C’è una conversazione che si ripete quasi ogni settimana. Un imprenditore chiede quanto costa "fare AI in azienda". E la risposta onesta è: dipende da cosa intendi per AI, da quante persone la useranno, da quali dati ci metti dentro e da quanto rischio sei disposto ad accettare sulla riservatezza di quei dati.
Non è una risposta evasiva. È che la forbice è reale: si va da 50 euro al mese a investimenti che superano i 50.000 euro. E tra questi due estremi non c’è solo una differenza di prezzo — c’è una differenza di architettura, di controllo, di governance e di obiettivo.
Quello che segue è una mappa degli ordini di grandezza reali, senza hype e senza terrorismo.
In breve
Per una PMI manifatturiera italiana che vuole adottare l’AI nel 2026, esistono tre scenari principali: abbonamenti SaaS per la produttività del team (il costo effettivo dipende dall’ecosistema già in uso — chi è su Workspace Business Standard può avere Gemini a costo incrementale zero, chi è su Microsoft 365 paga l’add-on Copilot; chi parte da zero su tutti gli ecosistemi spende tra 50 e 300 euro/mese), integrazione tramite API per automatizzare processi specifici (300–2.000 euro/mese di costi operativi, più un costo di sviluppo iniziale), e infrastruttura locale per chi ha esigenze di riservatezza stringente sul proprio know-how (10.000–50.000 euro di investimento iniziale). La scelta giusta dipende dal volume d’uso, dalla sensibilità dei dati e dalle competenze interne — non dalla potenza del modello.
Perché le PMI italiane faticano a capire i costi AI
Secondo i dati dell’Osservatorio Artificial Intelligence del Politecnico di Milano citati da Agenda Digitale, il mercato italiano dell’AI ha raggiunto 1,8 miliardi di euro nel 2025, con una crescita del 50% annuo. Eppure le PMI rappresentano solo il 18% della spesa complessiva — contro il 63% delle grandi imprese.
Il motivo non è la mancanza di interesse. È che i costi AI hanno una struttura insolita per chi è abituato a comprare un software con licenza annuale fissa. Qui entrano in gioco abbonamenti per utente, costi variabili a consumo (chiamati "token"), investimenti hardware e costi di integrazione. Quattro voci che vanno sommate — e che cambiano a seconda dell’architettura scelta.
Come nota Agenda Digitale, «la differenza tra la fase sperimentale e l’ottenimento di risultati stabili dipende da un fattore più concreto: i costi e, soprattutto, la loro prevedibilità». Questo è il punto centrale. Non "quale modello AI è più potente" — ma "quanto spenderò il mese prossimo, e quello dopo".
Scenario 1 — Abbonamenti SaaS: da 50 a 300 euro al mese
È il punto d’ingresso più comune e il più accessibile. Stai comprando accesso a un’interfaccia AI già costruita, con la garanzia del fornitore che i tuoi dati non vengano usati per addestrare i modelli — almeno nei piani business.
ChatGPT Business (OpenAI ha rinominato il piano Team in Business il 29 agosto 2025) costa oggi 20 USD per utente al mese su base annuale, o 25 USD su base mensile, con un minimo di 2 seat. Per un team di 10 persone su piano annuale: circa 2.400 USD/anno, vale a dire poco più di 2.200 euro. Il piano include admin console, workspace condivisi e — elemento chiave per le aziende — la garanzia contrattuale che OpenAI non utilizzi le conversazioni del workspace per addestrare i propri modelli. Per una PMI manifatturiera, un uso concreto è la sintesi di rapporti di collaudo o di non conformità: il tecnico incolla il testo del rapporto, l’assistente restituisce un riassunto strutturato con i punti critici evidenziati, pronto per il responsabile qualità. Non è un’integrazione con i sistemi — ma per usi documentali puntuali funziona già allo stato attuale.
Microsoft 365 Copilot Business è disponibile in promozione PMI a 18 USD per utente al mese fino al 31 dicembre 2026 (prezzo standard 21 USD). È un add-on ai piani Microsoft 365 già esistenti: chi usa già Teams, Outlook e SharePoint non cambia strumenti, li arricchisce. Per una PMI manifatturiera che gestisce l’iter delle offerte su Outlook e archivia i capitolati su SharePoint, Copilot permette di interrogare quei documenti in linguaggio naturale — «quali specifiche di tolleranza erano richieste nel capitolato Rossi del 2023?» — senza aprire e scorrere ogni file. Il vantaggio non è la potenza del modello: è che l’AI lavora dentro gli strumenti che il team già usa ogni giorno.
