Governare i costi dell’AI dal prototipo alla produzione

L’articolo in breve

Un prototipo di intelligenza artificiale può dare buoni risultati senza offrire ancora una risposta sulla sua sostenibilità economica. Quando il servizio entra nei processi aziendali, aumentano gli utenti e i volumi di attività, cambiano le risorse necessarie e diventano centrali le esigenze di continuità operativa.

Governare i costi dell’AI significa collegare il beneficio atteso alla spesa complessiva necessaria per erogare e mantenere il servizio. Una valutazione che richiede di scegliere il modello adeguato, misurare i consumi e conoscere il processo in cui verrà utilizzato.

Il tema è emerso durante la tavola rotonda “Ottimizzare il budget ICT: come bilanciare sicurezza, innovazione e normative senza compromettere l’efficienza operativa?”, tenutasi il 6 ottobre a Forum Banca 2026, a cui ha partecipato Federico Bonelli, CEO di RES IT.

Il confronto ha affrontato le conseguenze economiche dell’adozione di cloud, modelli linguistici e agenti AI, evidenziando la necessità di aggiornare gli strumenti di misurazione e rafforzare il coordinamento tra IT, business e finance.

Dal consumo di risorse al costo del processo

Il cloud ha già modificato il modo di gestire la spesa tecnologica. La possibilità di aumentare o ridurre le risorse secondo le esigenze permette di adattare la capacità ai carichi di lavoro, ma richiede un’attenzione continua al dimensionamento degli ambienti e alle modalità di acquisto. Risorse inutilizzate o configurazioni poco adatte possono assorbire budget senza contribuire al servizio.

Con gli agenti AI, la valutazione si estende al processo eseguito. Occorre comprendere quali attività siano necessarie per completarlo, quali risorse vengano utilizzate e come cambino i consumi al crescere dell’operatività.

Il costo di una singola interazione va quindi interpretato rispetto al risultato ottenuto. Per valutare la sostenibilità del servizio, bisogna collegare quel costo ai volumi previsti e alla qualità richiesta dal processo.

Durante la sperimentazione, un limite di consumo può contenere la spesa. Quando l’AI supporta un servizio operativo, soprattutto in ambito bancario, occorre anche stabilire come mantenerne continuità e prestazioni entro il budget disponibile. Questa valutazione deve accompagnare il passaggio in produzione ed essere aggiornata durante l’esercizio.

Scegliere il modello AI in funzione del compito

La scelta del modello incide sull’equilibrio tra qualità del risultato e costo del servizio. Nel suo intervento, Bonelli ha richiamato le leve disponibili per ottimizzare l’impiego dell’AI: modelli e configurazioni differenti, oltre alla possibilità di valutare soluzioni gestite internamente accanto ai servizi erogati dai fornitori.

Ogni alternativa deve essere esaminata rispetto all’attività da svolgere. Un compito circoscritto può essere gestito con un modello meno costoso, mentre un’esigenza più complessa può richiedere capacità maggiori e giustificare un consumo superiore.

«Non bisogna sempre sparare alla mosca col cannone», ha osservato Bonelli.

La qualità richiesta dal processo è il criterio con cui valutare l’adeguatezza del modello. Servono quindi conoscenza delle alternative disponibili e verifiche sul caso d’uso specifico, per capire quali soluzioni possano soddisfare le esigenze operative con un impiego proporzionato di risorse.

La stessa valutazione riguarda le modalità di erogazione. Una soluzione gestita internamente deve essere esaminata considerando anche l’infrastruttura e le attività necessarie per mantenerla operativa.

Misurare costi ed effetti per intervenire efficacemente

Disporre di più alternative è utile quando l’organizzazione può comprenderne gli effetti. Cambiare modello o configurazione richiede di verificare come varia la spesa e se il risultato continua a soddisfare le esigenze operative.

La misurazione consente di ricostruire dove viene utilizzato il budget e individuare le possibilità di ottimizzazione.

Per chi sviluppa tecnologie di gestione dei sistemi informativi, come Gruppo RES, questa esigenza entra anche nella progettazione degli strumenti: rendere leggibili i consumi permette a chi gestisce i sistemi di valutare gli interventi.

È un principio che trova riscontro nell’esperienza RES sui carichi batch bancari, dove l’integrazione tra dati di consumo e analisi applicativa aiuta a individuare le priorità di ottimizzazione. Il collegamento con l’AI riguarda proprio il rapporto tra misurazione e conoscenza delle attività: sapere quante risorse vengono consumate diventa utile quando si può ricostruire come vengono impiegate e valutare gli effetti di una modifica.

La valutazione economica deve inoltre comprendere l’intero servizio. Ai consumi dei modelli si aggiungono i costi di integrazione, gestione dell’infrastruttura e manutenzione, insieme alle attività di sicurezza e controllo. Secondo la soluzione adottata, possono essere necessari anche addestramento e verifiche umane.

Rendere visibili queste componenti permette di confrontare le alternative su basi più complete, evitando di concentrare l’attenzione su una sola voce di spesa.

Condividere il budget tra IT, business e finance

L’adozione dell’AI coinvolge funzioni con responsabilità diverse.

• L’IT mette a disposizione infrastruttura, sicurezza e capacità di governo.
• Le funzioni di business utilizzano il servizio nei propri processi e ne raccolgono i benefici.
• Finance contribuisce alla valutazione economica e alla pianificazione della spesa.

L’attribuzione dei costi deve tenere conto di queste relazioni. Un confronto continuativo tra le funzioni coinvolte e i fornitori permette di condividere le priorità, verificare l’avanzamento e aggiornare le previsioni quando cambiano le condizioni di utilizzo.

Conta anche l’orizzonte temporale. Un’iniziativa avviata negli ultimi mesi dell’anno può mostrare il proprio impatto economico pieno nell’esercizio successivo. Il budget deve quindi considerare la spesa prevista quando il servizio sarà utilizzato a regime.

Gli strumenti di misurazione sostengono questo lavoro, ma occorrono anche  competenze tecnologiche, economiche e contrattuali per interpretare le modalità di consumo e le condizioni contrattuali dei fornitori. È da questa lettura che possono emergere opportunità concrete di intervento.

Dal prototipo alla valutazione del ROI

In prospettiva, la disponibilità di più modelli e opzioni tecnologiche permette, per i casi d’uso adeguati, di affrontare il passaggio in produzione con una valutazione più concreta del ritorno sull’investimento, o ROI.

Il business case deve collegare il beneficio atteso al costo complessivo del servizio nelle condizioni di utilizzo previste. Le verifiche svolte durante la sperimentazione diventano così una base per stimare l’impatto economico dell’adozione.

Prima di estendere l’utilizzo, l’azienda deve poter stabilire se il beneficio giustifica la spesa prevista a regime e quali scelte consentano di mantenere la qualità necessaria. Portare l’AI in produzione richiede una decisione economica fondata sul processo, da rivedere quando cambiano i volumi, i modelli o le condizioni di erogazione.