Indice dei contenuti
In sintesi
- Oltre il 50% del budget progetti AI nelle aziende italiane finisce in vendite e marketing, aree ad alta visibilità ma ritorni spesso deludenti
- L’automazione back office genera ritorni fino a tre volte superiori rispetto ai progetti customer-facing, ma riceve meno del 20% degli investimenti
- La distribuzione della spesa riflette dinamiche politiche interne più che analisi economiche oggettive
- Ribilanciare il portafoglio iniziative richiede metriche condivise e il coraggio di sfidare le funzioni più influenti
La sala riunioni al terzo piano aveva quella luce grigia tipica dei pomeriggi milanesi di novembre. Sul tavolo, fogli stampati con grafici colorati. Il CFO sfogliava il report trimestrale sui progetti AI, il pollice che scorreva lungo una colonna di numeri rossi. Dall’altra parte del tavolo, il responsabile marketing difendeva il chatbot lanciato sei mesi prima. Costato quattrocentomila euro. Utilizzato, in media, da undici clienti al giorno.
Questa scena si ripete, con variazioni minime, in centinaia di aziende italiane. Il budget progetti AI viene allocato seguendo criteri che hanno poco a che fare con il ritorno economico e molto con la visibilità interna, il potere negoziale delle funzioni, la seduzione delle tecnologie che “si vedono”.
I numeri raccontano una storia diversa da quella che ci piace sentire.
La mappa reale dell’allocazione investimenti AI
Secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano, nel 2024 il mercato italiano dell’AI ha raggiunto 1,2 miliardi di euro, con una crescita del 58% rispetto all’anno precedente. Ma dove finiscono questi soldi?
La distribuzione rivela uno squilibrio strutturale:
- Vendite e marketing assorbono il 27% della spesa complessiva
- Produzione e operations seguono con il 22%
- Customer service raccoglie il 15%
- Amministrazione, finanza e controllo si fermano al 12%
- Risorse umane e back office generale non superano l’8%
Le funzioni ad alta visibilità — quelle che presentano bene nei consigli di amministrazione, che generano comunicati stampa, che impressionano i clienti — catturano oltre metà delle risorse. Le funzioni che macinano carta, riconciliano fatture, gestiscono documentazione, restano ai margini.
Il paradosso del ritorno
I dati McKinsey del 2024 mostrano che i progetti di automazione back office generano un ROI medio del 200-300% nel primo anno, contro il 50-80% dei progetti marketing-oriented. La differenza non è marginale: è un fattore tre.
Perché accade? I processi amministrativi sono ripetitivi, regolati, documentati. L’errore umano è frequente e misurabile. L’automazione interviene su terreno solido. I progetti customer-facing, invece, operano in ambienti variabili, con aspettative fluide e metriche di successo spesso ambigue.
Chi si occupa del ROI dell’intelligenza artificiale conosce bene questa dinamica: i progetti più promettenti sulla carta sono spesso quelli più difficili da portare a valore.
Perché l’automazione back office resta invisibile
Un’azienda metalmeccanica del Veneto, fatturato intorno ai quaranta milioni, aveva due progetti AI in cantiere. Il primo: un sistema di raccomandazione prodotti per l’e-commerce B2B, sponsorizzato dal direttore commerciale. Il secondo: l’automazione della riconciliazione bancaria e della gestione DDT, proposto dal responsabile amministrativo.
Il primo progetto ottenne budget immediato. Il secondo rimase in lista d’attesa per diciotto mesi.
Quando finalmente partì, il progetto amministrativo si ripagò in quattro mesi. Il sistema di raccomandazione, dopo due anni, mostrava ancora un ROI negativo.
La dinamica è sempre la stessa. Le funzioni commerciali hanno voce in capitolo nelle decisioni strategiche. Parlano il linguaggio della crescita, dei ricavi, del mercato. Le funzioni amministrative parlano di costi evitati, di ore risparmiate, di errori ridotti. Meno glamour, più sostanza.
Il peso della politica interna
Il budget progetti AI non si decide in un vuoto razionale. Si decide in riunioni dove contano i rapporti di forza, le alleanze, la capacità di raccontare storie convincenti. Il direttore marketing che promette “customer experience rivoluzionata” vince quasi sempre contro il controller che propone “riduzione del 40% dei tempi di chiusura mensile”.
Eppure, a consuntivo, i numeri parlano chiaro. E parlano a favore del controller.
I dati che le aziende non vogliono vedere
Uno studio Deloitte del 2024 su 2.600 aziende globali ha rilevato che solo il 26% dei progetti AI raggiunge gli obiettivi di business prefissati. Ma la percentuale sale al 47% per i progetti focalizzati su processi interni strutturati.
In Italia, l’Osservatorio del Politecnico segnala che le aree con maggiore maturità applicativa sono proprio quelle meno finanziate: gestione documentale, automazione contabile, compliance normativa.
| Area funzionale | % budget AI | ROI medio primo anno | Tasso successo progetti |
|---|---|---|---|
| Vendite e Marketing | 27% | 50-80% | 24% |
| Customer Service | 15% | 70-100% | 31% |
| Produzione | 22% | 100-150% | 38% |
| Amministrazione e Finance | 12% | 200-300% | 52% |
| Back Office generale | 8% | 180-250% | 48% |
La correlazione è evidente: meno soldi, più risultati. Non perché i progetti siano magicamente migliori, ma perché operano su processi più adatti all’automazione.