Google Gemini ha scelto un percorso diverso: dal gennaio 2025 è incluso nei piani Google Workspace senza add-on separato. Per un team già su Workspace Business Standard (circa 14 USD/utente/mese) il costo incrementale di Gemini è zero. Come sottolinea la fonte Layer3 Labs, «for a 10-person team: if you already pay for Workspace Business Standard, Gemini is effectively $0 incremental». Per una PMI che gestisce le richieste di offerta (RFQ) via Gmail e archivia i preventivi su Drive, Gemini può supportare la redazione di risposte tecniche partendo dal testo dell’RFQ ricevuto — con un risparmio di tempo misurabile soprattutto sui preventivi ricorrenti con specifiche simili.
Cosa ottieni in questo scenario. Strumenti di produttività per singoli utenti: redazione testi, analisi documenti, sintesi email, supporto alla ricerca. Non ottieni automazioni di processo, non ottieni un sistema che interroga i tuoi dati aziendali strutturati, non hai controllo su dove vengono elaborati i dati.
Il limite principale. Stai usando un’interfaccia generica. I tuoi disegni tecnici, i tuoi capitolati, i tuoi listini — non entrano nel sistema in modo strutturato. Puoi incollare testo manualmente, ma non è un’integrazione con i tuoi processi.
Scenario 2 — API e integrazioni custom: da 300 a 2.000 euro al mese
Qui cambia la logica. Non stai comprando un abbonamento a un’interfaccia: stai pagando per usare il modello AI come componente di un sistema che costruisci — o che qualcuno costruisce per te.
Le API di OpenAI funzionano a consumo, misurato in "token". GPT-4o costa 1,25 USD per milione di token in input e 5,00 USD per milione di token in output. Un token equivale approssimativamente a ¾ di parola: un milione di token corrisponde a circa 750.000 parole. Per la maggior parte dei casi d’uso conversazionali, una singola richiesta costa frazioni di centesimo.
Cosa significa in pratica per una PMI con 10 dipendenti? Secondo le stime di Compute Market, un team di 10 persone con uso intensivo delle API può spendere tra 300 e 500 USD al mese tra OpenAI e Anthropic. Con un uso moderato — un assistente che risponde a domande sui prodotti, o che genera bozze di offerta partendo da un template — si può stare comodamente sotto i 100 USD/mese di soli costi API.
Il costo che spesso viene dimenticato è quello di sviluppo e integrazione. Costruire un assistente AI che interroga i tuoi documenti tecnici, i tuoi preventivi storici o il tuo catalogo prodotti richiede lavoro: progettazione del sistema, pulizia dei dati, test, messa in produzione. Per un assistente documentale semplice — capace di rispondere a domande su manuali, schede tecniche e procedure di qualità caricati come file indicizzati — il costo di sviluppo e integrazione si colloca tipicamente tra 3.000 e 8.000 euro una-tantum, a seconda della quantità e della qualità dei documenti di partenza. Per un’integrazione bidirezionale con un ERP — dove il sistema legge ordini, aggiorna stati e genera report automatici — l’intervallo sale a 8.000–15.000 euro, talvolta oltre, a seconda della complessità dell’ERP e delle API disponibili. Questa forchetta è una stima di mercato basata su progetti analoghi: ogni caso ha le sue specificità e va valutato sul processo concreto.
Cosa ottieni in questo scenario. Un sistema su misura per i tuoi processi. L’assistente risponde usando le tue fonti, non conoscenza generica. Puoi costruire workflow: un preventivo che si genera partendo dalle specifiche del cliente, una risposta tecnica che cita il manuale corretto, un sistema che smista le email in arrivo per categoria. La controllabilità è molto superiore allo scenario 1.
Il limite principale. I dati passano attraverso i server del fornitore API — OpenAI, Anthropic, Google. Per molte aziende questo è accettabile, soprattutto con i termini business che escludono l’uso per training. Per chi lavora su know-how molto sensibile — disegni meccanici proprietari, formule di prodotto, procedure di qualità riservate — il dubbio rimane legittimo. E va valutato caso per caso, non risolto con una risposta generica.
Scenario 3 — Infrastruttura locale: da 10.000 a 50.000 euro di investimento iniziale
È lo scenario che attira più interesse nelle aziende manifatturiere con know-how sensibile, e anche quello più spesso frainteso.
