Business case agente AI: come presentarlo alla direzione

Il documento che porti in consiglio di amministrazione non deve convincere nessuno che l’intelligenza artificiale funzioni: quello, nel 2026, lo dà per scontato anche il consigliere più scettico. Deve convincere che questo processo, con questi numeri, migliora in modo verificabile e con un rischio contenuto. Un business case agente AI scritto bene è un documento noioso, pieno di ipotesi dichiarate e di condizioni di stop, ed è esattamente per questo che passa. Quelli che non passano, o che passano e poi muoiono sei mesi dopo, quasi sempre hanno un difetto in comune: descrivono una tecnologia invece di descrivere un’economia.

In questo articolo scoprirai:

• Perché il business case di un agente AI non è un business case IT come gli altri
• La struttura del documento: le sette parti che un consiglio si aspetta di trovare
• I quattro numeri che rendono credibile il problema che vuoi risolvere
• I costi: prodotto, integrazione e il servizio di onboarding che quasi nessuno mette a bilancio
• Come descrivere il valore del partner e non solo quello del software

Perché il business case di un agente AI non è un business case IT come gli altri

Gartner prevede che oltre il 40% dei progetti di AI agentica venga cancellato entro la fine del 2027, e le tre cause indicate non sono tecniche: costi in escalation, valore di business poco chiaro, controlli di rischio inadeguati (ripreso e commentato da Forbes). Lo stesso pezzo aggiunge una frase che vale la pena incorniciare e mettere in apertura del tuo documento: i progetti che falliscono raramente muoiono perché i modelli erano troppo stupidi per fare il lavoro. Muoiono per governance assente, accessi ai dati mancanti, responsabilità non assegnate e metriche di successo mai definite.

Questo cambia la natura del documento. In un business case IT tradizionale il rischio principale è che il software non funzioni; qui il software funziona quasi sempre, e il rischio principale è che l’organizzazione non lo usi, non lo controlli o non converta il tempo liberato in nulla di misurabile. È la ragione per cui un agente va valutato diversamente da un gestionale: se hai bisogno di rinfrescare cosa sia davvero un agente e cosa lo distingua da un chatbot, la nostra guida su cosa sono gli agenti AI e come funzionano è il punto di partenza, mentre la rassegna sui tre processi aziendali in cui gli agenti funzionano già serve ad ancorare la discussione a casi concreti. Vale la pena allegarne una sintesi di mezza pagina per i consiglieri non tecnici.

Agent washing: come verificare che il business case agente AI parli di un agente vero

C’è poi un problema di mercato che il tuo CDA percepisce anche se non sa nominarlo: l’agent washing. Secondo la stessa stima Gartner, su migliaia di fornitori che si dichiarano agentici solo circa 130 costruiscono agenti veri, il resto sono chatbot e RPA ribattezzati. Il consiglio ti chiederà, in un modo o nell’altro, come fai a sapere che non stai comprando un’etichetta. Prepararti quella risposta prima che la domanda arrivi è metà del lavoro di sponsorship.

Il contesto italiano aiuta a tarare le attese: secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano il mercato AI in Italia vale 1,8 miliardi di euro con una crescita del 50%, il 71% delle grandi imprese ha almeno un progetto avviato ma solo il 20% ha una reale pervasività dell’AI tra le funzioni, e l’agentic AI pesa ancora appena il 4% del mercato. Tradotto per il tuo consiglio: non stai proponendo una scommessa esotica, ma non stai nemmeno inseguendo il gregge.

La struttura del documento: le sette parti che un consiglio si aspetta di trovare

I framework più solidi in circolazione convergono su una scaletta molto simile. MindStudio propone sei sezioni per un totale di undici-quindici pagine; Corvair, fornitore di servizi AI, il cui framework proprietario va quindi letto tenendo conto che viene da chi vende anche il servizio, nella sua guida dal concept all’approvazione arriva a dieci sezioni con una raccomandazione netta: l’executive summary deve reggersi da solo e inquadrare l’investimento in termini economici, non tecnologici. È l’unica pagina che tutti leggeranno davvero.

