Chiedere “quanto vale l’AI sui miei progetti” è facile. Rispondere con un numero difendibile è un’altra storia. Il problema non è la mancanza di benefici, ma il fatto che quasi tutti li misurano nel modo più povero possibile: contando le ore risparmiate. È la metrica che il management capisce al volo e che i vendor amano citare, ma è anche quella che racconta meno la verità. Un’ora “risparmiata” non genera valore se nessuno la reinveste in qualcosa di utile, e non dice nulla sulla qualità delle decisioni che l’AI ha influenzato.
Da dove partire, allora? Da una domanda diversa: cosa è cambiato nei risultati dei progetti da quando uso l’AI? Non quanto tempo ho tagliato, ma quanti progetti in più ho chiuso in tempo, quanti rischi ho intercettato prima, quante stime si sono rivelate affidabili. Il ROI dell’AI nel project management si misura sull’output del portfolio, non sul cronometro del singolo task. Questo articolo propone un framework concreto per farlo, con le trappole da evitare e una mini-formula per costruire un business case onesto.
Perché “risparmio di tempo” è una metrica che inganna
Immagina un PM che usa un assistente AI per generare i report di stato settimanali. Prima ci metteva due ore, ora venti minuti. Sulla carta sono cento ore risparmiate in un anno. Ma quelle ore esistono davvero come valore? Solo se vengono spese in attività a maggior rendimento: stakeholder management, gestione del rischio, lavoro sui colli di bottiglia. Se invece riempiono il vuoto con altre riunioni a basso impatto, il risparmio è puramente contabile.
C’è poi un effetto più subdolo. Un report generato in fretta può contenere imprecisioni che qualcuno dovrà correggere a valle, magari uno sponsor che prende una decisione su dati sbagliati. Quel lavoro di correzione è un costo nascosto che la metrica “ore risparmiate” non vede. Per questo conviene misurare l’AI su più dimensioni contemporaneamente, accettando che nessuna da sola dica la verità.
Un framework a cinque dimensioni
Invece di un’unica cifra, valuta l’impatto dell’AI su cinque fronti. Ognuno ha una metrica concreta e, soprattutto, una trappola tipica in cui si cade quando la si misura male.
| Dimensione | Come misurarla | Trappola |
|---|---|---|
| Efficienza | Ore/settimana su report, status, attività amministrative, prima e dopo. Misurazione su un campione di PM, non stime a memoria. | Contare il tempo risparmiato senza verificare se viene reinvestito in attività di valore o disperso. |
| Qualità | Numero di rischi intercettati prima che diventino problemi; scostamento medio tra stima e consuntivo (effort, durata). | Attribuire all’AI miglioramenti dovuti a un team più maturo o a progetti più semplici nel periodo osservato. |
| Velocità decisionale | Tempo che intercorre tra l’emergere di un dato e la decisione conseguente (es. escalation di un ritardo). | Confondere decisioni più rapide con decisioni migliori: una scelta veloce ma sbagliata non è un guadagno. |
| Throughput | Progetti completati in tempo e budget per trimestre, a parità di team. On-time / on-budget delivery rate. | Misurare il throughput totale ignorando che è cresciuto il numero di persone o calata la complessità. |
| Adozione reale | Percentuale di PM che usano lo strumento ogni settimana dopo tre mesi, non dopo il lancio. | Fermarsi al numero di licenze attivate: una licenza non usata è un costo, non un beneficio. |
L’ultima riga merita un’enfasi particolare. L’adozione reale è il moltiplicatore di tutto il resto. Uno strumento brillante che metà del team aggira, perché lento, perché poco affidabile o perché non si fida dei suoi output, produce metà del valore atteso a costo pieno. Misurare l’utilizzo effettivo dopo il periodo di novità è il test di realtà più severo per qualsiasi business case.
I costi nascosti che divorano il ROI
Il numeratore del ROI è seducente. Il denominatore, i costi, è dove i business case si sgonfiano. Le licenze sono solo la voce visibile. Sotto la superficie ci sono spese che raramente entrano nei calcoli iniziali.
- Formazione e curva di apprendimento. Le prime settimane il team è più lento, non più veloce. È un investimento reale che va contabilizzato, non rimosso dal conto.
- Governance e supervisione. Chi controlla che gli output siano corretti? Chi definisce cosa l’AI può toccare e cosa no? Questo lavoro di presidio ha un costo ricorrente.
- Errori da correggere. Un output plausibile ma sbagliato che arriva a uno stakeholder può costare molto più del tempo che ha fatto risparmiare. È il rischio più sottovalutato.
- Integrazione e manutenzione. Collegare lo strumento ai sistemi di project management esistenti, tenerlo aggiornato, gestire i cambi di versione.
- Costo del cambio di processo. Adattare i flussi di lavoro, riscrivere le procedure, allineare le persone richiede tempo manageriale che non compare in nessuna fattura.
