Prima di firmare licenze AI annuali,
vi faccio vedere cosa potete avere in casa.
Audit indipendente per capire dove l'AI vi serve davvero, dove no, e se ha senso tenere i modelli sui vostri server invece di mandare dati e soldi a OpenAI, Microsoft o Google. Per PMI del Nordest.
Nel 2024 l'AI
on-premise
era utopia.
Oggi è ROI.
Quattro cose sono cambiate negli ultimi 18 mesi. Se l'ultima volta che avete valutato l'AI è stata prima del 2025, le conclusioni di allora sono probabilmente sbagliate oggi.
I modelli open-weight hanno raggiunto GPT-4
Llama 3.3, Mistral Large, Qwen 2.5, DeepSeek: girano sui vostri server, costano zero di licenza, e su task aziendali reali (classificazione, estrazione, assistenza) performano come i modelli cloud. Due anni fa non era vero. Oggi sì.
Il cloud AI sta diventando caro
ChatGPT Enterprise: 60 € per utente al mese. Su 50 dipendenti sono 36.000 € l'anno, ricorrenti, senza possedere nulla. Un server on-premise con lo stesso use-case si ammortizza in 8–14 mesi e dopo è vostro.
I vostri dati escono di continuo
Distinte base, listini, email clienti, contratti: ogni prompt li manda a server fuori EU. Finché non avete clienti enterprise o NIS2 addosso non è un problema. Quando lo diventa, lo diventa tutto insieme.
Iperammortamento 2026 include AI
Hardware GPU e infrastruttura AI sono nella legge di bilancio. Un server da 25k € può scaricarsi al 150–180%. La leva fiscale rende l'on-premise economicamente più conveniente del cloud se fatto entro fine anno.
Quattro aree.
Nessuna
è opzionale.
Un audit AI che salta la parte dati, o la parte compliance, o quella fiscale, è un documento da consegnare al CdA, non una roadmap operativa. Ecco cosa copro sempre.
- Mappatura fonti dati (ERP, CRM, MES, documenti)
- Qualità e governance dei dati attuali
- Integrazioni necessarie prima di qualsiasi AI
- Vincoli GDPR / NIS2 / AI Act specifici
- Identificazione 8–15 casi d'uso realistici
- Stima ROI grossolana per ciascuno
- Priorità 90 / 180 / 360 giorni
- Kill list: cosa NON vale la pena fare
- Cloud vs on-premise vs ibrido: analisi per ogni use-case
- Selezione modelli (Llama, Mistral, Qwen, Claude, GPT)
- Dimensionamento hardware se on-prem
- Costo totale di possesso a 3 anni
- Policy interna uso AI dei dipendenti
- DPO briefing su AI Act
- Clausole contrattuali con vendor AI
- Audit trail e log per tracciabilità
AI on-premise
significa: i vostri
dati restano qui.
Modelli open-weight self-hosted sui vostri server. Niente API esterne. Niente prompt che finiscono fuori azienda. Niente costi ricorrenti a utente. Hardware che ammortizzate fiscalmente.
- Llama 3.3 70B (knowledge generale)
- Mistral Large (reasoning)
- Qwen 2.5 Coder (dev & SQL)
- Modelli verticali fine-tunati sui vostri dati
- Server GPU singolo (15–35k €)
- Workstation RTX 4090/5090 per team piccoli
- Mac Studio M-series per carichi leggeri
- Cluster ibrido per produzione 24/7
- Chatbot su documentazione interna
- Estrazione dati PDF (DDT, fatture)
- Classificazione email / ticket
- Summary di call e riunioni
Il pacchetto 2026 include hardware AI tra i beni agevolati. Un server da 25.000 € può diventare un costo effettivo di ~13.500 € dopo deduzione fiscale, da ammortizzare in 3 anni. Il commercialista confermerà i numeri esatti.
Da capire
a far girare.
Scegli tu
fin dove arrivare.
Si può partire dallo Scan per orientarsi e salire verso Roadmap o Pilot dopo, oppure entrare direttamente dal pacchetto giusto se il contesto è chiaro. Tutti i prezzi sono una-tantum, al netto di IVA.
