Prezzi AI a risultato: la licenza fissa non basta più
Il mercato dei software AI si sta spostando su una logica di prezzo diversa: non più abbonamento mensile per utente, ma pagamento per risultato ottenuto. Per chi gestisce un’azienda, la differenza non è tecnica. È finanziaria. Pagare una licenza fissa senza misurare l’output significa finanziare funzionalità che nessuno usa.
In sintesi
- Il tasso di fallimento dei progetti AI nelle aziende supera il 50%, secondo diversi studi di settore. La causa principale non è la tecnologia, ma l’assenza di metriche di valore.
- Il modello a licenza fissa per utente non è progettato per misurare l’output di un agente AI, cioè un software che esegue compiti complessi in autonomia, o di un flusso di lavoro automatizzato.
- I principali fornitori AI stanno introducendo l’usage-based pricing (prezzo proporzionale all’utilizzo effettivo) e l’outcome-based pricing (prezzo legato al risultato raggiunto): paghi per ciò che il sistema produce, non per il diritto di accedervi.
- Un’azienda che paga 50 euro al mese per utente su uno strumento usato al 20% della capacità sta di fatto sovvenzionando il fornitore, non sé stessa.
- La domanda operativa corretta non è “abbiamo l’AI?” ma “quante ore o decisioni ha sostituito questa settimana?”
Il problema con gli abbonamenti fissi
Fino a qualche anno fa, pagare una licenza software per utente aveva senso. Il prodotto era statico, le funzionalità erano quelle, il costo era prevedibile. Con i sistemi AI, questa logica si inceppa.
Il caso tipico è quello degli agenti AI, cioè software che eseguono sequenze di compiti complessi senza che un operatore intervenga a ogni passaggio. Un hotel che attiva un assistente virtuale per gestire le richieste degli ospiti non usa lo strumento “per utente”: lo usa in base al volume di conversazioni, alla complessità delle richieste, alla percentuale di problemi risolti senza intervento umano. Se paga una licenza fissa mensile indipendentemente da questi numeri, non sa se sta investendo o sprecando.
C’è un punto critico che vale la pena tenere a mente. La licenza fissa non incentiva il fornitore a migliorare i risultati: se sei già pagante, il fornitore ha già incassato. Il modello a risultato, al contrario, allinea gli interessi in modo diretto: il fornitore guadagna di più solo se il sistema funziona meglio, e questo cambia completamente la dinamica della relazione commerciale.
Cosa fai oggi: prima di rinnovare qualsiasi abbonamento AI, chiedi al tuo responsabile operativo di stimare quante ore-persona sono state effettivamente risparmiate nell’ultimo mese grazie a quello strumento. Se la risposta è “non lo so”, il problema non è l’AI. È l’assenza di misurazione.
Come funziona il prezzo a consumo e a risultato
Due modelli. Diversi per struttura, diversi per chi porta il rischio.
L’usage-based pricing (prezzo basato sull’utilizzo) significa pagare in proporzione a quanto il sistema lavora: numero di richieste elaborate, documenti analizzati, email generate. È il modello già adottato da molti servizi cloud, e per molte aziende italiane è il primo passo verso una logica più trasparente rispetto alla licenza fissa.
L’outcome-based pricing (prezzo basato sul risultato) va oltre. Paghi solo quando il sistema raggiunge un obiettivo definito. Uno studio legale che usa un sistema AI per la revisione contratti potrebbe pagare per ogni contratto effettivamente revisionato e approvato dal team, non per ogni volta che il software viene aperto. La distinzione non è sottile: sposta una parte del rischio dal cliente al fornitore.
Alcuni fornitori si stanno già muovendo in questa direzione. Anthropic, l’azienda che sviluppa il modello AI Claude, e diverse piattaforme di automazione stanno introducendo strutture di prezzo ibride: una quota base fissa più un componente variabile legato all’output reale. Non è ancora lo standard di mercato, ma la direzione è quella, e chi negozia oggi può già chiedere esplicitamente queste opzioni.
Cosa fai oggi: nella prossima trattativa con un fornitore AI, chiedi se offrono un’opzione a consumo o a risultato. Se la risposta è no, è comunque un dato utile: dice qualcosa sull’allineamento degli incentivi di quel fornitore.
Misurare l’output: il vero ostacolo operativo
Il passaggio concettuale al prezzo a risultato è facile. Il problema pratico è che la maggior parte delle aziende non ha ancora definito cosa significa “risultato” per i propri sistemi AI.
Una clinica che usa un sistema AI per la gestione degli appuntamenti dovrebbe sapere: quante prenotazioni gestisce il sistema senza intervento umano? Qual è il tasso di errori, cioè appuntamenti sbagliati o doppie prenotazioni? Quanto tempo impiega il personale a correggere gli errori del sistema rispetto a prima dell’attivazione? Senza queste metriche, non è possibile né valutare l’investimento né negoziare un contratto a risultato. Il fornitore, dal canto suo, non ha alcun incentivo a migliorare.