Le sezioni obbligatorie del business case per un agente AI

Una scaletta che funziona in un CDA italiano, adattata da entrambi i modelli:

1. Executive summary (1 pagina): problema, soluzione, investimento, ritorno atteso come intervallo, rischio principale, richiesta esplicita.
2. Stato attuale (2 pagine): metriche misurate del processo, costi attuali, punti di dolore, alternative già tentate.
3. Soluzione proposta (2 pagine): perimetro dell’agente, confine uomo-macchina, integrazioni necessarie, modello di acquisizione.
4. Analisi economica (2-3 pagine): costi totali, benefici, tre scenari, payback.
5. Rischi e conformità (2 pagine): catalogo dei rischi con probabilità e impatto, mitigazioni, mappatura normativa.
6. Piano di implementazione (2 pagine): fasi, decision gate, criteri di stop, responsabilità nominative.
7. Raccomandazione e richiesta (mezza pagina): cosa chiedi, a chi, entro quando.

La settima sezione è quella che gli sponsor interni dimenticano più spesso. Un business case senza una richiesta specifica, importo, decisione, data, non è un business case: è un memo informativo, e il consiglio lo tratterà come tale. Scrivi «chiedo l’approvazione di X euro per una fase pilota di dodici settimane sul processo Y, con decisione di scale-up alla settimana tredici», non «chiedo di valutare un percorso di adozione».

I quattro numeri che rendono credibile il problema che vuoi risolvere

Prima dei costi vengono i numeri del processo, e qui si gioca la credibilità. Il framework più asciutto che abbiamo trovato è quello di Stackwell, che riduce tutto a quattro grandezze: il volume del workflow (quante richieste a settimana), il costo attuale per istanza (lavoro, revisione senior, ritardi, rilavorazioni), il costo dello stato assistito, cioè il futuro realistico in cui gli umani gestiscono le eccezioni, non il futuro in cui l’agente fa tutto, e il costo del fallimento (perdita di ricavi, esposizione a frodi, SLA mancati, pulizia di conformità).

La differenza tra un business case che passa e uno che viene rimandato sta quasi sempre nel terzo numero. Modellare l’automazione perfetta è l’errore più costoso che puoi fare in questo documento: «non vendere l’automazione perfetta, le persone approveranno un realismo noioso molto prima di approvare una certezza finta», scrive Stackwell. Un CFO che vede il 100% di deflection scritto in una tabella smette di leggere il resto.

La riga dei tre scenari, compilata

I tre scenari non sono tre livelli di ottimismo generico: si costruiscono facendo variare una sola grandezza incerta e lasciando ferme tutte le altre, così il consiglio vede da dove nasce la differenza. Prendi la quota di casi con dati pronti su un processo da 12.000 casi annui, con il 50% nel perimetro e un tasso di adozione dell’80%.

1. Prudente, dati pronti al 40%: 12.000 × 50% × 40% × 80% = 1.920 casi aggredibili l’anno. A 9 euro di risparmio netto per caso, 17.300 euro di beneficio annuo: su 60.000 euro di investimento, il payback non arriva dentro l’orizzonte di 24 mesi. È lo scenario in cui il progetto si ferma al gate.
2. Base, dati pronti al 60%: 2.880 casi, 25.900 euro l’anno, payback a circa 28 mesi, accettabile solo se il secondo processo entra in perimetro nell’anno due.
3. Ottimistico, dati pronti al 75%: 3.600 casi, 32.400 euro l’anno, payback a circa 22 mesi.

Sostituisci le tue cifre e lascia la formula in chiaro sotto la tabella: un CDA che vede la stessa moltiplicazione ripetuta tre volte con un solo numero diverso capisce in un istante qual è la variabile da presidiare, e quella variabile, nella maggior parte dei casi, è la qualità dei dati, non il modello.

Il modello a code: contare i casi che l’agente può davvero toccare

Il modello più rigoroso per quantificare il perimetro è quello che Altivate, anch’essa fornitore di servizi AI, chiama queue economics, e il suo principio guida merita di finire in una nota del tuo documento: un agente non crea valore perché è capace di fare il lavoro, ma solo se cambia la dinamica della coda dopo adozione, revisione, eccezioni, costi di esercizio e perdite da errore. I casi realmente aggredibili si calcolano moltiplicando quattro fattori: casi annui × quota nel perimetro × quota con dati pronti × tasso di adozione. Il prodotto è sistematicamente molto più piccolo del volume di partenza, ed è proprio questo a impedirti di intestarti meriti che non hai. I candidati tipici sono i processi ripetitivi di back-office, dove il volume grezzo è alto ma la quota di casi con dati pronti va verificata voce per voce.

Vale la pena scrivere anche un tasso di realizzazione approvato dalla funzione finanza: se le ore liberate non diventano budget, arretrato smaltito o output aggiuntivo, il valore riconosciuto può legittimamente essere zero. Se questa parte ti sembra scivolosa, il nostro approfondimento su come misurare davvero il ROI di un agente AI oltre il pilot entra nel merito delle metriche che sopravvivono al primo trimestre, e quello su perché l’AI generativa spesso non genera ROI spiega dove si perde il valore lungo la catena.

