Tempi di Implementazione di un Progetto AI in una PMI Italiana
Quanto dura davvero un progetto AI in una PMI italiana: fasi reali, tempi onesti, fattori che raddoppiano il calendario e roadmap settimana per settimana.
Indice
Perche i tempi stimati dai fornitori AI quasi sempre sono sbagliati
Ogni imprenditore italiano che chiede a un fornitore AI 'quanto ci vuole?' riceve una risposta che suona rassicurante e che nella quasi totalita dei casi si rivelera sbagliata per difetto. I tempi dichiarati dai fornitori sono quasi sempre sottostimati del 50-100%, e non e solo questione di malafede: e una combinazione strutturale di incentivi commerciali, ottimismo ingegneristico e ignoranza del contesto specifico della PMI cliente.
Il primo fattore e commerciale. Un fornitore che ti dice 'tre mesi' vince piu gare di uno che ti dice 'sei mesi', quindi il mercato seleziona naturalmente chi promette tempi brevi. Il secondo fattore e tecnico. Gli ingegneri AI che pianificano il progetto ragionano sul tempo puro di build, ignorando sistematicamente il tempo che viene mangiato dalla realta aziendale: riunioni che saltano, dati che non arrivano, stakeholder che cambiano idea, fornitori terzi che non rispondono, ferie, malattie, priorita concorrenti.
Il terzo fattore e che le stime dei grandi consulenti come IBM, SAP, KPMG o Accenture sono calibrate su aziende enterprise con team IT strutturati, sponsor esecutivi dedicati full time e budget per comprare il tempo delle persone. In una PMI italiana da 30-200 dipendenti nulla di tutto questo esiste. Il project owner interno e quasi sempre il titolare stesso o un responsabile operativo che dedica al progetto due o tre ore alla settimana, non venti.
I dati sono sparsi tra gestionale, Excel, email e teste di persone. Il reparto IT, quando esiste, ha gia una coda di lavoro di sei mesi. In questa realta, i tempi di Gartner e delle big four sono fantascienza. Il risultato pratico e devastante: il progetto che doveva chiudere in quattro mesi chiude in otto, il budget va in overrun, la fiducia interna crolla, il titolare inizia a dubitare dell'AI come categoria e non del fornitore specifico.
L'obiettivo di questa guida e darti tempi onesti, calibrati sulla realta della PMI italiana, con una struttura a fasi chiare e un calendario settimana per settimana che tiene conto di tutto cio che i fornitori non ti raccontano. Il numero giusto per un primo pilota AI ben scopato in una PMI italiana e di 6-8 settimane. Il numero per un progetto completo end to end, dalla firma al sistema in produzione stabile, e tipicamente di 4-6 mesi.
Chi ti promette la meta di questi numeri sta vendendo un sogno. Chi ti promette il triplo sta sovraingegnerizzando una cosa che dovrebbe essere semplice. La fascia corretta la trovi nel mezzo, e in questa guida capirai come rispettarla senza sorprese. Partiamo da un presupposto fondamentale che quasi nessun fornitore ti dira mai esplicitamente: il tempo di un progetto AI in PMI non e dominato dalla tecnologia, e dominato dalla qualita dei dati esistenti, dalla chiarezza del processo target, dalla disponibilita di un owner interno e dalla capacita dell'organizzazione di prendere decisioni in tempi brevi.
Se questi quattro elementi sono a posto, sei settimane bastano. Se mancano, nemmeno sei mesi sono sufficienti. Capire in quale scenario ti trovi e il primo passo per pianificare un calendario realistico. Un altro errore frequente degli imprenditori italiani e confondere il tempo di pilota con il tempo di sistema completo. Sono due cose diverse e vanno pianificate separatamente. Il pilota e un esperimento controllato di 6-8 settimane che serve a capire se un caso d'uso funziona tecnicamente, se genera valore misurabile e se il team interno e in grado di usarlo.
