Il 19% dei progetti di AI agentica non raggiunge mai il payback: come stare nel 41% che ce la fa entro l'anno

L'80% delle organizzazioni dichiara un ROI misurabile sull'AI agentica, con un ritorno medio del 171%. Ma solo il 41% supera il break-even entro dodici mesi e il 19% non lo raggiunge mai. La differenza tra i due gruppi non è il modello scelto.

BlueSky Agent AI · 2026-08-11

I dati sul ritorno economico dell'AI agentica pubblicati nell'ultimo trimestre sono, a prima vista, straordinariamente positivi. L'80% delle organizzazioni dichiara un ROI misurabile, il ritorno medio si attesta al 171% a livello globale (192% negli Stati Uniti) e il 74% riporta ritorni positivi già nel primo anno.

Sono i numeri che finiscono nelle presentazioni. Ce n'è però una seconda riga, molto meno citata, che cambia il senso della prima: solo il 41% supera il break-even entro dodici mesi, e il 19% non raggiunge mai il payback.

Quasi un progetto su cinque non rientra mai dell'investimento. La media del 171% resta compatibile con questo, perché è appunto una media: pochi progetti con ritorni molto alti trascinano verso l'alto un insieme in cui una coda consistente non ripaga affatto. Ed è il motivo per cui la percentuale media, da sola, non dice a un imprenditore niente di utile sul proprio caso.

Mediamente l'AI agentica ha un ROI positivo. La domanda che serve a decidere è un'altra: cosa distingue il 41% dal 19%?

Quanto è grande il fenomeno, davvero

Secondo le rilevazioni di S&P Global e McKinsey il 31% delle imprese ha almeno un agente effettivamente live in produzione, con punte intorno al 47% in banking e assicurazioni. Gartner stima che entro fine 2026 il 40% delle applicazioni enterprise avrà agenti integrati, contro meno del 5% del 2025.

Sul beneficio unitario quattro rilevazioni indipendenti convergono in modo notevole sulle ore risparmiate a settimana per persona: 6,4 secondo McKinsey, 6,7 secondo Salesforce, 6,1 secondo Slack, 7,2 dalla telemetria Anthropic. Sei-sette ore settimanali, misurate con metodologie diverse. È un dato solido, ed è la ragione per cui il ROI medio è alto.

Quindi il problema del 19% sta nell'applicazione, non nella tecnologia.

Cosa separa il 41% dal 19%

Il processo viene scelto, non ereditato dallo strumento

I progetti che non ripagano cominciano quasi sempre dallo strumento: si acquista una piattaforma e poi si cerca dove usarla. Quelli che ripagano cominciano da un processo identificato per una ragione precisa, cioè volume alto, ripetitività, output verificabile, costo attuale noto.

C'è un criterio pratico che funziona da filtro: il primo caso d'uso deve avere un volume sufficiente a produrre un beneficio visibile in un trimestre. Automatizzare un'attività che si svolge tre volte al mese produce un risparmio reale e invisibile, e un progetto invisibile perde il finanziamento al primo cambio di priorità, non perché non funzioni ma perché nessuno riesce a dimostrare che funziona.

L'errore speculare, altrettanto comune, è partire dal processo più complesso, quello che se funzionasse cambierebbe tutto. Ha il tempo di implementazione più lungo, il tasso di errore più alto e la maggiore resistenza interna: è il candidato ideale per il secondo o terzo progetto, quando in azienda esistono già un metodo, un precedente riuscito da citare in riunione e qualcuno che sa quanto tempo serve davvero per portare un agente dalla prova alla produzione.

La misurazione si fa prima

È la differenza più predittiva di tutte, e la più trascurata. Senza conoscere il costo dell'attività prima di introdurre l'agente, il risparmio dopo non è dimostrabile, e quello che non si dimostra viene trattato come costo puro nel ciclo di budget successivo.

La misurazione a monte non richiede strumenti sofisticati, richiede due settimane di rilevazione onesta su quattro grandezze: il volume, cioè quante volte al giorno o alla settimana viene svolta l'attività; il tempo unitario, in minuti effettivi, compresi i tempi morti di attesa e ricerca; il tasso di errore e rilavoro, quante volte va rifatta e quanto costa rifarla; il costo pieno orario delle persone coinvolte.

Sul lato costi va poi inclusa la voce che quasi tutti dimenticano, oltre a licenze e consumo dei modelli: il tempo interno di implementazione, integrazione, formazione e verifica continuativa degli output. Perché un agente che richiede il controllo umano su ogni risultato ha un costo ricorrente, e va messo a bilancio.

L'human in the loop va tarato

Ma qui i due estremi producono lo stesso esito negativo per ragioni opposte.

