ROI dell'AI on-premise: come calcolarlo sui tuoi processi

Calcolare il ROI dell'AI on-premise richiede una formula semplice e numeri verificabili. Il beneficio annuo è ore risparmiate × costo orario × persone coinvolte; il ROI è (beneficio annuo − costi annui) ÷ costi annui. Non è una previsione di produttività, ma un conto da costruire sul processo che si vuole migliorare e da rifare prima e dopo il progetto, sugli stessi documenti e sugli stessi volumi.

La formula, voce per voce

Il calcolo ROI AI parte da tre numeri. Le ore risparmiate per persona sono la differenza tra il tempo impiegato oggi su un'attività ripetitiva e il tempo necessario con lo strumento, al netto della verifica umana. Il costo orario è il costo aziendale della persona coinvolta, non lo stipendio lordo. Le persone sono quante svolgono davvero quell'attività, non quante hanno un accesso al sistema.

Dal beneficio annuo si sottraggono i costi annui: hardware, setup, integrazioni, formazione, assistenza e tempo interno di gestione. Il ROI dell'intelligenza artificiale è (beneficio annuo − costi annui) ÷ costi annui ed è positivo quando il beneficio annuo supera i costi annui in un orizzonte realistico, ad esempio tre anni, da concordare con chi approva l'investimento.

Cosa misurare prima e dopo

Il ritorno non si misura a sensazione. Prima del progetto conviene fissare una baseline su un solo processo: tempo medio per leggere un contratto, minuti per registrare una fattura, ore per trovare una procedura interna, numero di richieste ripetute al supporto. Vanno registrati anche il volume mensile, gli errori e i passaggi che richiedono comunque una persona.

Dopo l'introduzione si rimisurano gli stessi indicatori, con le stesse unità di misura. Un calo del tempo è credibile solo se la qualità resta stabile o migliora: un output più rapido ma da correggere non produce ROI. Serve quindi tracciare anche le correzioni, i casi in cui il sistema non risponde e il tempo speso a controllare i risultati.

Un esempio dichiaratamente ipotetico

Immaginiamo uno studio di dieci persone, esempio puramente illustrativo. Se tre persone dedicano due ore a settimana ciascuna alla prima lettura di documenti ripetitivi, il monte ore annuo è di circa trecento ore. Se lo strumento ne recuperasse la metà, il beneficio lordo sarebbe di centocinquanta ore per il costo orario aziendale. Da qui si sottraggono infrastruttura, configurazione, formazione e assistenza: solo il risultato finale dice se l'investimento conviene.

L'esempio non contiene prezzi né rendimenti reali, e questo è il punto: il ROI va calcolato sui propri numeri, non su quelli di un altro settore.

Errori che falsano il risultato

• contare il risparmio teorico su tutti i dipendenti invece che sugli utenti effettivi;
• ignorare il tempo di verifica dell'output e la manutenzione del sistema;
• sommare benefici su processi che non sono stati misurati prima;
• confrontare un canone cloud con il solo prezzo dell'hardware, dimenticando setup e assistenza.

Perché il calcolo cambia con l'on-premise

Un'infrastruttura privata sposta parte del costo sull'investimento iniziale e sulla gestione, mentre il cloud lo distribuisce su abbonamenti e consumo. Per capire quale struttura pesa meno nel tuo caso vedi quando conviene un investimento in intelligenza artificiale locale, dove il confronto è tra capex e opex. Per stimare la parte infrastrutturale voce per voce c'è il costo di un server AI aziendale. Quando volume documentale e utenti crescono, i costi variabili del cloud possono superare un investimento con costi più prevedibili; con carichi bassi e saltuari vale spesso il contrario.

Se vuoi rendere il calcolo difendibile davanti alla direzione, serve un caso misurabile con baseline, ore e criteri di qualità. Lo stesso metodo è descritto in come costruire un case study AI in PMI.

Chiedilo a Mirko affronta il ROI partendo dal processo da migliorare: nell'assessment gratuito misuriamo volumi, utenti, tempi attuali e vincoli sui dati, poi stimiamo una configurazione coerente. L'obiettivo non è vendere una macchina, ma capire se e quanto l'AI on-premise conviene prima di investire.