Il sistema completo e il prodotto industrializzato che serve tutti gli utenti, integrato con tutti i sistemi aziendali, con SLA, monitoraggio, governance. Pianificare solo il sistema completo senza passare dal pilota e l'errore classico di chi ha piu budget che saggezza: si spendono 150k in 5 mesi per scoprire alla fine che il caso d'uso non funzionava come previsto, quando 15k in 6 settimane di pilota avrebbero dato la stessa risposta.
Prima di ogni cosa, smetti di chiedere ai fornitori 'quanto ci vuole?'. La domanda giusta e 'cosa serve da parte nostra perche i vostri tempi siano rispettati?'. Quella domanda cambia la conversazione e ti da informazioni molto piu utili. Un fornitore serio ti rispondera con una lista concreta di input richiesti: accesso ai dati, ore di lavoro del tuo team, decisioni sbloccate, fornitori terzi da coordinare.
Un fornitore venditore di slide ti rispondera con una frase vaga tipo 'ci serve la vostra collaborazione'. La differenza tra le due risposte ti dice gia il 50% di cio che devi sapere sulla probabilita che il progetto rispetti i tempi.
Le 4 fasi reali di un progetto AI in PMI: discovery, build, hardening, rollout
Un progetto AI in PMI si compone sempre di quattro fasi. Non importa se il caso d'uso e un chatbot per il customer care, un sistema di previsione della domanda per il magazzino o un agente che processa le fatture passive: la struttura a quattro fasi e universale e chi la ignora costruisce progetti che falliscono. Capirla ti permette di valutare i piani dei fornitori, di negoziare tempi piu realistici e di proteggerti da scope creep.
Fase 1 - Discovery. E la fase piu sottovalutata in assoluto. Serve a mappare il processo attuale, a capire dove sono i dati, a quantificare la baseline di partenza e a definire in modo misurabile cosa significa successo. In una PMI italiana la discovery dura tipicamente 1-2 settimane e non piu. Chi ti propone discovery di 4-6 settimane sta inventando lavoro per riempire fatture. Chi ti propone zero discovery sta saltando il passaggio che fa la differenza tra un sistema che funziona e uno che finisce nel cassetto.
La discovery deve produrre tre deliverable concreti: una mappa del processo as-is con i punti di dolore quantificati, un inventario dei dati disponibili con valutazione di qualita, una definizione chiara dei KPI di successo con baseline misurata prima del kickoff. Se questi tre deliverable non esistono, la discovery non e finita. Fase 2 - Build. E la fase in cui il team tecnico costruisce il prototipo funzionante.
Qui si scrivono i prompt, si configura l'LLM (Claude, GPT o Gemini a seconda del caso), si costruiscono i workflow in n8n, Make o Zapier, si integrano le API dei sistemi esistenti, si mette in piedi un primo ambiente di test. La build in una PMI dovrebbe durare 2-3 settimane per un pilota, 4-8 settimane per un sistema completo. I fornitori che ti chiedono 12 settimane di build per un pilota stanno sovraingegnerizzando: il pilota deve essere il minimo utile per testare l'ipotesi, non il sistema finale.
Fase 3 - Hardening. E la fase che quasi nessuno nomina e che decide se il sistema funzionera nella realta o solo in demo. Hardening significa trasformare un prototipo che gira nei giorni buoni in un sistema che gira ogni giorno, anche quando i dati in ingresso sono sporchi, gli utenti fanno cose strane, i sistemi terzi vanno giu. Qui si aggiungono controlli di errore, fallback, logging, meccanismi di escalation, dashboard di monitoraggio, governance dei prompt, guardrail di sicurezza.
L'hardening richiede 1-2 settimane in un pilota e 3-5 settimane in un sistema di produzione. Saltarlo e l'errore piu comune e porta sistematicamente a progetti che falliscono al primo contatto con la realta operativa. Fase 4 - Rollout. E il passaggio dal team di progetto agli utenti finali. Include formazione, cambio di processo, comunicazione interna, eventuale integrazione con altri software aziendali, definizione delle responsabilita post go-live e transizione al manutentore del sistema.
