Quando Portare l'AI In-House Dopo la Consulenza (Decisione per PMI)

L'in-house conviene con 3 condizioni: team competente, 4+ progetti AI paralleli, AI engineer al >60% di utilizzo. Sotto i 200 dipendenti, il retainer (10-25K€/anno) costa meno del RAL di un senior (80-150K€). Per la maggior parte delle PMI italiane il modello ibrido è la scelta ottimale.

La domanda che il CEO si fa al mese 9

Il pilota è andato live a fine 2025. A maggio 2026 il sistema funziona, il team lo usa quotidianamente, i KPI sono nel verde. Il CEO guarda la fattura mensile del retainer di consulenza e si pone la domanda: "Il consulente è ancora necessario? Non sarebbe più efficiente assumere internamente?".

È una domanda legittima e nove volte su dieci viene risolta male. Per due ragioni opposte. Alcuni CEO portano in-house troppo presto, pensando di risparmiare — e dopo 6 mesi il team interno è bloccato su problemi che non sa risolvere mentre il partner esterno è già stato licenziato. Altri continuano con il retainer molto oltre il punto di efficienza — pagando 30-50K€/anno per un livello di supporto che ormai potrebbe essere gestito internamente con un AI champion ben formato.

La risposta corretta non è ideologica ("AI interna è meglio" vs "consulenza è meglio") — è dipendente da tre variabili misurabili. Questo articolo le formalizza in un framework decisionale.

I 3 criteri di readiness per l'in-house

1. Competenza del team interno

"Pronto" non significa "capace di usare l'AI" — quasi tutti gli utenti finali ci arrivano in 2-3 settimane. Significa capacità tecnica di manutenere ed evolvere il sistema: modificare prompt sulla base di edge case osservati, debuggare output anomali, identificare quando un problema è di prompt vs di dati vs di modello, capire i limiti strutturali della tecnologia.

Test pratico: il team interno è in grado di risolvere autonomamente almeno l'80% dei tickets di livello 1-2 senza dover chiamare il consulente esterno? Se sì, è tecnicamente pronto. Se no, l'eventuale in-house ricreerà dipendenza da consulenti esterni "per i casi difficili" — vanificando il senso del passaggio.

Tempo medio per arrivare a questo livello: 9-15 mesi dopo il go-live, con formazione strutturata. Senza formazione esplicita, può non avvenire mai.

2. Volume di lavoro stabile

Un AI engineer in-house ha un costo fisso annuo significativo (RAL + costo aziendale, vedi sotto). Per giustificarlo, deve essere occupato almeno al 60% del tempo su attività AI. Sotto il 60% di utilizzo, il retainer di consulenza costa meno e dà accesso a competenze più diverse.

Come misurare il 60% prima di assumere? Tracciare le ore di consulenza esterna effettivamente usate negli ultimi 6 mesi e proiettare a 12 mesi. Se la proiezione è sotto le 1.000 ore/anno (60% di un anno lavorativo), l'in-house non si giustifica ancora.

3. Ampiezza della roadmap AI

La terza variabile è la più strategica: quanti progetti AI attivi e paralleli avrà l'azienda nei prossimi 24 mesi?

• 1 progetto AI = consulenza esterna. Il volume non giustifica un'assunzione interna.
• 2-3 progetti paralleli = modello ibrido. AI champion part-time interno + partner esterno strategico.
• 4+ progetti paralleli = in-house. La massa critica giustifica una figura dedicata.

L'errore tipico è proiettare ambiziosamente: "sicuramente avremo 5+ progetti nel 2027". La proiezione va fatta sulla base della roadmap realmente approvata e finanziata, non delle intenzioni. Le PMI italiane che hanno assunto AI engineer in-house aspettandosi una pipeline ricca, e poi si sono trovate con 1-2 progetti, hanno costi fissi alti e personale sotto-utilizzato.

Confronto costo annuo: in-house vs retainer vs ibrido

I numeri concreti per 3 scenari di PMI italiana 2026:

PMI 50 dipendenti, 1-2 sistemi AI in produzione:

• In-house (1 AI engineer mid-level): RAL 55K + costo aziendale 35% = 74K€/anno. Sotto-utilizzato (probabilmente 30-40%).
• Retainer consulenza: 1.500-3.000€/mese = 18-36K€/anno. Adatto al volume.
• Vincitore: retainer. L'in-house costa il doppio e l'AI engineer si annoia.

PMI 200 dipendenti, 2-3 sistemi AI in produzione + roadmap di altri 2-3:

• In-house (1 AI engineer senior): RAL 75K + costo aziendale = 101K€/anno.
• Retainer intensivo: 4-6K€/mese = 48-72K€/anno.
• Ibrido: AI champion part-time (50% di un mid-senior, ~35K€) + retainer ridotto (24-36K€) = 60-70K€/anno.
• Vincitore: ibrido. Combina ownership interna con accesso a competenze esterne quando serve.

PMI 500+ dipendenti, 4+ sistemi AI attivi, roadmap multi-anno:

• In-house (1 AI lead + 1 AI engineer): RAL totale 130K + costo aziendale = 175K€/anno.
• Retainer enterprise: 8-15K€/mese = 96-180K€/anno. Adatto ma meno controllo.
• Vincitore: in-house con partnership strategica ridotta. Il volume giustifica la struttura interna.

Per i prezzi dettagliati del mercato consulenza AI italiano, vedi prezzi consulenza AI Italia 2026.

