Quanto rende un agente AI? Un modello di calcolo in cinque voci

Risposta breve

Il ROI degli agenti AI si calcola sui dati del proprio processo con cinque voci: due benefici (tempo risparmiato, errori evitati) e tre costi (esercizio, supervisione umana, investimento iniziale). Il beneficio netto annuo è la somma dei benefici meno i costi ricorrenti; il ROI al primo anno è il beneficio netto meno l’investimento, diviso per l’investimento. Come per ogni ROI di automazione dei processi, servono misure reali.

A che cosa serve un modello semplice

Quando si parla di automazione con l’AI, i numeri che circolano sono spesso molto grandi. McKinsey, in una ricerca del giugno 2023, stimava che l’AI generativa, insieme ad altre tecnologie, potrebbe in teoria automatizzare attività che oggi assorbono il 60–70% del tempo di lavoro, per un valore economico potenziale tra 2.600 e 4.400 miliardi di dollari l’anno a livello globale (McKinsey, 2023).

Sono stime di potenziale tecnico su scala mondiale. Non dicono nulla su quanto renderà un agente AI nel vostro ufficio acquisti o nel vostro help desk. Per quello serve un calcolo fatto sui vostri dati.

C’è anche una ragione di prudenza. Gartner, in un comunicato del 25 giugno 2025, prevede che oltre il 40% dei progetti di agentic AI (l’AI basata su agenti) sarà cancellato entro la fine del 2027, citando tra le cause costi crescenti e valore di business poco chiaro (Gartner, 2025). Ne parliamo in dettaglio in come non essere tra i progetti cancellati. Un modello di calcolo condiviso prima di partire è il modo più diretto per affrontare entrambe le cause.

Il modello che proponiamo ha cinque voci. È volutamente semplice: si compila con un foglio di calcolo, si spiega a un comitato in dieci minuti, si aggiorna con i dati reali del pilota.

I dati da raccogliere prima di calcolare

Il modello vale quanto i dati che ci mettete dentro. Prima di compilarlo, raccogliete per due-quattro settimane le misure del processo così com’è oggi.

Due termini vanno chiariti. Il costo per pratica dipende dal consumo dei modelli: un LLM (Large Language Model), cioè un modello linguistico di grandi dimensioni, usato in cloud si paga di solito in base ai token elaborati, i frammenti di testo letti e scritti. Un modello installato on-premise, cioè sui server dell’azienda, sposta invece la spesa dalla voce variabile a quella fissa (hardware, energia, gestione).

ROI agenti AI: le cinque voci e le formule

Chiamiamo n = V × a il numero di pratiche annue effettivamente gestite dall’agente. Tutte le formule partono da qui.

Voce 1 – Tempo risparmiato (beneficio)

R = n × (t / 60) × h × r

Il fattore r è quello che si dimentica più spesso. Se un’addetta risparmia un’ora al giorno ma quell’ora non viene reimpiegata in attività utili, il beneficio economico è inferiore a quello teorico. Inserire r obbliga a chiedersi che cosa farà davvero il team con il tempo liberato.

Voce 2 – Errori evitati (beneficio)

Q = n × Δe × ce

Δe è espresso come differenza di tasso, per esempio da 5% a 2% significa Δe = 0,03. Se non avete un dato affidabile sugli errori, mettete zero: meglio un modello prudente che uno ottimista.

Voce 3 – Costi di esercizio (costo)

C = n × cp + F

Comprende la parte variabile, che cresce con i volumi, e quella fissa. Nella parte fissa includete anche il tempo interno di chi segue l’agente: aggiornamento delle regole, verifiche periodiche, gestione dei cambiamenti nei sistemi collegati.

Voce 4 – Supervisione umana (costo)

S = n × q × (tr / 60) × h

Un agente ben progettato non lavora da solo su tutto. Per le azioni sensibili una persona rivede e approva. Questo tempo è un costo reale e va stimato. Come scegliere il livello di autonomia, e quindi q, lo spieghiamo in Human in the loop: quanta autonomia dare a un agente AI, e quando.

Voce 5 – Investimento iniziale (costo una tantum)

I = analisi del processo + integrazione con i sistemi + configurazione + formazione + pilota.

