L’AI cambia la consulenza: la sfida è portare i progetti in produzione

L’intelligenza artificiale sta spingendo la consulenza aziendale e i servizi IT oltre il modello tradizionale, basato soprattutto sulla vendita di team e ore di lavoro. La nuova promessa è portare software riutilizzabile dentro i processi reali di un’impresa e affiancare il cliente finché la soluzione non funziona sul campo.

Per riuscirci non basta fornire un modello o una raccomandazione. Occorrono una piattaforma replicabile, competenze di integrazione e qualcuno che si assuma la responsabilità di un risultato verificabile. Le partnership che affiancano agli specialisti di prodotto ingegneri inseriti nei team del cliente — spesso chiamati forward-deployed engineer — mostrano che il passaggio dalla sperimentazione all’uso quotidiano è diventato una parte centrale della competizione.4

Perché tanti progetti pilota si fermano

Una dimostrazione può funzionare su un insieme di dati selezionato. Un sistema in produzione, invece, deve collegarsi a software aziendali spesso datati, rispettare autorizzazioni e regole di accesso, gestire dati e richieste che cambiano e lasciare tracce verificabili delle proprie decisioni. Deve anche inserirsi nel lavoro quotidiano delle persone, non restare un esperimento separato dai processi.

Serve poi un responsabile del progetto e una misura di partenza con cui confrontare eventuali risparmi o ricavi. La cifra del «95%» citata nel dibattito riguarda l’assenza di un ritorno economico misurabile in uno specifico studio: non va interpretata come un tasso universale di progetti che non arrivano in produzione.6

Chi è in pole position — e per quali ragioni

Palantir è un esempio affermato di fornitore per implementazioni complesse in grandi organizzazioni, dove governance e controllo dei dati sono cruciali. Nel primo trimestre del 2026 i ricavi commerciali negli Stati Uniti sono cresciuti del 133% su base annua. È un segnale di forte crescita, ma da solo non dimostra il ritorno economico di ogni singolo progetto.1

ServiceNow può giocare una partita diversa: aggiungere funzionalità di AI a flussi di lavoro e rapporti con i clienti già esistenti. Nel quarto trimestre del 2025 i suoi ricavi da abbonamenti sono aumentati del 21% rispetto allo stesso periodo dell’anno precedente.2

Accenture e gli altri grandi integratori hanno accesso ai clienti, competenze settoriali e capacità di gestire migrazioni su larga scala. La sfida è trasformare il lavoro svolto per un cliente in strumenti riutilizzabili, invece di rispondere a ogni nuovo contratto aggiungendo altre persone. L’iniziativa di Accenture con Google Cloud, che combina ingegneri operativi con competenze di settore, è un esempio di questo approccio.4

Per le medie imprese, potrebbe essere più efficace un’offerta circoscritta: connettori già pronti, pochi processi verticali replicabili, un’implementazione con costi e perimetro definiti e, se serve, gestione continuativa. Le informazioni disponibili non bastano però per indicare un vincitore certo in questo segmento.

Settori regolamentati e sistemi legacy: un ostacolo, ma anche un’opportunità

Integrare l’AI con sistemi datati, proteggere le informazioni, mantenere registri verificabili e gestire i cambiamenti organizzativi è più difficile che realizzare un chatbot dimostrativo. Proprio questa complessità può favorire i fornitori disposti a prendersi carico di un sistema funzionante, anziché limitarsi a consegnare una raccomandazione. Tra gli ambiti citati per questo tipo di interventi ci sono la migrazione dei sistemi e la rendicontazione regolamentare.11

Margini e costi di sostituzione: cosa cambia con una piattaforma

Nei servizi venduti principalmente sulla base delle ore lavorate, per aumentare i ricavi spesso occorre impiegare più personale fatturabile. Una piattaforma autentica può invece distribuire tra più clienti i costi di connettori, controlli e sviluppo dei flussi di lavoro. Se funziona, le implementazioni successive richiedono meno personalizzazioni e possono generare margini incrementali migliori.

È però un’ipotesi da verificare, non un risultato automatico di un’etichetta commerciale. C3 AI, per esempio, ha riportato un margine lordo GAAP del 32% nel trimestre terminato a luglio 2026, pur presentandosi come società di software per l’AI aziendale.5

I costi di sostituzione possono crescere quando un sistema gestisce in modo affidabile processi importanti e incorpora integrazioni, permessi e una storia operativa. Per i clienti è utile distinguere questo valore operativo dalla dipendenza creata semplicemente da codice personalizzato o da difficoltà nell’esportare i dati.

Cinque metriche per capire se è davvero una piattaforma

Prima di affidare un progetto, è utile chiedere:

1. Quanti progetti pilota diventano operativi dopo 6 e 12 mesi, e con quale definizione di «operativo»?
2. Quali risultati ottengono i clienti, verificati rispetto a una situazione di partenza precedente all’implementazione?
3. Quanta parte dei ricavi è ricorrente e legata al prodotto, e quanta deriva da servizi di implementazione? Qual è la fidelizzazione dei clienti?
4. Qual è il margine lordo, includendo tutti i costi di ingegneria per il cliente, cloud e assistenza?
5. Come cambiano tempi di avvio e ore di lavoro tecnico da un’implementazione alla successiva?

Una piattaforma dovrebbe permettere di avviare nuovi progetti più rapidamente e a costi inferiori, e di ampliare quelli esistenti senza far crescere in proporzione il personale necessario alla consegna. Se ogni cliente richiede un nuovo gruppo di lavoro e una soluzione costruita da zero, il modello resta principalmente consulenziale, anche quando in fattura compare la parola «piattaforma».