Per le PMI italiane, la consulenza AI esterna è preferibile allo sviluppo interno quando manca un team tecnico dedicato: costi iniziali inferiori (€5.000-15.000 vs €50.000+ per un'assunzione), time-to-value 3-5x più rapido e rischio ridotto. Lo sviluppo interno conviene solo con volumi elevati e team tecnico già presente.
La domanda mal posta: non e build vs buy, e come scalare AI senza perdere i primi 18 mesi
Quando un imprenditore o un direttore generale di una PMI italiana ci chiama con la domanda "meglio un consulente o assumere internamente un AI engineer?", quasi sempre sta ponendo la domanda sbagliata. La domanda giusta e: "come arrivo al primo risultato misurabile nel minor tempo possibile, senza buttare 18 mesi in assunzioni, onboarding e tentativi a vuoto?"
La differenza e sostanziale. La prima domanda porta a confrontare tabelle di costi annui. La seconda porta a ragionare sul time-to-value, sul rischio personale, e sulla curva di apprendimento reale di una PMI che non ha mai fatto AI. In una azienda da 30, 80 o 150 dipendenti, i primi 2-3 progetti AI servono soprattutto a capire cosa l'AI puo davvero fare nel vostro contesto specifico: con i vostri dati, il vostro CRM, il vostro ERP, i vostri clienti, le vostre obiezioni commerciali. Questa conoscenza non la compra un contratto di assunzione, si costruisce facendo.
Il rischio tipico dell'approccio "assumo un AI engineer e poi vediamo" e quello di pagare 8-12 mesi di stipendio prima di capire che la persona assunta non aveva il profilo giusto, oppure che non aveva l'autonomia per portare a casa risultati senza un team di supporto. Il rischio dell'approccio "tutto in consulenza per sempre" e quello di non internalizzare mai la competenza e restare dipendenti all'infinito da un fornitore esterno. La via praticabile sta in mezzo, e il timing conta piu della scelta in se.
Il confronto economico reale: 60k di consulenza vs 100k all'anno di team interno
Facciamo numeri concreti, evitando i benchmark da slide americane che non c'entrano nulla con l'Italia. In Italia, nel 2026, un AI engineer con 3-5 anni di esperienza reale (non di LinkedIn) costa tra 55 e 75 mila euro lordi annui. Aggiungete il costo azienda (contributi, TFR, welfare, strumenti, formazione, postazione): arrivate a un costo totale tra 85 e 120 mila euro all'anno. Una sola persona. Che lavora 220 giorni l'anno, di cui forse 160 davvero produttivi una volta tolti meeting, ferie, formazione e periodi di assestamento.
Un progetto di consulenza AI ben strutturato per una PMI, dal discovery al primo pilota messo in produzione, costa tipicamente tra 15 e 40 mila euro. Un programma annuale che copre 2-3 progetti con un fornitore strutturato sta tra 50 e 90 mila euro, spesso con un retainer mensile che include supporto, iterazioni e nuove iniziative. A parita di budget, nel primo anno ottenete con la consulenza due o tre progetti produttivi; con l'assunzione interna ottenete, nella migliore delle ipotesi, un progetto e mezzo.
C'e un secondo effetto meno visibile. Il consulente esterno arriva avendo gia visto 20, 50 o 100 aziende simili alla vostra. Sa cosa funziona e cosa no, sa quanto tempo ci vuole davvero, sa dove sono le trappole. L'AI engineer appena assunto, anche bravissimo, deve costruirsi questo know-how nel vostro contesto, pagato da voi, e nel frattempo il vostro business non aspetta. Per approfondire il confronto tra fornitori di consulenza, trovate utile la nostra guida su come scegliere una societa di consulenza AI per PMI.
Vuoi applicare questo nella tua azienda?
In IL DOGE DI VENEZIA affianchiamo le PMI italiane in ogni fase della trasformazione AI. La prima conversazione è gratuita.
Parlaci del tuo progettoTempi al primo risultato: perche un consulente produce valore in 6-8 settimane e un team interno in 6-12 mesi
Il time-to-value e la metrica che vi deve guidare, non il costo nominale. Un consulente AI strutturato, su un progetto ben delimitato, produce il primo risultato misurabile in 6-8 settimane: un agente che qualifica i lead in entrata, un sistema che analizza le richieste offerta e precompila la prima bozza, un classificatore che smista le mail del customer service. Cose concrete, in produzione, con metriche prima-dopo.
Un team interno, partendo da zero, impiega tipicamente 6-12 mesi per arrivare allo stesso punto. Non perche le persone siano meno brave, ma perche devono: completare l'onboarding aziendale, capire i processi esistenti, scegliere lo stack tecnologico, impostare le pratiche di sviluppo, costruire le pipeline dati, integrarsi con i sistemi esistenti, convincere gli altri reparti a collaborare, gestire la prima resistenza interna, iterare sui falsi partenza. Tutto questo prima di avere un risultato in produzione.
In 6-12 mesi di ritardo, succedono molte cose. I concorrenti che hanno scelto la via della consulenza sono gia sul terzo progetto. Il vostro imprenditore, che aveva firmato l'assunzione con entusiasmo, inizia a chiedere "ma questo AI engineer che ci produce?". Il clima interno si intossica. Alcune delle iniziative che avevate in mente perdono rilevanza strategica. Per una analisi dei tempi reali di implementazione vi rimandiamo alla nostra guida sui tempi di implementazione di un progetto AI in PMI.