L’idea di base è semplice: invece di mandare i dati ai server di OpenAI, installi un modello AI sui tuoi server. I dati non escono mai dall’azienda. Il costo operativo si riduce ai consumi energetici.
I numeri reali dell’hardware, secondo Be Structured: una workstation singola con GPU RTX 4090, adatta a modelli da 7 miliardi di parametri, costa tra 3.500 e 6.000 USD. Un server dual-RTX 4090 per modelli da 13 miliardi di parametri costa tra 8.000 e 14.000 USD. Un server con GPU H100 80GB per modelli da 70 miliardi di parametri — quelli che si avvicinano alle performance dei migliori modelli cloud — costa tra 80.000 e 120.000 USD, senza contare impianto elettrico, raffreddamento e overhead IT.
Per la grande maggioranza delle PMI, l’intervallo realistico è tra i 10.000 e i 20.000 euro: hardware di fascia media, software open-source (Llama, Mistral, Qwen funzionano su stack come Ollama + Open WebUI), costi di installazione e configurazione. Come sintetizza Be Structured, «the total cost of a production-ready private AI inference deployment is typically 1.5–2x the hardware cost alone» — a ricordare che hardware e configurazione sono due cose distinte.
Cosa ottieni in questo scenario. Controllo totale sui dati. Zero trasmissioni a terze parti. Costo operativo marginale (energia elettrica). Secondo Compute Market, i risparmi stimati rispetto alle API cloud sono del 50-75% su orizzonti di 18-24 mesi — ma questa stima vale solo per chi già spende almeno 300 USD/mese in costi API. Sotto quella soglia, l’investimento hardware non raggiunge il breakeven nell’orizzonte indicato: i conti tornano solo ad alto volume d’uso. Il breakeven dipende dal volume d’uso: più alto è il volume, prima si recupera l’investimento hardware.
Il limite principale. Non è un progetto per chi non ha competenze IT interne o un partner tecnico affidabile. Be Structured è diretto: «building a local LLM inference server is one of the most technically demanding infrastructure projects a business can undertake». I modelli open-source sono meno capaci dei migliori modelli cloud sul ragionamento complesso. Richiedono aggiornamento periodico. E il risparmio sui costi API non giustifica l’investimento se il volume d’uso è basso.
La matrice decisionale: qual è lo scenario giusto per te?
La scelta non dipende da quale scenario sembra più sofisticato. Dipende da quattro variabili concrete.
| Variabile | Scenario 1 — SaaS | Scenario 2 — API | Scenario 3 — Locale |
|---|---|---|---|
| Costo di avvio | Quasi zero | Medio (sviluppo) | Alto (hardware) |
| Costo operativo mensile | Fisso, prevedibile | Variabile, a consumo | Molto basso (energia) |
| Sensibilità dei dati | Bassa-media | Media (dipende dai termini) | Alta (zero uscita dati) |
| Competenze IT richieste | Minime | Medie | Alte |
| Personalizzazione sui tuoi dati | Bassa | Alta | Alta |
| Volume di utilizzo per giustificare | Qualsiasi | Da 5-10 utenti attivi | Da volumi molto elevati |
Prima di scegliere, verifica: quante persone useranno il sistema? Con quale frequenza? Quali dati ci entreranno — e quanto sono sensibili? Hai un team IT interno o un partner che gestisce l’infrastruttura?
Questi quattro fattori determinano quale scenario ha senso — non la preferenza astratta per la "privacy" o per la "potenza del modello".
Cosa non viene quasi mai calcolato
C’è una voce di costo che raramente appare nei preventivi e quasi mai nelle discussioni: il costo di integrazione con i sistemi esistenti.
Un assistente AI che non parla con il tuo ERP, con le tue cartelle condivise, con il tuo CRM è uno strumento di produttività individuale — non un sistema aziendale. Connettere l’AI ai dati aziendali strutturati richiede lavoro di progettazione e sviluppo. Questo vale per lo scenario 2 e per lo scenario 3: l’hardware o le API sono solo la piattaforma. Il valore arriva da come i dati vengono organizzati, indicizzati e resi accessibili al modello in modo controllato.