I costi: prodotto, integrazione e il servizio di onboarding che quasi nessuno mette a bilancio

Qui il documento si vince o si perde davanti al CFO. Corvair è esplicito: i modelli tradizionali di TCO a tre strati, costruzione, infrastruttura, consumo, sottostimano sistematicamente il costo reale, e vanno sostituiti con un modello a nove strati che include voci che nessuno mette in preventivo alla prima riunione: la coordination tax (gestione delle eccezioni e supervisione, stimata come percentuale dei guadagni di efficienza), i costi di transizione delle persone, le riserve per il fallimento e l’infrastruttura di governance con monitoraggio, rilevamento della deriva e capacità di audit.

Le voci di costo da scrivere in tabella, una per riga

Un elenco operativo che copre sia l’investimento iniziale sia l’esercizio: licenze di piattaforma; consumo di modello a token; lavoro di integrazione con i sistemi esistenti; preparazione e bonifica dei dati; valutazione e test; sicurezza e audit; supervisione umana continua; change management e formazione; gestione del fornitore; e infine la perdita attesa da fallimento, che Altivate calcola come azioni annue dell’agente × probabilità di errore materiale × perdita media per errore. MindStudio suggerisce inoltre un cuscinetto del 20% per gli sforamenti di budget, e ricorda tra i costi nascosti il tempo del team interno e il calo temporaneo di produttività durante la transizione.

Sul dimensionamento economico complessivo, e per non arrivare in consiglio con cifre inventate, conviene partire da una base di mercato: abbiamo raccolto gli ordini di grandezza reali in quanto costa implementare un agente AI in azienda nel 2026. E poiché la scelta del modello di acquisizione cambia radicalmente la tabella dei costi, la comparazione tra agente chiavi in mano e self-service è materiale da allegato: Fin, nel suo blueprint sul business case, raccomanda di costruire internamente solo con un team AI specializzato, scala enorme o esigenze estremamente di nicchia, in tutti gli altri casi, comprare porta a un time-to-value più rapido e a un rischio minore.

Come descrivere il valore del partner e non solo quello del software

Questa è la sezione che distingue un business case maturo, ed è anche quella che gli sponsor interni scrivono peggio, perché sembra una voce di costo e basta. Il riferimento più usato in consiglio è la regola 10-20-70 diffusa da Boston Consulting Group: il 10% del valore viene dagli algoritmi, il 20% dalla tecnologia e il dato, il 70% dalle persone e dai processi. Se la tua tabella dei costi assegna il 90% del budget al software e il 10% all’accompagnamento, stai proponendo al consiglio esattamente il rapporto che la ricerca associa ai progetti che non producono ritorno.

I deliverable del partner da elencare nel business case agente AI

Il modo corretto di presentarlo non è «serve anche la consulenza», ma elencare i deliverable del servizio come si elencano le funzionalità di un prodotto: mappatura del processo e baseline misurata, definizione del confine uomo-macchina, integrazione con i sistemi in uso, set di valutazione con campioni reali, formazione degli operatori, presidio delle prime settimane di esercizio, revisione periodica delle prestazioni. Se parti da zero, l’elenco di cosa è ragionevole aspettarsi da un partner di consulenza sugli agenti AI ti evita di inventare le voci una per una. Il modello di accountability di Altivate è utilissimo qui: ogni beneficio e ogni costo ha un proprietario nominato e un’evidenza associata, il volume di coda al process owner, l’adozione al responsabile del cambiamento, la conversione di capacità all’esecutivo operativo, il riconoscimento finanziario alla finanza. Un CDA legge quella tabella e capisce in trenta secondi se il progetto ha un padrone.

È il motivo per cui, in mimir.bot, l’onboarding non è un extra della fornitura ma parte dell’offerta: forniamo un agente insieme al servizio che lo porta in produzione dentro processi che esistono già, con le persone che li presidiano. Abbiamo raccontato perché nell’AI agent enterprise il servizio conta più del modello, e come si struttura concretamente l’onboarding di un agente AI in azienda.

Rischi, governance e AI Act: cosa il consiglio deve poter firmare

Corvair insiste su un punto che i consigli apprezzano: i rischi vanno identificati con cataloghi formali e quantificati economicamente, costo di prevenzione, di rilevamento, perdita attesa, costo di rimedio, non liquidati con una tabellina generica di mitigazioni. Le categorie da coprire sono tre: tecniche (fallimenti di integrazione, limiti di capacità del modello), operative (resistenza all’adozione, qualità dei dati, lacune di conformità) e finanziarie (sforamenti, ROI più lento del previsto, allargamento del perimetro).

