TL;DR: Un progetto AI non dovrebbe essere quotato soltanto contando le giornate di lavoro. Ma nemmeno promettendo genericamente di farsi pagare “a risultato”. Le alternative sono prezzi per output, capacità disponibile e risultati verificabili, anche combinati. La scelta dipende da cosa si può misurare e da chi si assume il rischio. Per la consulenza propongo un modello ibrido: avvio, accompagnamento e componente variabile.
Nel mio articolo sul “salto di specie” dell’AI ho scritto che anche chi accompagna le aziende deve cambiare ciò che vende e come lo vende. A un certo punto ho suggerito di diffidare dei preventivi costruiti in giornate/uomo come si faceva prima.
La domanda successiva è inevitabile: bene, ma allora come si quota un progetto AI?
Mi riguarda direttamente, perché lavoro nella consulenza. Non posso cavarmela con una frase brillante e lasciare agli altri il problema del preventivo. Ho quindi cercato dati sul pricing, cioè sui criteri con cui si determina un prezzo, e studi universitari sul lavoro assistito dall’AI.
Il risultato mi ha costretto a correggere il tiro. Non ho trovato la dimostrazione che le giornate siano morte. Ho trovato qualcosa di più utile: ragioni per smettere di confondere il costo del lavoro con il valore che il cliente acquista.
Perché le giornate/uomo non bastano più?
Le giornate misurano il tempo impiegato, non la qualità del risultato né il beneficio ottenuto dal cliente. Gli studi sull’AI mostrano effetti diversi a seconda delle attività e del contesto. La mia conclusione non è abolire il tempo dai preventivi, ma evitare che sia l’unica unità con cui descriviamo l’offerta. [aiinstitute.hbs.edu], [gsb.stanford.edu]
La sintesi pubblicata da Harvard Business School nel 2023 sull’esperimento condotto con BCG riguarda 758 consulenti. Per i compiti dentro la frontiera delle capacità dell’AI, riporta un miglioramento della velocità superiore al 25%, della qualità valutata da persone superiore al 40% e dei compiti completati superiore al 12%. La stessa ricerca descrive una frontiera “frastagliata”: l’AI riesce bene in alcune attività e meno bene in altre. [aiinstitute.hbs.edu]
Un secondo studio, pubblicato nel Quarterly Journal of Economics nel 2025 e presentato anche da Stanford, analizza 5.172 operatori del supporto clienti. L’assistenza AI aumenta in media del 15% la produttività, misurata come problemi risolti per ora, ma con effetti molto diversi tra gli operatori. [gsb.stanford.edu]
Sono studi sulla produttività, non esperimenti che confrontano contratti a giornata e contratti a risultato. Non dimostrano quale preventivo sia migliore. Mostrano però perché sarebbe poco serio applicare a ogni progetto lo stesso coefficiente di accelerazione.
Da qui la mia distinzione: posso usare le giornate per pianificare risorse e costi. Ma al cliente devo spiegare anche quale capacità consegno, come ne verifico la qualità e che cosa succede se non funziona.
Il mercato sta davvero passando al pagamento a risultato?
Il pagamento a risultato esiste, ma non domina il mercato. Nell’analisi Bain del giugno 2026, basata sui prezzi pubblici di circa 200 aziende B2B SaaS, solo circa il 10% delle aziende AI-native e dei fornitori che introducono una metrica AI ibrida usa metriche legate agli outcome. Prevalgono output e risorse consumate. [bain.com]
Questo dato è importante perché raffredda una narrazione molto comoda: “prima vendevamo ore, domani venderemo soltanto risultati”.
Bain distingue tre criteri:
| Modello | Che cosa viene fatturato | Esempio |
|---|---|---|
| Effort-based | Risorse consumate dall’AI | Token, calcolo, ore di agente |
| Output-based | Ciò che l’AI produce | Sintesi, bozze, record aggiornati |
| Outcome-based | Un risultato di business | Problema risolto, ricavo incassato |
La classificazione e gli esempi derivano dall’analisi Bain. Nel gruppo considerato, le metriche sono distribuite approssimativamente tra 35% effort, 55% output e 10% outcome. Non sono percentuali riferite ai contratti di consulenza italiani. [bain.com]
La differenza decisiva è tra produrre qualcosa e ottenere un risultato. Una segnalazione commerciale è un output; una segnalazione qualificata è un outcome. Bain propone di guardare a chi sostiene il rischio di qualità: nel modello a output il fornitore viene pagato per la produzione; nel modello a outcome il pagamento dipende dal risultato. [bain.com]
Ecco il punto: non basta cambiare il nome dell’unità in fattura per cambiare il modello economico.
Quando conviene un prezzo per output?
Il prezzo per output può essere adatto quando il lavoro prodotto è identificabile e vicino al bisogno del cliente. Bain lo considera particolarmente coerente con casi d’uso focalizzati, nei quali il cliente riconosce ciò che riceve. Resta però distinto dal pagamento per il beneficio economico finale. [bain.com]
Per una soluzione che prepara documentazione, la mia proposta sarebbe vendere documenti accettati secondo criteri concordati, non semplicemente generazioni eseguite.
