.
Prima chiamata gratuita di 30 minuti per capire se il fit ha senso. Se sì, partiamo con un audit a costo fisso. Due settimane di lavoro, due call intermedie, un documento finale con 5-7 use case prioritizzati e un piano operativo. Da lì il cliente è libero. Può implementare da solo, con un altro fornitore, o continuare con noi. Non vendiamo audit con clausole di esclusiva.
Quando proseguiamo insieme nella implementation roadmap, lavoriamo per sprint da due settimane. Ogni sprint chiude con qualcosa di funzionante in produzione, anche se piccolo. Niente big bang a sei mesi. Questo approccio lo abbiamo importato dal product development perché sui progetti AI il rischio principale è scoprire al mese 5 che l’use case scelto non aveva il ROI sperato.
In un caso recente, un cliente nel B2B services aveva preventivato 4 mesi per automatizzare la generazione di preventivi. Nel primo sprint abbiamo scoperto che il vero collo di bottiglia non era la generazione ma la raccolta dei requisiti dal cliente finale. Abbiamo pivottato, implementato un agente di intake conversazionale prima dei preventivi, e il progetto è uscito in 7 settimane invece di 16.
Domande frequenti
Quanto dura una consulenza intelligenza artificiale per una PMI?
Dipende dal livello. Un audit dura tipicamente 2-4 settimane. Una roadmap di implementazione altre 4-6 settimane. L’implementazione di 2-3 use case prioritari richiede 2-4 mesi aggiuntivi. In totale, un percorso completo per una PMI realistica va dai 4 ai 7 mesi dall’inizio al primo workflow stabile in produzione.
Posso fare la consulenza AI internamente invece di affidarmi a un’agenzia?
Sì, se hai già almeno una persona senior con esperienza concreta su LLM, agent e integrazioni API, e tempo dedicato. La consulenza esterna ha senso quando vuoi accelerare di 6-12 mesi sull’apprendimento e ridurre il rischio di scegliere lo stack sbagliato. Per molte PMI sotto i 50 dipendenti la combinazione migliore è audit esterno più implementazione con un freelance dedicato.
Quali sono i prerequisiti tecnici per partire?
Servono dati raggiungibili via API o esportabili in CSV, un minimo di igiene sui processi (sapere chi fa cosa), e una persona referente interna che dedichi almeno 4 ore a settimana al progetto. Non serve avere già un data lake o un team di data scientist. La maggior parte delle PMI parte da uno stack composto da CRM, gestionale, e Google Workspace o Microsoft 365.
Come si misura il ROI di un progetto di AI strategy?
Si misura sul singolo use case, non sul progetto complessivo. Per ogni workflow automatizzato si definisce un baseline (tempo speso, errori commessi, costo unitario) prima dell’implementazione, e si confronta dopo 60-90 giorni di esercizio reale. ROI tipici che vediamo: 4-10x sul costo annuo per use case ben scelti, negativo per use case mal scelti. Per questo prioritizzare bene in audit è la parte più importante del percorso.
In sintesi
Una consulenza intelligenza artificiale seria parte dai dati, finisce in produzione, e ha numeri verificabili su ogni use case. Tutto il resto è teatro.
Se vuoi capire se ha senso per la tua azienda, prenota una chiamata di 30 minuti dalla pagina contatti. In quei 30 minuti capiremo insieme se serve un audit, se basta un’implementazione mirata, o se al momento non sei pronto. Nessuna delle tre risposte ci costa nulla dire.