Come ribilanciare l’allocazione investimenti AI
Immagina di trovarti nella prossima riunione di budget con questi dati stampati davanti. Il direttore commerciale chiede altri trecentomila euro per il progetto di lead scoring predittivo. Il responsabile amministrativo propone centomila euro per automatizzare la gestione delle note spese.
Quale progetto approvi?
La risposta razionale è chiara. La risposta politica, meno.
Tre leve per cambiare la conversazione
La prima leva è la trasparenza sui risultati. Ogni progetto AI dovrebbe avere metriche di successo definite prima del lancio, misurate con cadenza trimestrale, condivise con tutto il comitato direttivo. Non “engagement rate” o “sentiment score”, ma euro risparmiati, ore liberate, errori eliminati.
La seconda leva è il portafoglio bilanciato. Un budget progetti AI sano dovrebbe allocare almeno il 30-40% su iniziative di automazione back office. Non perché siano più importanti in assoluto, ma perché offrono il terreno più fertile per costruire competenze, generare quick win, finanziare progetti più ambiziosi.
La terza leva è il coraggio manageriale. Qualcuno deve dire al direttore marketing che il suo chatbot non funziona. Qualcuno deve spiegare al board che i progetti “invisibili” sono quelli che pagano i dividendi. Questo qualcuno, di solito, è il CFO. O dovrebbe esserlo.
Il costo nascosto delle scelte sbagliate
Ogni euro allocato male non è solo un euro sprecato. È un euro sottratto a progetti che avrebbero funzionato. È tempo del team IT impegnato su iniziative destinate al fallimento. È credibilità bruciata verso il board, che inizia a guardare l’AI con scetticismo.
Il ritorno economico dell’AI non dipende dalla tecnologia scelta o dal fornitore ingaggiato. Dipende, prima di tutto, da dove si decide di investire.
Le aziende che hanno capito questa lezione stanno ribilanciando i portafogli. Meno chatbot, più automazione documentale. Meno recommendation engine, più riconciliazione automatica. Meno visibilità, più valore.
Non è una scelta facile. Richiede di resistere alle pressioni delle funzioni più vocali, di accettare che i progetti meno glamour sono spesso i più redditizi, di misurare il successo in euro e non in applause.
Ma è la scelta che separa le aziende che usano l’AI da quelle che la subiscono.
La domanda da porsi oggi
Guarda il tuo budget progetti AI dell’ultimo anno. Quanto è andato a funzioni che “si vedono”? Quanto a funzioni che “producono”? Se la risposta ti mette a disagio, hai già identificato il problema.
La soluzione inizia dalla prossima riunione di allocazione. Con un foglio Excel, qualche domanda scomoda, e la volontà di seguire i numeri invece delle narrative.
FAQ
Come si calcola il budget corretto per i progetti AI in azienda?
Non esiste una formula universale, ma un approccio solido parte dall’analisi dei processi con maggiore inefficienza misurabile. Il budget dovrebbe riflettere il potenziale di risparmio documentato, non le aspettative di crescita generiche. Un range tipico per PMI italiane è l’1-3% del fatturato per iniziative AI complessive.
Quali sono gli errori più comuni nell’allocazione investimenti AI?
Concentrare risorse su progetti ad alta visibilità ma basso ritorno, non definire metriche di successo prima del lancio, sottovalutare i costi di integrazione con sistemi esistenti, e non prevedere budget per la manutenzione evolutiva post-lancio.
L’automazione back office richiede competenze tecniche interne?
Meno di quanto si pensi. I progetti di automazione documentale e amministrativa utilizzano spesso piattaforme low-code che richiedono competenze di processo più che di programmazione. Il coinvolgimento dell’IT resta necessario per integrazioni e sicurezza, ma il peso operativo può ricadere sulle funzioni business.
Quanto tempo serve per vedere risultati da un progetto di automazione amministrativa?
I progetti ben strutturati mostrano primi risultati misurabili entro 3-6 mesi dal go-live. Il payback completo dell’investimento avviene tipicamente entro 12-18 mesi, significativamente più veloce rispetto ai progetti customer-facing.
Come convincere il management a investire su progetti meno visibili?
Con i numeri. Presenta business case dettagliati che confrontino ROI atteso, tempo di payback e probabilità di successo tra diverse tipologie di progetto. I dati di benchmark settoriale aiutano a oggettivare la discussione oltre le preferenze personali.
Quali processi di back office sono più adatti all’automazione AI?
Riconciliazione bancaria, gestione fatture passive, elaborazione note spese, archiviazione documentale, estrazione dati da contratti, gestione scadenze normative. Tutti processi con input strutturati, regole chiare e volumi significativi.
Il budget progetti AI dovrebbe essere centralizzato o distribuito tra funzioni?
Un modello ibrido funziona meglio: budget centralizzato per infrastruttura e competenze trasversali, quote allocate alle funzioni per progetti specifici ma con governance comune su criteri di prioritizzazione e metriche di successo.
Come misurare il successo di un progetto di automazione back office?
Le metriche chiave sono: ore-uomo risparmiate, riduzione tasso di errore, accelerazione dei tempi di processo, costo per transazione elaborata. Tutte misurabili con precisione, a differenza di metriche soft come “soddisfazione cliente” o “brand awareness”.