- Interviste a chi usa (o userebbe) AI in azienda
- Mappatura fonti dati e qualità attuale
- Long-list di 8–12 use-case potenziali
- Valutazione rischi GDPR / AI Act
- Documento di 10 pagine + call di presentazione
- Tutto incluso nell'AI Scan
- Selezione dei 3 use-case prioritari con ROI stimato
- Architettura di riferimento (cloud / on-prem / ibrida)
- Selezione modelli + dimensionamento hardware
- Costo totale di possesso a 3 anni
- Piano di compliance AI Act + policy interna
- Roadmap 90 / 180 / 360 giorni
- Tutto incluso nell'AI Roadmap
- Setup server on-premise (o ibrido)
- Proof of concept funzionante su 1 use-case
- Integrazione con un sistema esistente (ERP/CRM/documentale)
- Handover al team IT con documentazione
- 30 giorni di affiancamento post-delivery
Dove l'AI
fa davvero
la differenza
in una PMI.
Non tutti questi use-case si fanno meglio on-premise. Alcuni restano in cloud, altri in ibrido. Il lavoro dell'audit è dirvi per ognuno qual è la scelta giusta per voi, non partire dalla soluzione.
Assistant interno su documentazione
Chatbot addestrato sui vostri manuali tecnici, procedure, istruzioni operative. Il reparto tecnico trova in 10 secondi quello che oggi cerca in 20 minuti.
Estrazione dati da PDF fornitori
DDT, fatture, schede tecniche letti automaticamente e versati in ERP. Elimina 80% del lavoro manuale di un impiegato amministrativo junior.
Classificazione ticket e email clienti
Ogni richiesta in ingresso viene smistata al reparto giusto, con priorità stimata. Riduce tempi di risposta medi e libera il customer care dalle email di triage.
Summary automatico delle call commerciali
Registrazione trasformata in appunti strutturati, estrazione action item, aggiornamento CRM. Un commerciale guadagna 3–5 ore a settimana.
Generazione prima bozza documenti
Preventivi, schede tecniche, risposte a RFP partendo dai vostri template e dati prodotto. Sempre con revisione umana: l'AI fa la fatica, voi il controllo.
Quality check visivo in produzione
Vision AI su linee di produzione per identificare difetti o anomalie. Qui spesso conviene on-premise per latenza e volumi, non cloud.
Prima di prenotare,
esplora la matrice.
16 applicazioni AI reali, filtrabili per settore e dimensione. Ti dice cosa fare subito, cosa pianificare, cosa evitare, prima ancora di scambiarci una mail.
Apri la matrice AI →Non è per te
se…
Dichiararlo a monte risparmia una call inutile a entrambi. Se vi riconoscete in uno di questi punti, probabilmente vi serve un'altra cosa, e ve lo dico io in 30 minuti.
- Volete "fare AI" perché lo chiede il CdA o lo fanno i competitor. Senza un use-case concreto dietro, qualsiasi audit vi dirà: non ne avete bisogno adesso.
- Cercate qualcuno che vi venda ChatGPT Enterprise o Microsoft Copilot. Io sono indipendente da questi vendor: se è la soluzione giusta per voi ve lo dico, ma non prendo percentuali.
- Avete meno di 15 addetti e nessuna funzione IT interna. Con questa taglia è presto per un audit AI strutturato: meglio partire da strumenti plug-and-play e tornare qui fra 12 mesi.
Le cose
che mi chiedete
prima di partire.
Se manca una risposta, scrivetemi: rispondo io, in 24h lavorative.
Quanto costa davvero tenere l'AI on-premise?+
I modelli open-source sono davvero all'altezza di GPT-4 o Claude?+
Dove finiscono i dati con un provider cloud tipo OpenAI o Anthropic?+
Serve una figura IT interna per gestire un setup on-premise?+
Cosa succede se i modelli open-source migliorano nel frattempo e il nostro diventa vecchio?+
Perché l'iperammortamento 2026 è così rilevante?+
Posso iniziare con AI Scan e salire a Roadmap/Pilot dopo?+
AI assessment
call.
30 minuti.
Raccontatemi dove siete con l'AI oggi, anche “da zero” è una risposta buona. Vi dico se ha senso partire dallo Scan, saltare direttamente a Roadmap, o fermarvi dove siete e risparmiare il budget. Gratuita, senza vendita.