Come emerge da analisi di settore, i tassi di fallimento dei progetti AI nelle aziende superano il 50%, con costi che crescono in modo non controllato. La causa principale non è tecnologica. È l’assenza di criteri di successo definiti prima dell’avvio, non dopo.
Cosa fai oggi: per ogni sistema AI attivo nella tua azienda, definisci una sola metrica principale, un numero che misura se il sistema produce valore. Per un ecommerce: percentuale di richieste di assistenza risolte senza operatore umano. Per uno studio professionale: ore di ricerca documentale risparmiate per pratica. Inizia a registrarla ogni settimana. Una riga su un foglio va benissimo.
Il rischio del cosiddetto “AI washing” nei contratti
Con la crescita del mercato AI, alcuni fornitori usano il termine “intelligenza artificiale” per descrivere funzionalità che sono, nella sostanza, automazioni semplici o filtri statistici esistenti da anni. Il rischio per chi acquista è pagare un premio di prezzo per qualcosa che non lo giustifica.
Un ristorante che paga un sistema di “prenotazione AI” potrebbe star usando un calendario con regole condizionali, non un sistema che apprende e si adatta nel tempo. La differenza operativa è significativa. Il primo non migliora con l’uso, il secondo sì, e su un orizzonte di dodici mesi la distanza di prestazioni tra i due diventa evidente.
La domanda da fare a qualsiasi fornitore è diretta: “Il sistema migliora le proprie prestazioni con l’uso, o le funzionalità sono fisse?” Se la risposta è vaga o evasiva, il prodotto probabilmente non è AI nel senso sostanziale del termine.
Cosa fai oggi: richiedi una dimostrazione specifica su dati simili ai tuoi, non una demo generica su casi ideali. Chiedi di vedere come il sistema si comporta su un caso reale del tuo settore, con le sue irregolarità e i suoi casi limite.
Dove la decisione resta umana
Il passaggio a modelli di prezzo a risultato non significa delegare all’AI la definizione di cosa conta come “risultato”. Quella definizione deve venire dall’imprenditore o dal responsabile operativo. Non dal fornitore, non dal sistema stesso.
Un sistema AI per la gestione dei lead immobiliari può misurare quante richieste ha qualificato automaticamente. Ma la definizione di “lead qualificato”, cioè che tipo di cliente, che budget, che zona geografica, è una decisione commerciale che appartiene all’agenzia. Non all’algoritmo.
Delegare anche questa definizione al fornitore significa perdere controllo sulla metrica più importante: il criterio con cui si valuta il proprio investimento. È un errore sottile, ma frequente, soprattutto nelle fasi iniziali di adozione in cui si tende a fidarsi del fornitore su tutto. Il punto è che fidarsi sul prodotto è ragionevole. Fidarsi sulla definizione del valore non lo è.
Domande correlate
Come misuro se un progetto AI ha prodotto valore reale? Definisci prima dell’avvio una metrica operativa concreta: ore risparmiate, richieste gestite senza intervento umano, errori ridotti. Misurala prima dell’attivazione del sistema come riferimento, poi ogni settimana. Se il numero non si muove in 60 giorni, il sistema non sta producendo valore misurabile.
La licenza fissa è sempre sbagliata per l’AI? No. Per strumenti AI con utilizzo stabile e prevedibile, ad esempio un correttore automatico integrato in un gestionale, la licenza fissa è più semplice da gestire. Diventa problematica quando copre agenti AI o automazioni il cui valore dipende dal volume e dalla qualità dell’output.
Cosa significa “agente AI” in pratica? Un agente AI è un software che esegue sequenze di compiti in autonomia: raccoglie informazioni, prende micro-decisioni e produce un output senza che un operatore intervenga a ogni passaggio. È diverso da un chatbot (assistente conversazionale automatico) semplice, che risponde solo a domande dirette senza eseguire azioni.
I fornitori italiani offrono già prezzi a risultato? Alcuni sì, soprattutto nei settori ecommerce e customer service. È più comune nei contratti enterprise su misura che nei piani standard pubblicati online. Vale la pena negoziarlo esplicitamente, anche su contratti di medie dimensioni.
Quanto tempo serve per vedere un ritorno da un sistema AI? 90 giorni è un orizzonte minimo ragionevole per valutare se le metriche operative si muovono nella direzione attesa. Progetti che non mostrano segnali positivi entro quel periodo richiedono una revisione degli obiettivi, non necessariamente dello strumento.
Fonti:
- xpert.digital — Numeri per i risultati: tassi di fallimento AI e costi nelle unità aziendali — https://xpert.digital/it/numeri-per-i-risultati/ (accesso luglio 2025)