Troppo controllo. Se ogni output dell'agente richiede una revisione umana completa, il risparmio si dimezza o si annulla. È il modo più comune per finire nel 19%: il progetto funziona tecnicamente e il costo di verifica mangia il beneficio. Il sintomo diagnostico è che la persona che prima faceva il lavoro adesso lo ricontrolla, impiegandoci quasi lo stesso tempo.

Troppo poco controllo. Senza gate sulle azioni irreversibili, il primo errore rilevante costa più di quanto il progetto abbia risparmiato fino a quel momento, e spesso costa anche la fiducia interna, che è più difficile da ricostruire del budget.

La taratura corretta segue la reversibilità e non l'importanza percepita. Le azioni reversibili, come analizzare, classificare, redigere una bozza o proporre, vanno in autonomia con campionamento a posteriori su una quota dei risultati. Quelle irreversibili o rivolte all'esterno, come inviare, pagare, cancellare, pubblicare o modificare configurazioni, richiedono approvazione preventiva. Il campionamento è la chiave: verificare in modo sistematico il 10% dei risultati dà una misura affidabile della qualità a un decimo del costo di verificare tutto.

La componente costo si può governare

Sul denominatore del ROI c'è un'ultima leva.

Agisce dal primo giorno. Un processo agentico è una sequenza di fasi diverse, dalla comprensione della richiesta alla pianificazione, al recupero delle informazioni, alla generazione, alla verifica, e usare lo stesso modello di frontiera per tutte significa pagare capacità di ragionamento avanzato anche dove serve una semplice estrazione strutturata.

Per questo la piattaforma BlueSky Agent AI integra ModelMatch, il motore di routing che assegna a ciascuna fase il modello più adatto, con una riduzione media dei costi misurata sui processi in produzione del 42% a qualità invariata. Su un progetto che nella configurazione standard rientrerebbe in diciotto mesi, un abbattimento del genere sulla voce ricorrente può portare il break-even sotto i dodici. Va però detto che il routing agisce sui costi e non sulle altre due differenze: un progetto costruito sul processo sbagliato e senza misurazione a monte non lo salva l'ottimizzazione dei modelli, che al massimo ne riduce le perdite.

La checklist prima di approvare il prossimo progetto

Cinque domande. Se una sola risposta manca, il progetto ha buone probabilità di finire nel 19%, e la cosa si può sapere prima di firmare invece che dopo diciotto mesi.

• Qual è il volume? Il processo si svolge abbastanza spesso da produrre un beneficio visibile in un trimestre?
• Quanto costa oggi? Esiste una misura documentata di volume, tempo unitario, errori e costo orario, rilevata prima di iniziare?
• Come si riconosce un output sbagliato? Senza un criterio chiaro non esiste un modo per verificare, e il costo di controllo tenderà al massimo.
• Quali azioni sono irreversibili? Sono elencate, e hanno tutte un gate umano?
• Chi risponde del numero fra sei mesi? Un progetto senza un titolare del risultato economico non ha nessuno che lo difenda quando arriva la revisione del budget.

Con un ritorno medio del 171% e sei-sette ore recuperate a settimana per persona, il caso economico complessivo dell'AI agentica è fra i più solidi che il software aziendale abbia prodotto negli ultimi anni. Il 19% che non rientra mai dice altro: dice che la tecnologia funziona con notevole affidabilità e che a separare i due gruppi sono tre scelte organizzative, tutte da prendere prima di scrivere la prima riga di configurazione.

In sintesi

• L'80% delle organizzazioni dichiara un ROI misurabile sull'AI agentica, con un ritorno medio del 171% (192% negli Stati Uniti), ma solo il 41% supera il break-even entro dodici mesi e il 19% non lo raggiunge mai.
• Il beneficio unitario è confermato da quattro rilevazioni indipendenti: 6,4 ore risparmiate a settimana per persona secondo McKinsey, 6,7 secondo Salesforce, 6,1 secondo Slack, 7,2 dalla telemetria Anthropic.
• I progetti che ripagano partono da un processo scelto per volume, ripetitività e costo noto, non dalla piattaforma acquistata.
• Senza una misurazione fatta prima dell'avvio (volume, tempo unitario, errori, costo orario) il risparmio non è dimostrabile, e quello che non si dimostra viene tagliato al budget successivo.
• La supervisione umana va tarata sulla reversibilità: autonomia con campionamento al 10% sulle azioni che si possono rifare, approvazione preventiva su quelle che non tornano indietro.

Per verificare se il prossimo progetto AI ha i requisiti per rientrare entro l'anno, il team di BlueSky Agent AI può costruire il business case insieme a voi.