Il rischio nascosto del passaggio in-house troppo presto

L'errore più costoso è assumere un AI engineer in-house prima che le tre condizioni siano allineate. Cosa succede in pratica:

• Sovrapposizione con il consulente esterno: per i primi 3-6 mesi entrambi lavorano sugli stessi sistemi, con confusione su chi decide cosa. Il consulente diventa difensivo, l'engineer interno si frustra.
• Conflitti di ownership: chi è responsabile della performance del sistema? Il consulente che l'ha costruito o l'engineer interno che ora dovrebbe gestirlo? La risposta ambigua produce un sistema senza padre.
• Sotto-utilizzo del nuovo assunto: l'engineer interno è qualificato per fare molto di più di quello che la roadmap attuale richiede. Si annoia, perde motivazione, e nei casi peggiori lascia entro 12-18 mesi.
• Pressione a creare lavoro: l'engineer interno, per giustificare la propria assunzione, propone progetti AI non necessari. La PMI accumula sistemi che non hanno ROI reale.

Una buona regola pratica: l'in-house si fa quando la pressione viene dal volume di lavoro, non dalla "convinzione strategica". Se la roadmap AI non sta già esaurendo il retainer esterno, è troppo presto.

Il modello ibrido che funziona meglio per PMI italiane

Per la maggioranza delle PMI italiane tra 100 e 400 dipendenti, il modello ottimale non è né pure in-house né pure consulenza — è l'ibrido. La struttura tipica che funziona:

• AI Champion interno part-time: una figura esistente (responsabile operations, IT manager, COO) che dedica 30-50% del proprio tempo all'AI. Gestisce il day-to-day, le iterazioni operative, la formazione del team utente, la raccolta delle metriche.
• Partner esterno strategico: retainer ridotto (1.500-3.500€/mese), focalizzato su scaling strategico, audit periodici, evoluzioni tecniche complesse, supporto su casi d'uso nuovi.
• Governance condivisa: review mensile congiunta tra AI champion e partner. Decisioni quotidiane all'interno, decisioni strutturali con il partner.

Budget tipico del modello ibrido per una PMI da 200 dipendenti: 30-40K€ di tempo interno dell'AI champion (calcolato come quota del suo costo aziendale) + 25-35K€ di retainer esterno = 55-75K€/anno totali. Significativamente meno del costo di un AI engineer in-house full-time, con accesso a competenze esterne quando serve.

Per la definizione operativa del ruolo di AI champion, vedi ruoli e responsabilità nei progetti AI per PMI.

Come strutturare la transizione in-house

Se le tre condizioni sono allineate e la decisione è di portare l'AI in-house, la transizione richiede 60-90 giorni strutturati. Checklist operativa:

• Giorni 1-15 — Knowledge transfer documentato: il consulente esterno produce documentazione tecnica completa di tutti i sistemi (architettura, prompts, dataset, integrazioni, runbook operativo). Non si fida del trasferimento orale.
• Giorni 15-45 — Affiancamento: l'AI engineer interno assume gradualmente le attività operative con il consulente in shadow. Tutte le decisioni passano dal nuovo assunto, il consulente è disponibile per consultazione.
• Giorni 45-75 — Indipendenza supervisionata: il consulente esterno è disponibile solo per escalation. Review settimanale per discutere casi gestiti dall'engineer interno.
• Giorni 75-90 — Exit del consulente: chiusura formale del contratto di consulenza ricorrente, definizione di un eventuale retainer di sicurezza (4-8 ore/mese) per i primi 6 mesi post-transizione.

Errore da evitare: chiudere brutalmente il contratto del consulente esterno il giorno X. Senza periodo di transizione strutturato, l'engineer interno perde accesso al contesto storico e ricostruisce conoscenza che esisteva già. Per le clausole contrattuali che facilitano questa transizione, vedi contratto di consulenza AI: clausole essenziali.

Cosa NON fare nella transizione in-house

Cinque anti-pattern che vediamo nelle PMI italiane che portano l'AI in-house troppo presto o senza struttura.

1. Licenziare il consulente prima del knowledge transfer formale. Perdi accesso al contesto storico: perché quel prompt, perché quel modello, perché quegli edge case. La conoscenza tacita non si recupera dopo l'uscita. Periodo minimo di affiancamento documentato: 30 giorni.

2. Assumere un AI engineer senza un AI Champion già definito. L'engineer arriva e non ha né mandato né governance. Spende mesi a capire chi decide cosa, invece di gestire sistemi. Definisci la governance prima della prima intervista, non dopo l'assunzione.

3. Cercare il "profilo perfetto" sul mercato italiano. Gli AI engineer senior con 5+ anni di esperienza in produzione sono rari e costosi (RAL 90-120K, time-to-hire 4-6 mesi). Per molte PMI la scelta migliore è un developer senior con competenze AI in formazione, supportato dal partner esterno per 12-18 mesi.

4. Calcolare il costo dell'in-house solo sullo stipendio lordo. RAL × 1.3-1.35 di costo aziendale + onboarding (3-6 mesi a produttività ridotta) + formazione continua + costi infrastrutturali (tool, licenze, cloud, monitoring) = il costo reale è 1.6-1.8× la RAL nominale. Sotto questo conteggio l'in-house sembra sempre più conveniente di quanto sia davvero.

5. Trattare la transizione come un evento unico, non un processo. La transizione in-house ben fatta è un percorso di 12-18 mesi, non un weekend di handover. La maggior parte delle PMI che ritornano alla consulenza dopo 6 mesi di in-house non l'hanno strutturata bene — non perché la decisione fosse sbagliata in principio.

Se vuoi un secondo parere strutturato sulla decisione in-house vs consulenza per la tua PMI, parla con IL DOGE DI VENEZIA. Diamo input onesti anche quando la risposta è "non avete bisogno di noi a tempo pieno". La prima call diagnostica è gratuita.