Il rollout in una PMI dovrebbe durare 1-2 settimane per un pilota e 3-6 settimane per un rollout completo. Il rischio qui non e tecnico: e umano. Le persone che devono usare il sistema sono spesso quelle che per trent'anni hanno fatto il lavoro alla vecchia maniera e che percepiscono l'AI come minaccia al loro ruolo. Ignorare la resistenza al cambiamento e garantirsi un sistema che funziona tecnicamente e che nessuno usa.
Sommando le quattro fasi, un pilota AI onesto in una PMI italiana richiede 6-8 settimane totali. Un sistema completo end to end, dalla firma del contratto alla produzione stabile con utenti formati, richiede 4-6 mesi. Queste sono le fasce giuste. Tutto quello che si discosta molto da questi numeri, in eccesso o in difetto, va interrogato in modo critico. I fornitori seri rispettano questa struttura e ti spiegano esplicitamente quanto tempo dedicano a ciascuna fase.
I fornitori che parlano solo di build e saltano discovery, hardening e rollout stanno costruendo un prototipo che ti lasciano in mano nudo e crudo, senza le condizioni perche funzioni nella tua azienda. Una regola pratica per leggere i piani dei fornitori: la discovery deve essere il 15-20% del tempo totale, la build il 35-45%, l'hardening il 15-25%, il rollout il 15-25%. Se un fornitore ti propone un piano in cui la build e l'80% del tempo e tutto il resto e residuale, stai comprando un prototipo orfano, non un progetto AI.
Chiedi esplicitamente la ripartizione percentuale delle quattro fasi nel piano proposto e confrontala con questi range. Se il fornitore fa fatica a rispondere o ti presenta un piano monolitico senza fasi distinte, e un red flag che pesa piu del prezzo.
Il pilota in 6-8 settimane: perche e la tempistica che funziona per una PMI
La tempistica corretta per un pilota AI in una PMI italiana e 6-8 settimane, e questa finestra non e casuale: e il risultato di un equilibrio preciso tra quattro forze che spingono in direzioni opposte. Andare sotto significa saltare passaggi critici e garantire il fallimento. Andare sopra significa entrare nella terra di mezzo dove il progetto perde momentum, gli stakeholder si distraggono e il ROI percepito cala prima ancora di essere misurato.
Prima forza - La necessita di fare discovery seria. Un pilota senza discovery e un prototipo che risponde alla domanda sbagliata. Ma una discovery troppo lunga trasforma il pilota in uno studio, e gli studi non producono mai risultati concreti. La finestra di 1-2 settimane di discovery e il minimo vitale per capire cosa stai costruendo e il massimo che una PMI possa sostenere senza perdere interesse.
Seconda forza - Il tempo di build effettivo. Un prototipo AI moderno, costruito con Claude o GPT piu n8n o Make, richiede mediamente 10-20 giorni di lavoro di un ingegnere serio. Meno e impossibile se include integrazioni reali con gestionale o email. Piu significa che stai costruendo troppo: il pilota deve essere il minimo utile per testare l'ipotesi, non il sistema finale. Terza forza - L'attenzione dell'organizzazione.
Una PMI italiana sostiene l'attenzione esecutiva su un progetto per 8-12 settimane al massimo. Dopo quel periodo, la concorrenza di altre priorita operative, le ferie, i cambi di scenario commerciale e la fatica della routine riducono drasticamente la capacita di prendere decisioni sul progetto. Se il pilota non e finito entro 8 settimane, entra in zona rossa: ogni settimana aggiuntiva riduce la probabilita di conclusione effettiva.