Gli indicatori di sintesi

• Beneficio netto annuo: N = R + Q − C − S
• Tempo di rientro (mesi) = I / (N / 12)
• ROI al primo anno = (N − I) / I
• Valore netto su tre anni = 3 × N − I (senza attualizzazione; per orizzonti lunghi il CFO applicherà il tasso di sconto aziendale)

Se N è negativo o vicino a zero, il progetto non regge a prescindere dall’investimento: il processo scelto non è adatto, oppure l’agente è progettato in modo troppo costoso.

Esempio ipotetico svolto

Esempio ipotetico. I numeri che seguono sono inventati a scopo illustrativo e non descrivono un’azienda reale né risultati garantiti. Servono solo a mostrare come si applicano le formule.

Immaginiamo un ufficio di back office che gestisce le richieste di assistenza in arrivo via email: classificazione, verifica dei dati del cliente nel gestionale, apertura del ticket, bozza di risposta.

Dati di partenza (ipotetici):

• V = 12.000 richieste l’anno
• a = 70% → n = 8.400 pratiche gestite dall’agente
• t = 8 minuti risparmiati per pratica
• h = 32 € di costo orario pieno
• r = 80% di tempo liberato effettivamente reimpiegato
• Δe = 0,03 (errori di smistamento dal 5% al 2%)
• ce = 40 € per errore
• cp = 0,15 € per pratica
• F = 12.000 € l’anno
• q = 30% di pratiche riviste, tr = 1,5 minuti ciascuna
• I = 18.000 €

Calcolo:

Indicatori:

• Beneficio netto annuo: N = 28.672 + 10.080 − 13.260 − 2.016 = 23.476 €
• Tempo di rientro: 18.000 / (23.476 / 12) ≈ 9,2 mesi
• ROI al primo anno: (23.476 − 18.000) / 18.000 ≈ 30%
• Valore netto su tre anni: 3 × 23.476 − 18.000 = 52.428 €

Notate il peso dei costi di esercizio: in questo esempio assorbono quasi metà del beneficio della voce 1. È normale, ed è il motivo per cui un calcolo fatto solo sul tempo risparmiato porta a conclusioni troppo ottimistiche.

Che cosa succede se le ipotesi cambiano

Un modello serio non si ferma a uno scenario. Cambiate una variabile alla volta e guardate che cosa succede: è l’analisi di sensibilità, cioè la verifica di quanto il risultato dipende da ciascuna ipotesi.

Nel nostro esempio ipotetico, la variabile più incerta è a, la quota di pratiche che l’agente riesce davvero a gestire. Proviamo a scendere dal 70% al 50%, lasciando invariato il resto:

Il progetto resta positivo su tre anni, ma al primo anno non rientra. È un’informazione decisiva: dice che il pilota deve misurare a con grande attenzione, e che vale la pena investire nel migliorare le regole e la qualità dei dati in ingresso, perché ogni punto di a pesa.

Ripetete la prova per t, h e cp. Le variabili che spostano di più il risultato sono quelle da misurare meglio durante il pilota.

Gli errori da evitare

1. Contare il tempo teorico. Senza il fattore r, il beneficio risulta gonfiato.
2. Ignorare la supervisione. Un agente senza revisione umana è raro e spesso sconsigliabile; il tempo di revisione va a costo.
3. Dimenticare i costi fissi interni. Qualcuno deve occuparsi dell’agente anche dopo il rilascio.
4. Usare stime al posto delle misure. Una misura di partenza (baseline) di due settimane vale più di qualsiasi media di settore.
5. Non aggiornare il modello. Dopo il pilota, sostituite ogni ipotesi con il dato reale e ricalcolate.
6. Valutare un solo scenario. Senza prova di sensibilità non sapete quanto è fragile il risultato.

La pagina Metodo descrive come inserire questo calcolo in un percorso a fasi, mentre in Soluzioni trovate i processi su cui di solito si parte.

Da ricordare

• Il ritorno di un agente AI si stima con cinque voci: tempo risparmiato, errori evitati, costi di esercizio, supervisione umana, investimento iniziale.
• Il fattore di reimpiego del tempo (r) separa il beneficio teorico da quello reale.
• I costi di esercizio e di supervisione possono assorbire una quota rilevante del beneficio: vanno sempre stimati.
• La quota di pratiche gestibili dall’agente è spesso la variabile più incerta: misuratela nel pilota.
• Fate sempre una prova di sensibilità e aggiornate il modello con i dati reali.

Domande frequenti

Come si calcola il ROI di un agente AI?