Gli obblighi dell’AI Act da citare nel business case agente AI

Sul fronte normativo c’è un obbligo che pochi business case citano e che invece rafforza proprio la sezione sul partner: l’articolo 4 dell’AI Act impone a fornitori e utilizzatori di adottare misure per garantire un livello sufficiente di alfabetizzazione sull’AI del proprio personale e di chi opera i sistemi per loro conto, tenendo conto di conoscenze tecniche, esperienza e contesto d’uso; si applica dal 2 febbraio 2025 a tutti i deployer, senza limitarsi alle categorie ad alto rischio. La formazione, in altre parole, non è una cortesia del fornitore: è un adempimento. Il quadro completo degli obblighi e delle scadenze è nella nostra guida all’AI Act, mentre la traduzione in policy, ruoli e deleghe interne è in governance degli agenti AI.

Un’ultima raccomandazione operativa che i comitati rischi premiano: definisci soglie di stop prima di partire. Altivate suggerisce di fermarsi se le violazioni di autorità dell’agente superano zero, se il tasso di esito corretto scende sotto una soglia dopo un campione minimo, e di riprogettare se le eccezioni superano un tetto di carico per caso. Scrivere quando spegnerai l’agente è ciò che rende accettabile accenderlo.

Timeline e decision gate: come si chiede un pilota che non diventa un POC eterno

Microsoft, nel Cloud Adoption Framework dedicato al piano di business per gli agenti AI, propone una regola che vale come colonna vertebrale della tua timeline: usa le metriche di business come decision gate, applicandole a ogni fase per decidere se il progetto continua, cambia direzione o si ferma, e se un pilota non raggiunge i risultati concordati, si mette in pausa e si riesamina il caso d’uso. La stessa fonte aggiunge un consiglio controintuitivo e prezioso: nel pilota si testano i passaggi più difficili, non quelli più facili. Se l’agente regge lì, il resto è ingegneria.

Le fasi del pilota da mettere nel business case agente AI

Una scansione realistica, coerente con le fasi proposte da MindStudio, è questa: settimane 1-8 pilota su uno o due casi d’uso in parallelo al processo esistente; settimane 9-16 rilascio limitato a due o tre team; settimane 17-26 estensione, se e solo se i gate sono stati superati. Microsoft raccomanda anche di scartare a monte i casi che non hanno bisogno di un agente: se i passaggi sono chiari, ripetibili e a regole fisse, codice normale o AI non generativa sono più veloci, più economici e più affidabili. Scriverlo nel business case aumenta la tua credibilità, perché dimostra che hai considerato le alternative, «assumere personale», «comprare un SaaS standard», «prima sistemare il processo», e che in questo caso non bastano.

La ragione per cui i gate contano è nota a chiunque abbia visto morire un progetto tra pilota e produzione: le cause ricorrenti le abbiamo isolate in le quattro cause per cui i POC sugli agenti AI si bloccano, e il gate più difficile è quasi sempre quello umano, non quello tecnico.

Se stai preparando questo documento e vuoi che i numeri reggano davanti al vostro CFO, in mimir.bot facciamo esattamente questo lavoro insieme alle aziende: misuriamo la baseline del processo, dimensioniamo il perimetro aggredibile e definiamo il percorso di onboarding che porta l’agente in produzione, non solo in demo. Puoi vedere come funziona il nostro agente AI per le aziende oppure scriverci da mimir.bot per una consulenza sul tuo caso specifico.

Fonti:

• Gartner — Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (comunicato ufficiale)
• Forbes — Why 40% of Agentic AI Projects May Be Canceled by 2027
• Corvair — Business case per agenti AI: dal concept all’approvazione
• MindStudio — Come costruire il business case per gli agenti AI
• Fin — Blueprint: build a business case per il lancio di agenti AI
• Stackwell — I quattro numeri del business case di un agente AI
• Altivate — White paper sulla queue economics degli agenti AI
• Microsoft Cloud Adoption Framework — Piano di business strategy per gli agenti AI
• BCG — Agents Accelerate the Next Wave of AI Value Creation (regola 10-20-70)
• Osservatorio Artificial Intelligence del Politecnico di Milano — Il mercato AI in Italia
• AI Act — Articolo 4, alfabetizzazione in materia di AI