Quarta forza - Il budget psicologico. Il titolare di una PMI che ha approvato un budget per un pilota ha in testa un orizzonte mentale. Se il pilota sfora quell'orizzonte, il progetto viene percepito come gia in difficolta anche se tecnicamente sta andando bene. L'orizzonte mentale tipico in Italia e di circa 2 mesi. Oltre, il clima cambia. Mettendo insieme queste quattro forze, la finestra giusta per un pilota e di 6-8 settimane.
Sotto le 6 settimane, stai saltando hardening o rollout e il sistema non reggera il primo impatto con la realta. Sopra le 8 settimane, stai entrando in zona di rischio organizzativo e il ROI percepito calera indipendentemente dai risultati tecnici. La struttura tipica dentro queste 6-8 settimane e la seguente: settimana 1 di discovery profonda e mapping del processo, settimana 2 di consolidamento dati e definizione baseline, settimane 3 e 4 di build del prototipo funzionante, settimana 5 di hardening e primi test con utenti reali, settimana 6 di rollout su un gruppo pilota e misurazione dei KPI.
Se serve una settimana in piu per integrazioni particolari o per assorbire imprevisti, si usa come buffer tra hardening e rollout. Chi ti propone un pilota di 12-16 settimane sta confondendo pilota e sistema completo: quelle sono le tempistiche di un progetto end to end, non di un pilota. Chi ti propone un pilota di 3-4 settimane sta promettendo qualcosa che o e un giocattolo da demo o non include integrazioni reali.
Un aspetto da chiarire subito col fornitore e il rapporto tra tempo e budget. Un pilota da 6-8 settimane in PMI costa tipicamente tra 8 e 25 mila euro se fatto da una boutique specializzata, tra 30 e 80 mila euro se fatto da un system integrator o da una big four. La differenza di 3-4x di prezzo non corrisponde a 3-4x di valore: corrisponde a overhead organizzativo dei fornitori grandi. Per un primo pilota AI in PMI, il rapporto costo valore e strutturalmente migliore con boutique specializzate.
Il pilota di 6-8 settimane non e il progetto finale. E il test controllato che ti dice se vale la pena investire nel sistema completo. Alla fine del pilota devi avere tre risposte oggettive: il caso d'uso e tecnicamente fattibile, il ROI misurato sul campione giustifica l'investimento in scaling, il team interno e in grado di gestire il sistema dopo il go-live. Se anche una sola delle tre risposte e no, il pilota ha funzionato lo stesso: ti ha fatto risparmiare decine di migliaia di euro che avresti speso in un progetto destinato a fallire.
Vedi il pilota come un'assicurazione, non come un costo. La domanda corretta da fare a un fornitore non e 'quanto ci mettete a fare il sistema completo?' ma 'quanto ci mettete a farmi capire se questo caso d'uso ha senso?'. La risposta giusta e sempre nella finestra 6-8 settimane. Chiunque risponda in modo significativamente diverso sta interpretando male il tuo bisogno o non ha esperienza specifica di piloti in PMI italiane.
I 5 fattori che raddoppiano i tempi (e come evitarli prima del kick-off)
In una PMI italiana, i progetti AI che rispettano i tempi pianificati sono una minoranza. La maggioranza slitta, e quasi sempre slitta per le stesse cinque ragioni ricorrenti. Conoscerle prima del kick-off ti permette di intervenire quando il costo di correzione e basso, invece di scoprirle a meta progetto quando il costo e dieci volte piu alto. Fattore 1 - Dati sporchi e non consolidati. E il fattore che piu spesso raddoppia i tempi.
Il fornitore pianifica la build assumendo che i dati esistano in forma strutturata e accessibile. Nella realta delle PMI italiane, i dati sono sparsi tra gestionale, fogli Excel sui desktop, email, PDF scannerizzati, appunti su carta, teste di persone. La prima fase di ogni progetto AI reale include un lavoro di pulizia, consolidamento e strutturazione dei dati che nessun fornitore pianifica mai con onesta e che mangia regolarmente 2-4 settimane in piu del previsto.