Nel preventivo vorrei vedere:
- quali documenti rientrano nel servizio;
- quali requisiti devono rispettare;
- come vengono gestite le correzioni;
- quali casi richiedono intervento umano.
Sono scelte contrattuali che propongo, non risultati dimostrati dagli studi.
Il vantaggio, a mio avviso, è rendere l’offerta comprensibile. Il limite è altrettanto chiaro: un documento corretto non garantisce da solo una vendita, un risparmio o una decisione migliore.
Quando ha senso pagare per capacità disponibile?
Il prezzo per capacità permette di acquistare una quantità definita di servizio, anziché sostenere una spesa completamente aperta. Bain rileva che circa quattro fornitori su cinque, tra quelli che introducono pricing AI, scelgono modelli di capacità. Il vantaggio indicato è la prevedibilità del budget; il limite è pagare anche capacità non utilizzata. [bain.com]
Qui serve un’altra distinzione. Un pacchetto di crediti acquistati in anticipo non è necessariamente un servizio pagato a consumo: se la parte inutilizzata non viene rimborsata, il cliente ha comprato capacità, non soltanto utilizzo effettivo. [bain.com]
Per una PMI proporrei un canone con un perimetro leggibile: processi coperti, volume incluso, assistenza prevista e prezzo degli eventuali extra.
Non venderei genericamente “un agente sempre disponibile”. Venderei una capacità descritta abbastanza bene da permettere al cliente di capire che cosa sta pagando.
E chiederei di riesaminare periodicamente il dimensionamento: la prevedibilità del budget è utile, ma non deve diventare un modo elegante per acquistare servizio che resta fermo.
Quando funziona davvero il pagamento a risultato?
Secondo Bain, il pagamento a risultato funziona quando l’outcome è osservabile, attribuibile all’AI e definibile contrattualmente. Il supporto clienti è uno degli ambiti in cui queste condizioni possono essere soddisfatte. In altri processi, distinguere il contributo dell’AI da quello di persone, sistemi e mercato è più difficile. [bain.com]
Un problema risolto può essere una metrica più vicina al valore di una risposta generata. Ma anche “risolto” va definito.
La mia proposta è chiarire prima che cosa conta come successo: una risposta inviata? Un caso chiuso? Un problema che non viene riaperto? E che cosa accade se deve intervenire una persona?
Forrester segnala che il pricing a risultato richiede di definire e monitorare gli indicatori del cliente, può aumentare il rischio e può rendere più lungo il ciclo commerciale. Non è una scorciatoia: è una diversa distribuzione delle responsabilità. [forrester.com]
EY aggiunge un’avvertenza: promettere accesso a una piattaforma oppure consegnare risultati è una distinzione che può incidere sul riconoscimento dei ricavi. L’analisi riguarda il contesto contabile statunitense e non va trasferita automaticamente ai contratti italiani. [ey.com]
Per questo eviterei di proporre una percentuale del risparmio prima ancora di aver stabilito come misurarlo. La percentuale arriva dopo. Prima viene la definizione.
Quale modello proporrei per la consulenza AI?
Per la consulenza proporrei un modello ibrido: prezzo definito per l’avvio, canone per l’accompagnamento e componente variabile soltanto dove il risultato è misurabile. È una mia proposta, non una formula validata per ogni progetto. Forrester descrive modelli ibridi che combinano abbonamento, utilizzo e, in alcuni casi, outcome. [forrester.com]
Lo articolerei così:
Avvio: pagare una decisione informata.
Un incarico delimitato per analizzare il processo, verificare i dati, provare la soluzione e stabilire criteri di accettazione. Il risultato può anche essere decidere di non proseguire.
Accompagnamento: pagare un servizio esplicito.
Un canone per attività concordate di verifica, assistenza e miglioramento. Non una promessa indefinita di “innovazione continua”.
Variabile: pagare ciò che si può dimostrare.
Una quota per output accettati oppure per outcome verificati, quando esistono condizioni adeguate per misurarli.
La mia proposta non elimina il rischio. Cerca di renderlo visibile, evitando due estremi: far pagare al cliente ogni tentativo oppure promettere al fornitore un risultato che non può controllare.
Che cosa dovrebbe chiedere una PMI italiana nel preventivo?
A una PMI suggerirei di chiedere non soltanto il prezzo, ma anche l’unità di misura, la qualità attesa e i confini del servizio. Non serve partire da un contratto sofisticato. Serve capire se si stanno acquistando risorse, lavoro prodotto, capacità disponibile o risultati, e quali rischi restano a carico dell’azienda.
La mia checklist sarebbe questa:
- Che cosa sto comprando? Ore, consumi, documenti, capacità o problemi risolti?