Il rischio personale: cosa succede se l'AI engineer se ne va dopo 8 mesi
Questo e il rischio che nessuno calcola bene. Il mercato italiano degli AI engineer e piccolo e surriscaldato. Se assumete una persona brava, nei primi 12-18 mesi ricevera almeno 3-5 offerte di lavoro migliori della vostra. Alcune da multinazionali con stipendi fuori portata per una PMI, altre da startup con stock option. La probabilita che il vostro AI engineer resti piu di 24 mesi, se non lavorate attivamente sulla retention, e statisticamente bassa.
Cosa succede se se ne va a 8 mesi, dopo aver messo in piedi il primo progetto ma prima di averlo consolidato? Restate con codice che nessuno sa mantenere, modelli che nessuno sa riaddestrare, integrazioni che iniziano a rompersi al primo cambio di sistema. Il progetto, che vi era costato caro in stipendio e tempo del management, si trasforma in debito tecnico. E dovete ricominciare da capo con una nuova assunzione, altri 6-12 mesi di onboarding, altri soldi.
Il consulente esterno non azzera questo rischio ma lo distribuisce diversamente. Se lavorate con una struttura (non con un freelance singolo), c'e sempre backup, documentazione, handover. Se decidete di cambiare fornitore, avete in mano specifiche, codice sorgente, modelli e dati. Il bus factor, cioe il rischio che una persona sola sparisca e il progetto muoia, e molto piu basso con una societa di consulenza ben strutturata che con un singolo dipendente. Questo e uno dei punti che insistiamo di piu quando aiutiamo i clienti a definire il contratto di consulenza AI.
Quando il team interno inizia ad avere senso: la soglia dei 200 dipendenti e del terzo progetto
Non stiamo dicendo che non si debba mai assumere internamente. Stiamo dicendo che il momento giusto per farlo e molto piu avanti di quando la maggior parte delle PMI lo immagina. La soglia pratica, per come l'abbiamo vista nelle aziende italiane, e la combinazione di due fattori: circa 200 dipendenti e almeno 3 progetti AI gia in produzione con metriche chiare.
Sotto i 200 dipendenti, in una PMI tipica, la quantita di processi che beneficiano di una soluzione AI e limitata. Avete magari 5-10 casi d'uso rilevanti nell'arco di 2-3 anni. Un team interno full-time resta sottoutilizzato: dopo il picco iniziale, rischiate di pagare 100 mila euro all'anno a una persona che per mesi non ha progetti critici da portare avanti.
La soglia del "terzo progetto" e piu importante della soglia dimensionale. Quando avete fatto 3 progetti con un consulente, avete imparato cosa l'AI puo fare nel vostro contesto, quali sono i vostri vincoli reali, come si integra con i vostri sistemi, come reagiscono le persone interne. A quel punto internalizzare ha senso perche sapete esattamente che profilo cercare e come metterlo a lavorare. Prima, rischiate di assumere un profilo generico sulla base di un'idea vaga di cosa vi serva.
Il modello ibrido: consulenza piu champion interno (la configurazione che consigliamo)
La configurazione che nella nostra esperienza funziona meglio per PMI tra 20 e 200 dipendenti e un modello ibrido. Da un lato, un consulente AI esterno (una struttura, non un singolo) che porta avanti i progetti, mette codice in produzione, fa discovery, propone nuove iniziative. Dall'altro, un "champion interno": una persona gia presente in azienda, tipicamente dal reparto IT, operations o controlling, che affianca il consulente, impara facendo, diventa il punto di contatto interno per l'AI.
Il champion interno non e un AI engineer. E una persona curiosa, capace, che conosce bene l'azienda e i suoi processi, e che dedica il 20-30% del suo tempo all'iniziativa AI per 12-18 mesi. Impara dal consulente come si ragiona, come si valutano le iniziative, come si misurano i risultati. Diventa la memoria istituzionale dell'AI in azienda. Quando un progetto e in produzione, e lui il primo livello di supporto e il primo a notare se qualcosa non funziona.
Questo modello ha tre vantaggi. Primo, riduce la dipendenza dal consulente senza pagare uno stipendio full-time. Secondo, costruisce know-how interno progressivamente, senza bruciare mesi. Terzo, prepara il terreno per un'assunzione futura con profilo molto piu chiaro: quando e il momento di assumere, sapete esattamente che senior vi serve e il vostro champion interno diventa il suo primo collaboratore. Se volete discutere come applicare questo modello al vostro caso, potete contattarci per un confronto senza impegno. In parallelo, vi suggeriamo di leggere il nostro articolo sui motivi per cui falliscono i progetti AI nelle PMI, perche molte delle cause di fallimento nascono proprio dalla scelta sbagliata tra build e buy fatta al momento sbagliato.
Come decidere nel vostro caso specifico
Provate a rispondere a queste sei domande. Quante persone ha la vostra azienda oggi? Quanti progetti AI avete gia portato in produzione con metriche prima-dopo? Quante iniziative AI credibili avete in backlog per i prossimi 24 mesi? Avete in azienda una persona che potrebbe fare da champion interno senza essere un AI engineer? Quanto velocemente avete bisogno del primo risultato visibile? Quanto e alto il costo, per voi, di ritardare di 6-12 mesi il primo progetto?
Se siete sotto i 200 dipendenti, se avete meno di 3 progetti in produzione, se avete un backlog limitato, se non avete ancora identificato un champion interno, e se il primo risultato vi serve entro 2-3 mesi: la consulenza e quasi sempre la risposta giusta. Se siete sopra i 200 dipendenti, avete gia fatto 3 progetti, avete un backlog pieno, avete identificato il champion interno e avete budget annuale per 2-3 figure, l'assunzione diventa sensata. In mezzo, c'e il modello ibrido, che nella nostra esperienza copre l'80% dei casi reali. Il nostro servizio di consulente AI per PMI e disegnato esattamente per accompagnarvi in questo percorso senza farvi fare gli errori tipici dei primi 18 mesi.