Come evitarlo: prima del kick-off, chiedi al fornitore un'assessment dei dati di 3-5 giorni come deliverable separato. Se l'assessment rivela che i dati sono in condizioni peggiori del previsto, ridisegna il piano prima di partire. Meglio posticipare il kick-off di due settimane che sforarlo di due mesi. Fattore 2 - Assenza di un owner interno con autorita decisionale. Il secondo fattore killer e il vuoto di ownership interna.
Il progetto ha bisogno di qualcuno in azienda che prenda decisioni in 24-48 ore quando il fornitore pone domande: quali campi usare, quali clienti coinvolgere nel pilota, come gestire un edge case, cosa fare se l'LLM sbaglia in modo inaspettato. Se non c'e un owner interno con autorita, ogni domanda diventa una riunione, ogni riunione diventa un rinvio, ogni rinvio allunga il progetto. Come evitarlo: il primo deliverable del kick-off deve essere la nomina formale di un owner interno con agenda dedicata di almeno 4 ore alla settimana e autorita esplicita di decidere su tutti gli aspetti operativi del progetto.
Senza questa nomina, non si parte. Fattore 3 - Scope creep incontrollato. E il fenomeno per cui il progetto, a meta strada, inizia ad accumulare 'potrebbe anche fare questo', 'gia che ci siamo aggiungiamo quello', 'sarebbe bello se...'. Ogni aggiunta sembra piccola, ma la somma raddoppia i tempi e triplica i rischi. Lo scope creep accade sempre nelle PMI italiane perche il titolare vede il sistema che prende forma e immagina nuove applicazioni, e il fornitore non ha incentivi a dire di no.
Come evitarlo: definisci nel contratto di kick-off uno scope ristretto e congelato. Tutte le aggiunte vanno in un backlog separato che verra valutato dopo il go-live del pilota. La regola e semplice: nulla si aggiunge al pilota in corso, tutto si aggiunge al sistema successivo. Fattore 4 - Dipendenza da fornitori terzi non coordinati. Quasi ogni progetto AI in PMI richiede l'interazione con fornitori terzi: il fornitore del gestionale deve aprire le API, il fornitore del sito web deve installare un tag, il fornitore dell'email marketing deve abilitare un webhook, il fornitore del CRM tipo HubSpot o Salesforce deve autorizzare l'accesso.
Questi fornitori terzi hanno code di 2-4 settimane per richieste che loro considerano minori, e nessuno li coordina a monte. Come evitarlo: nella fase di discovery, il fornitore AI deve mappare tutti i fornitori terzi coinvolti e aprire le richieste verso di loro prima dell'inizio della build. Se le richieste partono a build iniziata, il progetto si blocca. Fattore 5 - Resistenza al cambiamento degli utenti finali.
E il fattore piu ignorato e il piu micidiale. Il sistema e pronto, i dati funzionano, il codice gira. Al primo incontro con gli utenti finali, il sistema viene rifiutato: 'non funziona come facevo prima', 'e troppo complicato', 'mi fa sbagliare'. La resistenza al cambiamento non e una questione di UX: e una questione di paura, abitudine, protezione del proprio ruolo. Gestirla richiede comunicazione interna, formazione, coinvolgimento precoce degli utenti nella discovery, pazienza.
Un progetto che ignora la resistenza umana fallisce anche se tecnicamente e perfetto. Come evitarlo: coinvolgi gli utenti finali fin dalla discovery. Non chiedere loro di usare il sistema a fine progetto: chiedi loro di co-progettarlo fin dall'inizio. Il tempo che investi in co-progettazione nelle prime due settimane lo recuperi moltiplicato nelle ultime due. Se riesci a neutralizzare questi cinque fattori prima del kick-off, i tuoi tempi di progetto rispettano la pianificazione al 70-80%.