Senza questi numeri nel denominatore, ogni ROI è gonfiato. Ed è proprio l’eccesso di ottimismo a spiegare perché tanti progetti AI non reggono alla prova dei fatti. Una previsione spesso citata da Gartner stima che oltre il 40% dei progetti basati su AI agentica potrebbe essere cancellato entro la fine del 2027, per costi fuori controllo o valore di business poco chiaro. È un dato di analisti, una proiezione e non una misurazione, quindi va preso con cautela. Ma il segnale è coerente con l’esperienza sul campo: quando il valore non si dimostra con numeri solidi, prima o poi qualcuno stacca la spina.
I dati dei vendor: utili, ma da maneggiare con prudenza
I blog dei fornitori sono pieni di cifre incoraggianti. Si leggono affermazioni del tipo “il 28% di progetti in più consegnati in tempo” o percentuali analoghe di riduzione del lavoro amministrativo. Questi numeri non sono inventati, ma vanno trattati per quello che sono: risultati ottenuti in contesti specifici, spesso su clienti selezionati, raramente con un gruppo di controllo. Sono ipotesi da verificare nel tuo ambiente, non promesse.
La regola pratica è semplice. Usa il dato del vendor come limite superiore ottimistico, dimezzalo per prudenza nel business case iniziale, e poi sostituiscilo appena hai una tua misurazione reale dopo tre mesi. Un ROI costruito sui numeri di marketing di qualcun altro non sopravvive al primo confronto serio con il CFO.
Una mini-formula e un esempio onesto
Il calcolo di base resta classico, applicato però a benefici che vanno oltre il tempo:
ROI (%) = (Valore generato annuo − Costo totale annuo) / Costo totale annuo × 100
Dove il “valore generato” non è solo ore moltiplicate per il costo orario, ma include il valore dei progetti recuperati on-time e dei rischi evitati, per quanto questi siano più difficili da quantificare. Ecco un esempio volutamente semplice e prudente, per un team di 8 PM.
- Efficienza: 4 ore/settimana risparmiate a PM, ma solo metà reinvestite davvero in attività di valore. 8 PM × 2 ore utili × 45 settimane × 50 €/ora = 36.000 €.
- Throughput: 2 progetti in più chiusi on-time nell’anno, con margine medio recuperato di 5.000 € ciascuno = 10.000 €.
- Valore generato totale (prudente): circa 46.000 €.
- Costi: licenze 12.000 € + formazione 6.000 € + governance e supervisione 8.000 € + correzione errori 4.000 € = 30.000 €.
- ROI: (46.000 − 30.000) / 30.000 × 100 ≈ 53%.
Un ROI del 53% è solido e credibile proprio perché è cauto: ha dimezzato il risparmio di tempo, ha contabilizzato i costi nascosti, non ha messo a bilancio rischi evitati difficili da provare. Un business case che promette il 300% contando ogni ora come oro puro e ignorando formazione e governance non convince nessun decisore esperto. Meglio un numero più basso e difendibile.
Checklist per costruire un business case difendibile
- Definisci la baseline prima di introdurre l’AI: senza il “prima”, il “dopo” non dimostra niente.
- Scegli due o tre metriche per dimensione, non venti: la dispersione uccide la chiarezza.
- Misura il tempo risparmiato e poi scontalo per la quota non reinvestita in valore.
- Inserisci nel denominatore tutti i costi nascosti: formazione, governance, integrazione, correzione errori.
- Tratta i dati dei vendor come ipotesi da dimezzare, non come risultati garantiti.
- Fissa un checkpoint a 90 giorni per misurare l’adozione reale, non quella del lancio.
- Quantifica i rischi evitati in modo conservativo, o tienili fuori dal calcolo principale e citali a parte.
- Prepara uno scenario pessimista oltre a quello atteso: un business case con una sola riga di numeri non è credibile.
Il punto di fondo è uno. L’AI sui progetti può valere molto, ma il valore va dimostrato con la disciplina di misurazione che applicheresti a qualsiasi altro investimento. Chi si ferma al risparmio di tempo racconta solo l’inizio della storia, e di solito non quello che conta.
Dalla misurazione alla decisione: serve una visione di portfolio
Costruire metriche di ROI affidabili e governare l’adozione dell’AI non è un lavoro da praticante, è un lavoro da chi guida un portfolio di progetti digitali e deve rispondere del valore generato. Significa saper unire la gestione di progetto, il pensiero di prodotto e una logica per obiettivi misurabili come gli OKR.
È esattamente il taglio del Corso DPM Executive di Management Academy. Con 118 ore di contenuti è il percorso più completo per la gestione di progetti digitali e prepara a quattro certificazioni: CAPM (PMI), Scrum (Scrum Alliance), Product Management (ACS) e include moduli sugli OKR. Copre la gestione di progetto sia in modalità waterfall sia agile, la creazione e gestione di un prodotto digitale e l’uso degli OKR per legare i progetti a risultati misurabili. È fruibile on demand e richiede il diploma come titolo di accesso.
Una precisazione di trasparenza: il corso prepara alle certificazioni ma non le rilascia. Gli esami si sostengono presso gli enti esterni, sono in italiano e non sono inclusi nel costo del corso.
Scopri il corso DPM Executive e impara a dimostrare il valore dei tuoi progetti, AI compresa.