Per rendere concreto l’ordine di grandezza: in un progetto a cui abbiamo lavorato — una PMI con un ERP gestionale diffuso nel manifatturiero italiano — il costo delle sole API era inferiore a 150 euro al mese. La voce che ha spostato il budget complessivo è stata l’integrazione: mappatura dei dati, pulizia dei documenti tecnici, connessione alle API dell’ERP e test di validazione. Quella parte valeva circa 6.000 euro una-tantum. Senza averla calcolata in anticipo, il progetto sarebbe sembrato economico fino al momento dell’offerta definitiva.
Il punto che cambia tutto
Le PMI che ottengono risultati stabili dall’AI non sono quelle che hanno scelto il modello più potente o l’architettura più elegante. Sono quelle che hanno scelto un caso d’uso circoscritto, lo hanno misurato, e hanno costruito su quello.
Un assistente che risponde alle domande sul catalogo prodotti. Un sistema che genera la prima bozza di un’offerta commerciale partendo dalle specifiche del cliente. Un tool che consolida i report di produzione da fonti diverse in un formato leggibile.
Questi progetti esistono in tutte e tre gli scenari. La differenza è il budget di avvio, il livello di controllo sui dati e la complessità tecnica da gestire nel tempo.
Nessuno dei tre scenari è sbagliato in assoluto. Ognuno è sbagliato se scelto per le ragioni sbagliate.
Prenota la tua AI Opportunity Sprint gratuita: portami un processo lento e capiamo insieme da dove partire — e quale scenario ha senso per la tua azienda.
→ AI Opportunity Sprint
Domande frequenti
Quanto costa davvero ChatGPT Business per un team di 10 persone?
Su base annuale, ChatGPT Business costa 20 USD per utente al mese — circa 2.400 USD/anno per 10 persone, pari a poco più di 2.200 euro. Il piano include admin console, workspace condivisi e la garanzia contrattuale che OpenAI non utilizzi le conversazioni del workspace per addestrare i propri modelli. Su base mensile senza impegno annuale, il costo sale a 25 USD per utente.
Le API di OpenAI sono adatte a una PMI manifatturiera con dati sensibili?
Dipende dalla natura dei dati e dai termini contrattuali del piano scelto. I piani business di OpenAI escludono l’uso dei dati per training, ma i dati transitano comunque sui server del fornitore. Per know-how molto sensibile — disegni meccanici proprietari, formule, procedure riservate — va valutata architettura cloud privata o locale. Questa parte richiede una valutazione caso per caso, non una risposta generica.
Un server AI locale è adatto a una PMI con meno di 50 dipendenti?
Solo in condizioni specifiche: volume d’uso elevato, dati ad alta sensibilità, competenze IT interne o un partner tecnico affidabile. L’hardware di base parte da 3.500-6.000 USD, ma il costo reale di un deployment produttivo è tipicamente 1,5-2 volte il solo hardware, includendo configurazione, aggiornamenti e gestione. Per la maggior parte delle PMI sotto i 50 dipendenti, le API cloud restano la scelta più efficiente.
Qual è il costo nascosto che le PMI dimenticano di calcolare?
Il costo di integrazione con i sistemi esistenti. Un modello AI che non dialoga con ERP, cartelle condivise o CRM è uno strumento individuale, non un sistema aziendale. Connettere l’AI ai dati strutturati dell’azienda richiede progettazione, sviluppo e test: è un costo una-tantum o ricorrente che si aggiunge agli abbonamenti o ai costi API, e spesso è la voce più significativa nei progetti concreti.
Google Gemini è davvero gratuito per chi usa Google Workspace?
Non gratuito, ma senza costo aggiuntivo. Dal gennaio 2025, Google ha incluso Gemini nei piani Workspace con un aumento dei prezzi dei piani stessi, invece di un add-on separato. Per un team già su Workspace Business Standard (circa 14 USD/utente/mese), il costo incrementale di Gemini è zero. La scelta tra Gemini, Copilot e ChatGPT Business dipende dall’ecosistema di produttività già in uso, non solo dal prezzo dell’AI.
Da dove conviene partire se non ho mai usato l’AI in azienda?
Dal caso d’uso più circoscritto e misurabile che hai. Un processo lento, ripetitivo, con input e output definiti. I primi progetti funzionano meglio quando l’obiettivo è specifico: non "usare l’AI" in generale, ma "generare la prima bozza dell’offerta in metà tempo" o "rispondere alle domande di prodotto senza impegnare un tecnico". Il budget iniziale in questo caso può restare sotto i 200-300 euro al mese.