Se li ignori, sforano del 50-100%. La differenza la fai prima di firmare, non dopo. Una domanda utile da fare al fornitore in fase di proposta e questa: 'quali di questi cinque fattori avete gia verificato nella nostra situazione?'. Se il fornitore ha gia pensato a tutti e cinque e ha piani di mitigazione specifici, hai davanti un partner serio. Se ti guarda stupito come se stessi parlando arabo, stai per firmare con qualcuno che scoprira questi fattori solo quando sara troppo tardi per evitarli.
Tempi tipici per casi d'uso specifici: dal chatbot ai sistemi di previsione
I tempi di un progetto AI variano sensibilmente a seconda del caso d'uso. Un chatbot customer care non ha le stesse tempistiche di un sistema di previsione della domanda, e un agente per processare fatture passive ha dinamiche diverse da un sistema di scoring commerciale. Capire le tempistiche tipiche per caso d'uso ti permette di valutare se il piano che ti propongono e realistico o fantascienza. Caso d'uso 1 - Chatbot customer care.
E il caso d'uso piu semplice in assoluto. Il pilota richiede 4-6 settimane: 1 settimana di discovery e raccolta FAQ, 2 settimane di build con Claude o GPT integrato a un frontend esistente, 1 settimana di hardening con guardrail sui topic sensibili, 1-2 settimane di rollout su un gruppo pilota di clienti. Il sistema completo richiede 3-4 mesi includendo integrazione con CRM, knowledge base, gestione multilingua se serve e monitoraggio qualita delle risposte.
Costo tipico per PMI: 5-15k per il pilota, 25-60k per il sistema completo. Caso d'uso 2 - Agente per processare documenti e fatture passive. E un classico delle PMI italiane. Il pilota richiede 6-8 settimane: 2 settimane di discovery sui tipi di documento e mappatura dei campi, 2-3 settimane di build con OCR piu LLM per estrazione dati, 1-2 settimane di hardening con validazione e gestione delle eccezioni, 1 settimana di rollout.
Il sistema completo in produzione richiede 4-5 mesi, principalmente per l'integrazione col gestionale e per affinare l'accuratezza su casi difficili. Costo tipico: 10-25k pilota, 40-90k sistema completo. Caso d'uso 3 - Sistema di previsione della domanda o forecasting. E il caso d'uso piu complesso in assoluto per una PMI. Non e un caso d'uso LLM: e un caso d'uso machine learning classico con reti neurali, gradient boosting o modelli statistici.
Il pilota richiede 8-10 settimane: 2-3 settimane di discovery e consolidamento dati storici, 3-4 settimane di feature engineering e addestramento modelli, 1-2 settimane di validazione e tuning, 1-2 settimane di rollout. Il sistema completo richiede 5-8 mesi. Costo tipico: 20-40k pilota, 80-150k sistema completo. Attenzione: se hai meno di 2 anni di dati storici consolidati, questo caso d'uso non e fattibile.
Non lasciarti convincere dal contrario. Caso d'uso 4 - Lead scoring e qualificazione commerciale. Il pilota richiede 5-7 settimane: 1-2 settimane di discovery sulle fonti dati (CRM tipo HubSpot o Salesforce, sito web, email marketing), 2-3 settimane di build con modelli di classificazione o approccio LLM su descrizioni testuali, 1 settimana di hardening, 1 settimana di rollout al team commerciale. Il sistema completo 3-5 mesi.
Costo tipico: 8-20k pilota, 30-70k sistema completo. Caso d'uso 5 - Agente commerciale per prospecting e primo contatto. Il pilota richiede 5-6 settimane: 1 settimana di discovery sul funnel commerciale attuale, 2-3 settimane di build con LLM piu workflow automation in n8n o Make piu integrazione email e LinkedIn, 1 settimana di hardening per evitare contenuti fuori brand, 1 settimana di rollout a un team commerciale ristretto.
