«Come facciamo a capire se ha funzionato?» È la domanda che arriva quasi sempre alla fine del progetto. A volte arriva anche prima, il che è un buon segno. Il problema è che quasi tutti cercano di rispondere usando la formula del ROI classico: (guadagno - investimento) / investimento × 100.
Quella formula funziona per comprare un macchinario. Non funziona per l'AI, almeno non da sola. E se misuri male, puoi convincerti che un progetto ha fallito quando in realtà ha funzionato — o peggio, continuare a investire su qualcosa che non porta valore.
In questo articolo ti spiego perché il ROI classico è insufficiente per l'AI, cosa misurare invece, e come farlo in modo pratico. Alla fine hai un framework che puoi applicare ai tuoi progetti.
Perché il ROI classico non funziona per l'AI
L'AI non funziona così. I benefici spesso non sono direttamente monetizzabili: meno errori, decisioni più veloci, team meno stressato, clienti più soddisfatti. E soprattutto, i benefici cambiano nel tempo — un sistema che risparmia 5 ore a settimana al lancio può risparmiarne 15 dopo 6 mesi quando il team impara a usarlo meglio.
Il secondo problema è che senza una baseline (una misurazione di come stavano le cose prima), qualsiasi numero che ottieni dopo il progetto è inutile. Non sai se è migliore, uguale o peggiore.
La regola che cambierà il tuo approccio
Non iniziare nessun progetto AI senza prima documentare il baseline. Misura come funziona il processo oggi, prima di toccare qualsiasi cosa. Senza baseline, non hai ROI. Hai solo sensazioni.
Prima di tutto: la baseline
Cosa misurare nella baseline
- Tempo: quante ore/minuti richiede il processo ogni settimana? Chi le dedica?
- Errori: quante volte il processo produce un risultato sbagliato? Qual è il costo medio di un errore?
- Volume: quante volte si esegue questo processo al giorno/settimana?
- Soddisfazione: chi lo esegue è frustrato? I clienti si lamentano di come viene gestito?
Non servono sistemi di tracciamento sofisticati. A volte basta che le persone coinvolte tengano un foglio Excel per due settimane, segnando quanto tempo impiegano per ogni esecuzione del processo. Due settimane di dati reali valgono più di qualsiasi stima teorica.
Il framework in 4 metriche
Metrica 1 — Ore risparmiate
Formula: (ore prima - ore dopo) × settimane × costo orario medio. Esempio: il processo richiedeva 10 ore/settimana, ora ne richiede 2. Risparmio: 8 ore × 52 settimane × 35€/ora = 14.560€/anno. Attenzione: non contare le ore risparmiate come guadagno diretto se quelle ore vengono semplicemente ridistribuite. Conta solo se vengono usate per qualcosa di valore.
Metrica 2 — Errori evitati
Formula: (errori prima - errori dopo) × costo medio errore. Esempio: prima 8 errori al mese su fatture, ora 1. Costo medio di un errore (ricerca, correzione, riemissione): 45 minuti × 35€/ora = ~26€. Risparmio: 7 errori × 26€ × 12 mesi = 2.184€/anno. Spesso questo dato è sottostimato perché non si contano i costi nascosti: tempo del cliente che chiama per segnalare l'errore, danno reputazionale, ritardi nei pagamenti.
Metrica 3 — Capacity increase
Quanti clienti/ordini/richieste in più riesci a gestire con lo stesso team? Questo non è un risparmio di costi, è un aumento della capacità produttiva. Se prima il tuo team poteva gestire 100 ordini a settimana e ora ne gestisce 150 con le stesse persone, hai liberato una capacità equivalente a 0.5 FTE (Full Time Equivalent). Quella capacità ha un valore anche se non porta direttamente nuovi ricavi.
Metrica 4 — NPS interno
Chiedi alle persone che usano il sistema: «Su una scala da 0 a 10, quanto ti ha aiutato questo strumento nel tuo lavoro?» Non è un dato finanziario, ma è un predittore. Un team che usa volentieri lo strumento lo usa bene, lo migliora nel tempo e lo difende dall'interno. Un team che lo usa controvoglia lo sabota, anche inconsapevolmente.
Un calcolo reale: Ferretti Distribuzione
Il calcolo completo — €34.000 documentati
Baseline (prima): 84 ore/settimana dedicate alla gestione ordini tra 3 operatori. 12 errori di trascrizione al mese, costo medio per errore €38 (chiamata cliente + correzione + riemissione). Capacity: max 320 ordini/settimana. Dopo 6 mesi: 18 ore/settimana (solo verifica anomalie). 0-1 errori al mese. Capacity: 520 ordini/settimana. Calcolo ROI: ore risparmiate (66h × 52 × 30€) = 102.960€. Errori evitati (11 × 38€ × 12) = 5.016€. Totale beneficio annuo: circa 108.000€. Investimento totale (analisi + sviluppo + formazione): 18.000€. ROI anno 1: 500%. NPS interno: 8.4/10.
Nota importante: questo ROI include solo i benefici quantificabili. Non include il valore strategico del fatto che ora l'azienda può crescere senza assumere altri operatori, né la riduzione dello stress del team, né la migliore puntualità nelle consegne che ha già portato a 3 nuovi contratti.
Quando il ROI non basta
Benefici che vanno oltre il ROI
- Vantaggio competitivo: sei l'unico del tuo settore a fare una cosa in modo automatico
- Time-to-market: lanci prodotti o rispondi ai clienti molto più velocemente dei concorrenti
- Resilienza operativa: il processo non dipende più da una singola persona
- Capacità di scala: puoi crescere senza assumere in proporzione
- Qualità percepita: i clienti ricevono risposte più veloci e più precise
Questi benefici sono difficili da monetizzare direttamente, ma sono spesso quelli che fanno la differenza nel lungo periodo. Un'azienda che risponde ai reclami in 2 minuti invece di 2 giorni ha un vantaggio competitivo concreto, anche se è difficile scriverlo in un foglio Excel.
Il mio approccio con i clienti
Con ogni cliente misuro 3 cose prima di iniziare: ore spese sul processo, errori al mese, e una valutazione soggettiva della frustrazione del team (scala 1-5). Dopo 3 mesi misuro di nuovo. Se tutte e tre sono migliorate, il progetto ha funzionato. Se qualcuna è peggiorata, dobbiamo capire perché. Questo approccio semplice produce conversazioni molto più oneste dei fogli ROI da 50 righe.
