Come misurare il ROI dell'AI (oltre i POC)

Quando un cliente mi dice "l'AI non ci sta rendendo quanto promesso", la prima cosa che chiedo non è quale modello usa o quanto ha speso. Chiedo: "cosa intendevi con 'rendere', e quando lo avete deciso?" Nella maggior parte dei casi la risposta è un silenzio, seguito da un numero improvvisato lì per lì. Ore risparmiate, forse. Quante persone usano lo strumento ogni giorno, magari. Quasi mai un euro.

In breve. Il ROI dell'AI non si misura contando ore risparmiate o licenze attive: quello è un criterio di utilizzo, non di valore. Si misura definendo, prima di partire, un solo numero in euro da verificare ogni mese. McKinsey (State of AI 2025, 1.993 aziende) conferma il pattern dall'esterno: l'88% delle aziende usa l'AI regolarmente, ma solo il 5,5% dichiara un impatto finanziario reale. Il divario è quasi sempre lo stesso: nessuno ha deciso a monte cosa contare.

Il momento in cui smette di essere in discussione

Nei progetti che seguiamo da anni c'è un punto di svolta che torna sempre uguale, cliente dopo cliente. Non è quando il sistema va live, e non è nemmeno quando funziona bene tecnicamente. È il mese in cui il cliente smette di dire "quante ore ci ha fatto risparmiare" e inizia a dire "quanti euro ha recuperato". Da quel momento il progetto smette, quasi sempre, di essere una voce in discussione al rinnovo.

Non è un caso di marketing: è un cambio di unità di misura. Le ore risparmiate sono una stima, spesso ottimistica, che nessuno controlla davvero dopo il primo mese. I euro recuperati sono un numero che si può verificare, mettere accanto al conto economico e difendere davanti a un CFO. Chi passa dal primo al secondo smette di dover "convincere" che l'AI funziona: lo dimostra.

È il motivo per cui, prima di partire con qualsiasi sistema, definiamo con il cliente un Value Leak: il punto preciso in cui l'azienda sta perdendo margine oggi, quantificato in euro prima ancora di scegliere lo strumento. Non è burocrazia. È l'unica cosa che rende possibile, dodici mesi dopo, rispondere a "quanto ha reso" senza dover inventare un numero sul momento.

Cosa dice McKinsey, e perché conferma il pattern

Il report State of AI 2025 di McKinsey, condotto su 1.993 aziende, mette un numero preciso su una cosa che vediamo sul campo da tempo: l'88% delle aziende dichiara un uso regolare dell'AI in almeno una funzione. Solo il 5,5% dichiara un impatto finanziario reale, misurabile a livello di conto economico.

Un'azienda su venti vede il ritorno. Le altre diciannove stanno pagando qualcosa che non sanno quantificare, non perché lo strumento non funzioni, ma perché non hanno mai definito cosa avrebbe dovuto succedere per poterlo dire.

Guardando più a fondo nei dati, solo il 39% delle aziende intervistate dichiara un impatto misurabile a livello di EBIT aziendale. A livello di singola funzione il quadro cambia: software engineering, produzione e IT riportano riduzioni di costo tra il 10% e il 20%, marketing e sviluppo prodotto riportano incrementi di ricavo sopra il 10%. Il ROI, quindi, quasi sempre esiste. Resta però chiuso dentro il reparto che lo ha generato, perché nessuno lo aggrega in un numero unico e comparabile nel tempo, dello stesso tipo di quello che useremmo per giudicare qualsiasi altro investimento in azienda.

Perché l'uso non è la stessa cosa della misurazione

La causa più comune non è la qualità dei modelli, oggi generalmente alta per il tipo di lavoro che le aziende gli chiedono. È che la maggior parte delle organizzazioni misura l'adozione, non il valore: quante persone usano lo strumento, quante licenze sono attive, quanto tempo si passa a interagire con l'AI. Nessuno di questi numeri dice se il margine dell'azienda si è mosso di un euro.

È la differenza tra un cruscotto di utilizzo e un rendiconto di valore. Il primo racconta quanto lavora lo strumento. Il secondo racconta quanto ha reso. Sono due domande diverse, e rispondere bene alla prima non garantisce nulla sulla seconda: puoi avere un'adozione altissima e un ritorno pari a zero, che è esattamente la situazione in cui si trova la maggioranza delle aziende intervistate da McKinsey.

Il pilot che non arriva mai in produzione

C'è una seconda causa, collegata alla prima: circa un terzo delle aziende che ha portato l'AI a livello pilota è riuscito a scalarla in produzione. Gli altri due terzi restano fermi in una fase intermedia dove il sistema esiste, viene mostrato in una demo che impressiona, ma non entra mai davvero nel flusso di lavoro quotidiano. Lo stesso schema emerge nella ricerca del MIT sul fallimento dei progetti di AI: un pilot applaudito in riunione non è un sistema che genera valore, sono due cose diverse che si confondono facilmente.

Le aziende che superano questo punto hanno in comune tre cose, secondo lo stesso report: un coinvolgimento reale della leadership, un obiettivo legato a un indicatore di business definito prima di partire, e un ridisegno vero del processo attorno al nuovo strumento, non solo un tool aggiunto sopra al flusso esistente. Solo il 21% delle aziende arriva a questo livello di ridisegno. È la differenza tra chi misura un ritorno e chi misura solo un utilizzo, di nuovo la stessa distinzione.

Come si misura davvero: un numero, non un cruscotto

Il ROI dell'AI non si misura con un cruscotto di metriche di utilizzo. Si misura con un criterio di valore unico, definito prima di iniziare il progetto, non ricostruito dopo per giustificarlo. In pratica: quanto margine recupera questo sistema ogni mese, rispetto a un punto di partenza già quantificato con un Value Leak misurato.

Da questo nasce il Value Report: il rendiconto mensile con cui rispondiamo alla domanda "quanto ha reso", non un elenco di attività svolte ma il valore generato in euro, verificato mese su mese. Sui progetti che seguiamo dal 2023 questo criterio ha permesso di rendicontare oltre 4 milioni di euro di margine recuperato su più di 60 sistemi in produzione. Non è un numero da slide: è la somma di quello che succede quando, prima di scrivere una riga di codice, si decide cosa si sta andando a misurare.

Il salto di unità. Dal cruscotto di utilizzo (licenze, ore, click) al rendiconto di valore (euro recuperati mese su mese). Esempio illustrativo su baseline reale.

In sintesi

L'AI in azienda oggi si usa quasi ovunque e rende raramente. La differenza tra chi finisce nel 5,5% e chi resta fuori non è la tecnologia scelta: è aver definito, prima di iniziare, un solo criterio di valore in euro, verificato ogni mese. Chi misura l'utilizzo sa quanto lavora lo strumento. Chi misura il ROI sa quanto ha reso, e smette di doverlo difendere.