Il sistema completo 3-4 mesi. Costo tipico: 7-18k pilota, 25-60k sistema completo. Caso d'uso 6 - Analisi automatica di contratti e documenti legali. Il pilota richiede 6-8 settimane: 2 settimane di discovery sulle tipologie contrattuali e sulle clausole chiave, 3 settimane di build con LLM specializzato in testi giuridici, 1-2 settimane di hardening con review umana, 1 settimana di rollout. Il sistema completo 4-6 mesi.
Costo tipico: 12-30k pilota, 50-120k sistema completo. Caso d'uso 7 - Sistema di knowledge management interno (RAG su documenti aziendali). Il pilota richiede 5-7 settimane: 1-2 settimane di discovery sui documenti da indicizzare, 2-3 settimane di build con vector database e LLM, 1 settimana di hardening su permessi e sicurezza, 1 settimana di rollout ai primi utenti. Il sistema completo 3-5 mesi. Costo tipico: 8-20k pilota, 30-70k sistema completo.
Queste tempistiche sono calibrate su PMI italiane tra 20 e 200 dipendenti, con un livello di maturita digitale medio e dati non catastrofici. Se la tua azienda ha meno di 20 dipendenti i tempi scendono del 20-30%. Se ha piu di 200 dipendenti o ha una governance IT complessa, i tempi salgono del 30-50%. Se i dati sono in condizioni disastrose, aggiungi 2-4 settimane di lavoro di consolidamento iniziale a prescindere dal caso d'uso.
Chi ti propone tempi significativamente inferiori a questi range sta sottostimando o tagliando fasi critiche. Chi ti propone tempi doppi sta sovraingegnerizzando o non ha esperienza specifica nel tuo settore di PMI. Un ultimo avvertimento: il caso d'uso piu rischioso in assoluto per una PMI e quello di forecasting, e non perche sia tecnicamente impossibile ma perche ha requisiti di dati storici puliti che quasi nessuna PMI italiana soddisfa.
Se un fornitore ti propone come primo pilota un sistema di previsione della domanda, fai una verifica approfondita della qualita dei dati prima di firmare. In 7 casi su 10 il pilota fallira non per colpa del fornitore ma perche i dati necessari semplicemente non esistono nella qualita richiesta.
Un calendario realistico: dalla firma al sistema in produzione, settimana per settimana
Chiudiamo con un calendario concreto settimana per settimana, che puoi usare come template per pianificare il tuo progetto AI in PMI. Il calendario copre un progetto completo end to end di circa 16-18 settimane (4 mesi) per un caso d'uso di media complessita, come un agente documentale o un sistema di lead scoring. Se il tuo caso d'uso e piu semplice puoi comprimere, se e piu complesso devi espandere, ma la struttura delle fasi resta invariata.
Settimana 0 - Pre kick-off. Nomina formale dell'owner interno con agenda dedicata, setup degli accessi e credenziali per il fornitore, assessment dei dati in forma breve (3-5 giorni di lavoro), definizione dei KPI di successo con baseline misurata prima del kickoff. Senza queste condizioni soddisfatte, non si parte il lunedi della settimana 1. Settimana 1 - Discovery profonda. Interviste ai referenti dei processi coinvolti, mappatura del processo as-is con i punti di dolore quantificati, prime analisi sui dati disponibili, identificazione degli edge case e delle eccezioni.
Deliverable: mappa del processo e inventario dati. Settimana 2 - Design della soluzione. Scelta dell'architettura tecnica (quale LLM, quale orchestratore tipo n8n o Make, quali integrazioni), definizione dell'interfaccia utente, definizione del flow dati, scrittura dei primi prompt. Deliverable: documento di architettura e prompt iniziali. Settimane 3-4 - Build del prototipo. Sviluppo del core del sistema, integrazione con le fonti dati, primi test interni del fornitore.
