L'88% dei pilot non arriva in produzione: il primo agente si sceglie dove il payback è corto

Time-to-value mediano 5,1 mesi, ma un agente commerciale arriva in 3,4 e uno su finance/ops in 8,9. La forbice è il consiglio: il primo agente si sceglie sul tempo di rientro, non sulla dimensione del problema.

BlueSky Agent AI · 2026-09-07

L'88% dei progetti pilota sugli agenti AI non arriva mai in produzione. Il dato circola nei report di settore 2026 insieme a un altro che sembra contraddirlo: l'80% delle applicazioni enterprise rilasciate o aggiornate nel primo trimestre 2026 incorpora almeno un agente, contro il 33% del 2024.

Le due cose convivono perché misurano momenti diversi. Sperimentare è diventato facile e quasi tutti lo fanno. Arrivare in produzione è rimasto difficile, e solo il 31% delle imprese ha almeno un agente che lavora davvero.

Il numero che spiega il perché non è tecnico. È il tempo: time-to-value mediano 5,1 mesi, con una forbice larghissima fra i tipi di agente.

La forbice che nessuno guarda: 3,4 mesi contro 8,9

I dati per categoria dicono che un agente di supporto commerciale (SDR: qualificazione lead, primo contatto, aggiornamento del CRM) arriva al valore in 3,4 mesi. Un agente su processi finance e operations ci mette 8,9 mesi.

Quasi tre volte tanto, sulla stessa tecnologia e spesso nella stessa azienda. La differenza non sta nel modello: sta in quanti sistemi devi toccare, quante persone devono cambiare abitudine e quante regole non scritte esistono su quel processo.

Un agente SDR lavora su dati che stanno in un posto solo, produce output che qualcuno rilegge prima di usarli e sbaglia in modo poco costoso. Un agente su ciclo passivo tocca il gestionale, la contabilità, le regole fiscali, l'approvazione del responsabile, e sbaglia in modo che si vede in bilancio.

Ma quasi tutti i progetti che vediamo partono dal secondo, perché è lì che si sente il dolore.

Perché il progetto più importante è quello sbagliato da cui partire

La logica di chi decide è ragionevole: se devo investire, investo dove il problema è più grande. In quasi tutte le PMI italiane il problema più grande è amministrativo, e infatti la prima idea è sempre l'agente sulle fatture o sugli ordini.

Il conto però lo fa il calendario. Un progetto che porta valore misurabile dopo nove mesi attraversa un cambio di budget, spesso un cambio di priorità aziendali e sempre un periodo lungo in cui non c'è niente da mostrare. È in quella finestra che i progetti muoiono, non nel momento tecnico.

Un progetto che porta valore a tre mesi produce due cose che il primo non produce: un risultato visibile prima della prossima riunione di budget, e un gruppo di persone in azienda che ha imparato a lavorare con un agente. La seconda vale più della prima, e non compare in nessuna business case.

I due discriminanti dichiarati non sono il modello

Solo il 41% delle imprese raggiunge un ritorno positivo entro dodici mesi. Alla domanda su cosa separi chi ce la fa da chi no, le risposte prevalenti sono due: qualità del dato e governance.

Nessuna delle due riguarda quale intelligenza artificiale hai scelto.

Qualità del dato, tradotto: se l'anagrafica clienti ha tre versioni dello stesso nome, se le causali sono state usate a modo proprio da ogni operatore per dieci anni, se i documenti stanno in cartelle condivise senza una regola, l'agente eredita quel disordine e lo amplifica alla velocità di una macchina. Su questo abbiamo sbagliato anche noi: in un progetto del 2025 abbiamo scoperto a metà lavoro che due reparti usavano lo stesso codice articolo per prodotti diversi, e la bonifica è costata più dell'agente.

Governance, tradotto: chi approva cosa, quali azioni l'agente può fare da solo, chi guarda i log quando qualcosa non torna. È noioso e si rimanda volentieri, ed è quello che decide se dopo sei mesi l'agente è ancora acceso.

Come scegliere il primo agente

Il criterio, se si accetta che il tempo di rientro conti più della dimensione del problema, è una domanda sola: di questo elenco, quale processo produce un risultato verificabile entro tre mesi?

In pratica un candidato buono ha queste caratteristiche:

• Tocca pochi sistemi. Idealmente uno o due, già accessibili, con i dati in ordine ragionevole.
• Ha un output che qualcuno rilegge. Bozze, proposte, classificazioni: l'errore si intercetta prima di produrre conseguenze.
• Ha un volume alto e una regola stabile. Cento richieste uguali alla settimana valgono più di dieci casi complessi.
• Ha un padrone. Una persona in azienda a cui interessa che funzioni, non un comitato.

L'agente sul ciclo passivo resta il progetto giusto. È il secondo, non il primo.

Dove entra ModelMatch

Sul tempo di rientro pesa anche una voce che si scopre tardi: il costo per esecuzione. Un agente che processa mille richieste al mese a tariffa di modello di frontiera su ogni passaggio ha un break-even più lontano dello stesso agente che usa il modello adatto a ciascuna fase.

È il lavoro che fa ModelMatch nella piattaforma: instradare classificazione, estrazione e riformulazione verso modelli economici, e tenere quelli di frontiera per i passaggi che li richiedono. Sui progetti dove lo misuriamo il costo medio scende del 42% a parità di risultato, e quel 42% si traduce direttamente in mesi tolti al break-even.

Non è però la leva principale. Se il processo scelto tocca sei sistemi e nessuno ha voglia di cambiare abitudini, nessun risparmio sui token porta il progetto in produzione.

Quello che questi numeri non dicono

I dati vengono da rilevazioni internazionali su campioni prevalentemente enterprise e statunitensi. Una PMI italiana da 40 addetti ha sistemi più semplici (che aiuta) e meno persone da dedicare al progetto (che non aiuta), e non sappiamo come le due cose si compensino.

Manca anche una distinzione che sarebbe utile: quanti degli 88% falliti sono morti per ragioni tecniche e quanti perché è cambiato chi decideva. Sospettiamo che la seconda categoria sia grossa, ma i report non la separano.

In sintesi

• L'88% dei pilot non arriva in produzione, mentre l'80% delle applicazioni enterprise Q1 2026 incorpora già un agente: sperimentare è facile, portarlo in esercizio no.
• Solo il 31% delle imprese ha almeno un agente in produzione.
• Time-to-value mediano 5,1 mesi, con agenti SDR a 3,4 mesi e agenti finance/ops a 8,9.
• Il 41% raggiunge il break-even entro dodici mesi. I discriminanti dichiarati sono qualità del dato e governance, non il modello.
• Il primo agente si sceglie sul tempo di rientro: pochi sistemi, output rileggibile, volume alto, una persona che ci tiene.
• Il costo per esecuzione accorcia il break-even ma non salva un processo scelto male.

La domanda da farsi prima di firmare qualsiasi progetto è quanto tempo passa prima che qualcuno in azienda veda un risultato. Se la risposta è "verso l'estate prossima", vale la pena guardare se c'è un processo più piccolo da cui partire.