Consulenza intelligenza artificiale: cosa fa un consulente AI, costi e come sceglierlo nel 2026

Il lavoro di un consulente AI serio si articola in quattro attività, in quest'ordine. Uno: l'assessment dei processi — mappare come lavora l'azienda oggi, con quali strumenti, dove si perdono ore e margini, quali dati esistono e in che stato sono. È la fase che determina tutto il resto, e va fatta sul campo, non da un questionario. Due: la selezione dei casi d'uso — non 'dove si può mettere l'AI' (ovunque), ma dove il rapporto tra valore e rischio è migliore per partire.

Un buon consulente sceglie 2-3 processi, non venti. Tre: la definizione dell'architettura e dei fornitori — quali strumenti, quali modelli, come si integrano con i sistemi esistenti, cosa comprare e cosa costruire. Quattro: l'accompagnamento all'implementazione — perché il valore non sta nel documento di strategia ma nel sistema che funziona, e tra i due c'è il lavoro vero: configurazione, test sui dati reali, formazione, misura.

'. Chi risponde con nomi e numeri fa consulenza; chi risponde con framework e metodologie fa formazione travestita da consulenza.

Il mercato italiano 2026 ha tre fasce di prezzo, con logiche diverse. 000 euro in su, spesso molto in su: sono la scelta obbligata per le grandi imprese con esigenze di governance complesse, ma sovradimensionate — per struttura e per costi — sulla maggioranza delle aziende italiane. 000 euro), un accompagnamento continuativo 2-4 giornate al mese. La qualità qui varia enormemente: il mercato si è riempito di consulenti AI nati l'anno scorso, e il prezzo a giornata non è un indicatore di competenza.

000 euro per una PMI per il primo progetto completo, analisi inclusa. È il modello che pratichiamo noi in AEDIX, per una ragione precisa: separare chi consiglia da chi implementa crea deresponsabilizzazione. Se il progetto fallisce, il consulente dà la colpa all'implementatore e viceversa. Quando analisi e implementazione hanno la stessa firma, la responsabilità del risultato è una sola.

Non tutte le aziende hanno bisogno di consulenza, e riconoscere il proprio caso evita spese inutili in entrambe le direzioni. La consulenza serve quando: l'azienda ha processi complessi distribuiti su più sistemi e non sa da dove partire; ci sono già stati tentativi falliti con l'AI (un pilota morto, un chatbot deludente) e serve capire perché; l'adozione tocca temi regolatori pesanti — dati sanitari, credito, HR — dove sbagliare costa caro; o la direzione deve prendere una decisione build-vs-buy da centinaia di migliaia di euro.

000 euro — spenderne metà in analisi lascia le briciole per il sistema. In questi casi la mossa giusta è una demo sul tuo caso reale e un progetto pilota misurato, non un report. Il test rapido: se riesci a descrivere il tuo problema in una frase con un numero dentro, salta la consulenza pura e parla con chi implementa.

Primo criterio: prodotti propri in produzione. Chi gestisce sistemi AI propri — piattaforme, agenti che lavorano ogni giorno — conosce i problemi della produzione reale: le allucinazioni, i costi dei modelli che crescono, gli utenti che non adottano. Chi ha solo fatto progetti per terzi conosce i problemi fino al collaudo; chi ha solo slide non li conosce affatto. Secondo: il metodo di misura.

Il consulente serio parte dalla baseline (quanto costa oggi il processo) e definisce le metriche di successo prima di iniziare. Se nel preventivo non c'è scritto come si misura il risultato, il risultato non si misurerà. Terzo: l'indipendenza dichiarata — o la sua assenza trasparente. Molti consulenti rivendono strumenti su cui prendono commissioni: non è un male in sé, ma dev'essere dichiarato.

'. Quarto: la competenza normativa. Nel 2026, un consulente AI che non sa parlare concretamente di AI Act e GDPR — classificazione del rischio, supervisione umana, base giuridica dei trattamenti — è un rischio ambulante per l'azienda che lo ingaggia. Quinto: il contratto orientato al risultato. Le formule serie oggi includono milestone con criteri di accettazione, non solo giornate.

Un consulente che accetta di legare parte del compenso a un risultato misurabile ha fiducia in quello che vende; uno che vende solo tempo, vende tempo.

C'è un punto preciso dove la maggior parte dei percorsi di consulenza AI fallisce: il passaggio dalla strategia all'operatività. Il copione ricorrente: l'azienda paga un assessment, riceve un documento di 60 pagine con la roadmap AI a tre anni, tutti annuiscono in riunione — e sei mesi dopo il documento è in un cassetto e nulla è cambiato. Il problema non è la qualità dell'analisi: è che tra 'sappiamo cosa fare' e 'lo stiamo facendo' c'è un lavoro che la consulenza strategica pura non copre — scegliere i fornitori, configurare i sistemi, pulire i dati, integrare i gestionali, formare le persone, gestire le resistenze, misurare i primi risultati.

Questo gap si chiude in due modi. Il primo: ingaggiare il consulente anche per l'accompagnamento operativo, con presenza regolare fino alla messa in produzione — funziona, ma somma i costi della consulenza a quelli dell'implementazione. Il secondo: scegliere dall'inizio un partner che fa entrambe le cose, dove l'analisi è il primo passo del progetto e non un prodotto a sé. Qualunque strada si scelga, la regola d'oro è una: nessun documento strategico dovrebbe superare le due settimane di vita senza che parta la prima implementazione concreta.

La strategia AI invecchia alla velocità dei modelli — cioè in mesi — e l'unico modo per non buttarla è eseguirla subito.

Chiudiamo con il percorso tipo di una consulenza AI fatta bene, così sai cosa pretendere. Tappa uno — Assessment (1-2 settimane): interviste alle persone chiave, mappatura dei processi e dei sistemi, fotografia dei dati disponibili, misura della baseline sui processi candidati. Output: non un report accademico, ma una lista corta di 2-3 casi d'uso con stima di valore, costo e rischio per ciascuno.

Tappa due — Progettazione (1 settimana): per il caso d'uso scelto, architettura della soluzione, cosa automatizza l'AI e cosa resta alle persone, piano di integrazione con i sistemi esistenti, budget e tempi definitivi. Tappa tre — Implementazione pilota (2-6 settimane): il sistema va in produzione su un perimetro reale ma controllato — un reparto, una tipologia di pratiche — con supervisione umana piena e metriche attive dal primo giorno.

Tappa quattro — Misura e decisione (dopo 4-8 settimane di esercizio): i numeri del pilota contro la baseline decidono se estendere, correggere o fermarsi. Notare cosa NON c'è in questo percorso: mesi di analisi preliminare, comitati, documenti monumentali. Dal primo incontro al primo sistema in produzione devono passare settimane. Se un consulente ti propone un percorso in cui il primo risultato concreto arriva dopo un trimestre di soli documenti, stai comprando il suo tempo — non il tuo risultato.