Alla fine della settimana 4, il prototipo deve essere in grado di processare almeno un caso reale end to end in ambiente di test. Deliverable: prototipo funzionante su ambiente di test. Settimana 5 - Test interni e prima demo. Il fornitore testa il prototipo su 20-30 casi reali forniti dal cliente, corregge i primi problemi, presenta la demo al team del cliente. Qui si decidono le modifiche necessarie prima del rollout pilota.
Deliverable: report di test con accuratezza misurata. Settimana 6 - Correzioni e hardening iniziale. Il fornitore applica le correzioni emerse dalla demo, inserisce i primi controlli di errore, prepara l'ambiente per il pilota con utenti reali. Deliverable: versione hardened pronta per il pilota. Settimane 7-8 - Rollout pilota su gruppo ristretto. Il sistema viene usato da un gruppo pilota di 3-10 utenti reali.
Il fornitore monitora in tempo reale, raccoglie feedback, corregge problemi, misura i KPI contro la baseline. Alla fine della settimana 8 si valuta il pilota e si decide il go/no-go per lo scaling. Deliverable: report di pilota con KPI misurati e raccomandazioni. Fine del pilota di 8 settimane: il progetto a questo punto ha costato tipicamente 10-25k a seconda del caso d'uso. Settimane 9-10 - Hardening completo.
Se la decisione e go, il sistema entra in fase di hardening serio: aggiunta di logging strutturato, dashboard di monitoraggio, gestione errori, guardrail di sicurezza, backup dei dati, gestione degli aggiornamenti di prompt e modelli, documentazione tecnica. Deliverable: sistema pronto per produzione. Settimane 11-12 - Integrazione completa. Integrazione con il gestionale aziendale, con HubSpot o altri CRM, con sistemi email, con autenticazione aziendale, con i flussi operativi esistenti.
Questa fase e spesso la piu complicata perche dipende da fornitori terzi e da sistemi legacy. Deliverable: sistema integrato end to end. Settimane 13-14 - Formazione del team. Training degli utenti finali, documentazione utente, sessioni di domande e risposte, creazione di un canale di supporto interno. Qui si combatte la resistenza al cambiamento e si costruisce adozione. Deliverable: team formato e documentazione operativa.
Settimana 15 - Soft launch. Il sistema viene attivato per un gruppo allargato di utenti con supervisione diretta del fornitore, si misurano i primi KPI di produzione, si correggono gli ultimi problemi. Deliverable: sistema in soft launch. Settimana 16 - Go-live completo. Il sistema viene esteso a tutti gli utenti previsti, il fornitore riduce il supporto diretto, si passa a un regime di manutenzione e monitoraggio.
Deliverable: sistema in produzione stabile. Settimane 17-18 - Stabilizzazione e transizione. Le prime due settimane di produzione sono critiche: emergono edge case non visti prima, utenti che fanno cose non previste, problemi di performance. Il fornitore resta in supporto stretto e poi transita a modalita on demand. Deliverable finale: sistema stabile in produzione con documentazione completa, team formato, KPI misurati, piano di manutenzione attivo.
Questo calendario e realistico e conservativo. Se arrivi in fondo con 2 settimane di ritardo su 18, stai andando bene. Se arrivi con 8 settimane di ritardo, qualcosa dei cinque fattori descritti prima ti ha colpito. La regola pratica per gestire il ritardo e questa: se alla settimana 8 non hai chiuso il pilota, fermati e rifai la valutazione prima di continuare. Continuare a ritmo di slittamento significa solo accumulare ritardi che diventeranno esponenziali.
Se vuoi approfondire come strutturare il solo pilota di 6-8 settimane in modo ancora piu dettagliato, leggi la nostra guida dedicata su come lanciare un pilota AI in una PMI italiana in 6 settimane. Se vuoi capire come scegliere il consulente giusto prima di iniziare qualunque calendario, leggi l'articolo dedicato alla selezione della societa di consulenza AI per PMI.
Guide correlate
Pronto a passare dalla teoria alla pratica?
Implementiamo insieme l'AI nella tua azienda. La prima call e gratuita.