Si stimano cinque voci sui dati del proprio processo: tempo risparmiato ed errori evitati come benefici; costi di esercizio, supervisione umana e investimento iniziale come costi. Il beneficio netto annuo è dato dai benefici meno i costi di esercizio e di supervisione. Il ROI al primo anno si ottiene sottraendo l’investimento iniziale al beneficio netto annuo e dividendo il risultato per lo stesso investimento.

Qual è la formula del ROI per l’automazione dei processi?

Nel modello a cinque voci il ROI al primo anno è (N − I) / I, dove N è il beneficio netto annuo e I l’investimento iniziale. N si calcola come R + Q − C − S: R è il valore del tempo risparmiato, Q quello degli errori evitati, C i costi di esercizio e S il costo della supervisione umana. Sullo stesso schema si calcolano il tempo di rientro e il valore netto su tre anni.

Come si calcola il tempo di rientro di un progetto di agenti AI?

Il tempo di rientro, in mesi, si ottiene dividendo l’investimento iniziale per il beneficio netto mensile, cioè I / (N / 12). Per esempio, con un investimento ipotetico di 18.000 euro e un beneficio netto annuo di 23.476 euro, il rientro arriva in circa 9,2 mesi. Se il beneficio netto annuo è negativo o vicino a zero, il progetto non rientra, qualunque sia l’investimento.

Quali costi bisogna includere nel calcolo del ROI di un agente AI?

Tre gruppi di costi. Quelli di esercizio comprendono una parte variabile per pratica, come il consumo dei modelli AI pagato a token, e una parte fissa: canoni, infrastruttura, manutenzione e tempo interno di chi segue l’agente. C’è poi la supervisione umana, cioè il tempo per rivedere e approvare le proposte dell’agente. Infine l’investimento iniziale per analisi, integrazione, configurazione, formazione e pilota.

Quali dati servono prima di calcolare il ritorno di un agente AI?

Servono due-quattro settimane di misure sul processo attuale: volume annuo di pratiche, quota gestibile dall’agente, minuti risparmiati per pratica, costo orario pieno, quota di tempo liberato che viene davvero reimpiegata, riduzione attesa del tasso di errore e costo medio di un errore. Vanno stimati anche costo variabile per pratica, costi fissi annui, quota di pratiche riviste, minuti di revisione e investimento iniziale.

Perché il tempo risparmiato non equivale a un risparmio economico?

Perché il beneficio economico esiste solo se il tempo liberato viene reimpiegato in lavoro utile. Per questo il modello applica al tempo risparmiato un fattore di reimpiego, indicato con r: se un’addetta risparmia un’ora al giorno ma quell’ora non diventa altra attività, il valore reale è inferiore a quello teorico. Calcolare il ritorno solo sul tempo risparmiato porta a conclusioni troppo ottimistiche.

Che cos’è l’analisi di sensibilità nel calcolo del ROI?

È la prova che si fa cambiando una variabile alla volta per vedere quanto si sposta il risultato. Nel caso degli agenti AI la variabile più incerta è spesso la quota di pratiche che l’agente riesce davvero a gestire. In un esempio ipotetico, scendere dal 70% al 50% porta il ROI al primo anno da circa il 30% a circa il −26%. Le variabili più influenti sono quelle da misurare meglio nel pilota.

Bibliografia e fonti

1. McKinsey & Company, Generative AI can give you “superpowers,” new McKinsey research finds (sintesi della ricerca del giugno 2023 sul potenziale economico dell’AI generativa), mckinsey.com, 06/07/2023. https://www.mckinsey.com/about-us/new-at-mckinsey-blog/generative-ai-can-give-you-superpowers-new-mckinsey-research-finds, consultato il 10/10/2026.
2. Gartner, Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027, comunicato stampa, gartner.com, 25/06/2025. https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027, consultato il 10/10/2026.

Approfondisci

• Gartner prevede che oltre il 40% dei progetti di agentic AI sarà cancellato: come non essere tra quelli: le tre cause di cancellazione e la checklist da compilare prima del pilota.
• Human in the loop: quanta autonomia dare a un agente AI, e quando: come il livello di autonomia cambia il costo della supervisione.
• Agenti AI in azienda: cosa sono davvero e cosa li distingue da un chatbot: la definizione operativa e dove un agente serve davvero.
• Il metodo in fasi, dalla misura di partenza al pilota: come inserire il calcolo del ritorno in un percorso di progetto.
• I processi aziendali su cui partire con gli agenti AI: i processi da cui di solito si comincia un primo pilota.