- Come viene verificata la qualità? Chi accetta il lavoro e secondo quali criteri?
- Che cosa succede agli errori? Correzioni e intervento umano sono inclusi?
- Quanto può crescere la spesa? Sono previsti limiti e prezzi degli extra?
- Come misuriamo il miglioramento? Qual è la situazione iniziale e che cosa possiamo attribuire al progetto?
- Che cosa succede dopo l’avvio? Quali attività sono comprese nell’accompagnamento?
Non sono domande contro il consulente. Sono domande che rendono l’offerta più chiara per entrambi.
Domande frequenti
Le giornate/uomo vanno eliminate dai progetti AI?
La mia proposta è mantenerle come strumento di pianificazione e stima dei costi, senza usarle come unica descrizione del valore acquistato. Non ho trovato nelle fonti esaminate una dimostrazione che tutti i contratti AI a tempo debbano essere abbandonati.
Prezzo per output e prezzo per risultato sono la stessa cosa?
No. Il primo remunera ciò che viene prodotto; il secondo dipende da un risultato di business. Bain distingue, per esempio, una segnalazione commerciale da una segnalazione qualificata. La differenza riguarda anche chi sostiene il rischio di qualità. [bain.com]
Il pagamento a risultato è già il modello dominante?
No. Nell’analisi Bain pubblicata nell’agosto 2026, le metriche a risultato rappresentano circa il 10% del gruppo di aziende AI-native e fornitori SaaS con una metrica AI ibrida considerato. Non è una misura del mercato della consulenza. [bain.com]
Un modello ibrido garantisce un progetto migliore?
Non lo posso affermare. Lo propongo come modo per separare avvio, servizio continuativo e componente misurabile. La sua utilità dipende dal progetto e dalla chiarezza degli accordi, non dal nome scelto per il contratto.
Conclusioni: non vendere meno ore, vendere meglio
Nel ragionamento sul “salto di specie” avevo lasciato una frase scomoda: chi accompagna l’adozione dell’AI deve cambiare anche il proprio modello di ricavo.
La confermo, ma la rendo più precisa.
Non considero antiquato un preventivo soltanto perché contiene giornate. Considero incompleto un preventivo che sa contare le giornate ma non sa spiegare il risultato, la qualità e le responsabilità.
Non voglio sostituire una vecchia abitudine con una nuova parola di moda. “Outcome-based” non rende serio un contratto. Una metrica verificabile, invece, può renderlo più onesto.
Il salto non è smettere di contare il tempo. È smettere di usarlo come unica risposta alla domanda: che cosa sta comprando il cliente?
Riferimenti
Fonti aperte e consultate per questo articolo l’9 ottobre 2026.
- Livello B:Eric Maltiel e Josh Sandberg, Bain & Company, 10 agosto 2026. AI Pricing: A Reality Check on Effort, Usage, and Outcomes. Analisi di prezzi pubblici di circa 200 aziende B2B SaaS, giugno 2026.
https://www.bain.com/insights/ai-pricing-a-reality-check-on-effort-usage-and-outcomes/ [bain.com] - Livello B:Lisa Singer, Forrester, 22 luglio 2025. Optimize Your Pricing To Reflect AI Value. Analisi pubblica; non è stato consultato il rapporto completo richiamato nella pagina.
https://www.forrester.com/blogs/optimize-your-pricing-to-reflect-ai-value/ [forrester.com] - Livello B: EY, data non esposta nel contenuto recuperato. SaaS: how outcome-based pricing affects revenue recognition. Analisi contabile nel contesto ASC 606 statunitense.
https://www.ey.com/en_us/insights/tech-sector/saas-transformation-with-genai-outcome-based-pricing [ey.com] - Livello A:Erik Brynjolfsson, Danielle Li e Lindsey Raymond (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. Consultata la scheda universitaria con abstract.
https://www.gsb.stanford.edu/faculty-research/publications/generative-ai-work [gsb.stanford.edu] - Livello A, sintesi universitaria della ricerca: Harvard Business School AI Institute, 21 settembre 2023. Navigating the Jagged Technological Frontier. Usata per i risultati dell’esperimento, non come studio sul pricing.
https://aiinstitute.hbs.edu/navigating-the-jagged-technological-frontier/ [aiinstitute.hbs.edu]
Letture collegate su Argos
- Costi di Microsoft Copilot e AI: come governarli senza sorprese
- AI ROI: Il Paradosso del Ritorno Elusivo
Trasparenza sull’uso dell’intelligenza artificiale
Questa bozza è stata preparata con l’assistenza di Microsoft 365 Copilot, tramite l’agente Argos Newsroom, per ricerca, struttura e prima stesura. Prima della pubblicazione deve essere sottoposta a verifica sostanziale delle fonti, correzione e approvazione da parte di Luca Borio, responsabile editoriale.
Nota: le proposte sono divulgative e non sostituiscono una valutazione contrattuale o contabile professionale.
Lascia un commento