Una delle decisioni più difficili in qualsiasi progetto di IA è impegnare l’investimento prima di sapere con certezza se funzionerà. Il ROI, il ritorno sull’investimento, è la metrica che permette di prendere questa decisione con criterio anziché per fede.
Il problema è che il ROI di un progetto di IA è più difficile da calcolare rispetto a quello dell’acquisto di un macchinario o di un’assunzione, perché il valore generato dall’IA è talvolta sfumato («decisioni migliori», «meno tempo di analisi») e il costo totale ha voci nascoste che raramente compaiono nei budget iniziali.
Questo articolo propone un metodo concreto per fare il calcolo in modo che sia utile alle decisioni.
Il principio fondamentale: misurare in termini di business, non di IA
L’errore più frequente nella stima del ROI dei progetti di IA è usare metriche tecniche come indicatore del valore di business. «Il modello ha un’accuratezza del 92%» non dice nulla sul fatto che il progetto valga la pena. Ciò che conta è: quanto vale quel 92% in termini di business? Quanti reclami si evitano? Quante ore di lavoro si liberano? Quanti fermi di produzione si prevengono?
Il calcolo del ROI inizia quantificando il problema da risolvere, prima di parlare di tecnologia.
Il modello di quantificazione del valore
Per ogni caso d’uso di IA il valore ha tre possibili fonti. L’approccio più solido è individuare quali si applicano e quantificarle separatamente.
Valore da riduzione dei costi. L’IA automatizza o migliora un processo che oggi richiede risorse. Il valore è il costo delle risorse che si liberano. Esempio: un sistema di classificazione delle email che gestisce la maggior parte delle richieste senza intervento umano libera ore di lavoro del team. Il valore è: ore liberate × costo orario del team.
Valore da aumento dei ricavi. L’IA migliora decisioni di business che incidono sui ricavi. Esempio: un modello di previsione della domanda riduce le rotture di stock che oggi causano vendite perse. Il valore è: riduzione stimata delle rotture × margine dei prodotti interessati.
Valore da riduzione del rischio. L’IA riduce la probabilità o l’impatto di eventi di rischio costosi. Esempio: la manutenzione predittiva che evita fermi non pianificati. Il valore è: riduzione della probabilità di fermo × costo di un fermo tipico.
In pratica, la maggior parte dei progetti di IA genera valore in tutte e tre le dimensioni. Quantificarle separatamente e poi sommarle produce una stima più solida rispetto al tentativo di aggregare tutto in un unico numero.
I costi da includere
Il ROI reale di un progetto di IA comprende tutti i costi, non solo lo sviluppo del modello:
- preparazione e pulizia dei dati;
- sviluppo e integrazione del sistema;
- licenze software e infrastruttura (ricorrente);
- formazione del team;
- tempo interno dedicato al progetto;
- manutenzione annuale (ricorrente).
L’omissione più frequente è il tempo interno. Quando il personale dell’azienda dedica un tempo significativo a definire i requisiti, validare i dati, partecipare alla formazione e gestire il cambiamento, quel tempo ha un costo reale che va incluso nel calcolo.
L’orizzonte temporale: quando confrontare
I progetti di IA hanno una curva del valore caratteristica: all’inizio c’è investimento senza ritorno mentre si costruisce il sistema; poi un periodo di avviamento in cui il ritorno comincia a generarsi ma il sistema è ancora in fase di calibrazione; infine il sistema opera a pieno regime e genera il ritorno atteso in modo ricorrente.
L’orizzonte abituale per valutare il ROI di un progetto di IA è un periodo di funzionamento normale, escluse la fase di costruzione e quella di calibrazione. La durata esatta dipende dal tipo di progetto e dalla rapidità con cui il sistema raggiunge prestazioni stabili.
Calcolare il ROI cumulato in diversi scenari (ottimistico, centrale e prudenziale) offre un quadro più completo di un unico valore centrale.
Le distorsioni più frequenti nel calcolo
Sovrastimare il beneficio. È facile presumere che il sistema funzionerà perfettamente dal primo giorno e catturerà il valore massimo teorico. La pratica mostra che esistono una curva di adozione e un periodo di calibrazione, e che il valore si genera progressivamente.
Sottostimare i costi di integrazione. Se l’integrazione con i sistemi esistenti è complessa, può essere la voce più costosa del progetto, e anche la più difficile da stimare prima di aver esaminato l’infrastruttura esistente.
Non includere il costo dello scenario di riferimento. Il ROI si calcola confrontando lo scenario con l’IA e quello senza. Se lo scenario senza IA comporta l’assunzione di altro personale man mano che il business cresce, quel costo crescente migliora il ROI relativo del progetto di IA.
Domande frequenti
Come presentare il ROI di un progetto di IA alla direzione? Il formato più efficace indica: il problema quantificato (in denaro o in tempo), l’investimento totale richiesto (comprensivo di tutti i costi), il valore annuo atteso una volta che il sistema è operativo e lo scenario pessimistico se il progetto funziona peggio del previsto. La direzione deve capire l’intervallo dei risultati possibili, non solo lo scenario ottimale.
Che cosa succede se il ROI risulta positivo nel calcolo ma il progetto non genera in produzione il valore atteso? È una situazione che si verifica e di solito ha una causa identificabile: i dati erano di qualità peggiore del previsto, l’adozione da parte del team è stata inferiore alle attese, il processo di business non è stato adattato abbastanza da permettere al sistema di generare valore. L’analisi a fine progetto, cioè capire che cosa è successo e perché, è l’insegnamento più prezioso per i progetti successivi.
Nei progetti di IA può esserci un valore difficile da quantificare? Sì. Alcuni benefici sono reali ma difficili da tradurre direttamente in denaro: la maggiore soddisfazione del team per l’eliminazione delle attività ripetitive, la riduzione del rischio reputazionale, la capacità di reagire più rapidamente ai cambiamenti del mercato. Nei progetti in cui questo valore intangibile è significativo, conviene esplicitarlo anche se non è quantificabile, invece di ignorarlo o di inventare una cifra poco fondata.