Make or buy nell'AI: c'è un mondo oltre ChatGPT and co.
Comprare un prodotto SaaS pronto o costruire qualcosa su misura? Una guida pratica per decidere senza farsi guidare solo dall'hype.
Quando si parla di intelligenza artificiale in azienda, il primo pensiero va quasi sempre a ChatGPT, Copilot, Gemini e agli altri assistenti generici. Sono utili, immediati e hanno fatto un enorme lavoro di evangelizzazione. Ma ridurre l'AI a «paghiamo l'abbonamento a un chatbot» è come pensare che informatizzare un'azienda significhi solo comprare Office. C'è molto di più — e soprattutto c'è una scelta strategica da fare.
Quella scelta ha un nome che chi gestisce IT conosce bene: make or buy. Conviene comprare una soluzione già pronta o costruirne una su misura sui propri dati e processi? Vediamo come ragionare, perché la risposta giusta cambia molto da azienda ad azienda.
Cosa significa «make or buy» applicato all'AI
È lo stesso dilemma che si affronta da sempre per qualsiasi tecnologia: realizzare internamente (make) o acquistare dall'esterno (buy). Applicato all'AI generativa, si traduce in due estremi:
- Buy — prodotti SaaS esistenti: abbonarsi a strumenti già confezionati (ChatGPT Enterprise, Microsoft 365 Copilot, oppure software verticali con l'AI già dentro, come un CRM o un gestionale «AI-powered»). Accendi e usi.
- Make — soluzioni costruite ad hoc: sviluppare un'applicazione su misura che lavora sui tuoi documenti, sui tuoi processi e con le tue regole, tipicamente costruita sopra modelli esistenti (i cosiddetti foundation model) ma personalizzata per il tuo caso d'uso.
Il punto chiave, spesso ignorato, è che non si tratta di una scelta binaria. Tra «compro un abbonamento» e «mi costruisco tutto da zero» esiste un intero spettro di vie di mezzo, ed è lì che oggi si gioca gran parte del valore.
La via «buy»: i prodotti SaaS pronti
Comprare uno strumento già fatto è la strada più rapida. In pochi giorni le persone hanno in mano un assistente che riassume, scrive, traduce, analizza. È la scelta giusta per partire, sperimentare e diffondere la cultura dell'AI senza investimenti pesanti.
I vantaggi:
- Time-to-market quasi immediato e costi iniziali bassi e prevedibili (un canone per utente).
- Manutenzione, aggiornamenti e sicurezza a carico del fornitore.
- Nessuna competenza tecnica avanzata richiesta per iniziare.
I limiti:
- Sono strumenti generici: conoscono il mondo, non la tua azienda. Senza accesso ai tuoi dati rispondono «in generale».
- Personalizzazione limitata: ti adatti tu al prodotto, non il contrario.
- Dipendenza dal fornitore (lock-in) e dati che escono dal tuo perimetro, con implicazioni di privacy e conformità.
- Il costo per-utente, moltiplicato su molte persone, può diventare importante senza che il valore cresca allo stesso ritmo.
La via «make»: costruire su misura (oggi è più accessibile di ieri)
«Costruire» non significa più addestrare un modello da zero — operazione costosissima e riservata a pochi. Oggi si costruisce sopra i modelli esistenti, collegandoli ai propri dati e ai propri processi. Le tecniche più usate sono due, spesso combinate:
- RAG (Retrieval-Augmented Generation): l'AI consulta in tempo reale i tuoi documenti (procedure, contratti, manuali, knowledge base) e risponde basandosi su quelli. È il modo migliore per avere risposte aggiornate e ancorate ai fatti aziendali.
- Fine-tuning: si specializza un modello sul tuo linguaggio e sul tuo stile o su compiti ripetitivi, per ottenere output più coerenti e prevedibili.
A queste si aggiungono gli agenti AI, che non si limitano a rispondere ma compiono azioni: leggono un'email, aggiornano il gestionale, generano un documento, avviano un flusso. È qui che l'AI smette di essere un chatbot e diventa parte del processo.
I vantaggi:
- L'AI conosce la tua azienda e parla la tua lingua: risposte più pertinenti e affidabili.
- I dati restano sotto il tuo controllo (anche on-premise o in cloud privato), un punto cruciale nei settori regolamentati.
- Integrazione nei processi reali, non un tool a parte da aprire ogni volta.
- Nel lungo periodo, su grandi volumi, il costo per operazione può essere molto inferiore a tanti abbonamenti per-utente.
I limiti:
- Richiede progettazione, competenze e un investimento iniziale superiore.
- Va mantenuto: i dati cambiano, i modelli evolvono.
- Senza un caso d'uso chiaro rischia di diventare un bel progetto tecnico senza ritorno.
La terza via: né tutto fatto, né tutto comprato
La scelta più sensata, per la maggior parte delle PMI, sta nel mezzo. Si parte comprando un prodotto pronto per imparare e generare valore subito, e si costruisce su misura solo dove serve davvero — là dove c'è un processo ad alto volume, un linguaggio specifico o un dato che non può uscire dall'azienda.
Comprare per imparare, costruire dove fa la differenza: è la sintesi che funziona meglio.
Un punto spesso sottovalutato: la compliance
C'è un fattore che pesa sulla scelta make or buy quanto i costi, e che molti danno per scontato: la conformità normativa. L'idea diffusa è che «basta restare dentro il mondo Microsoft per essere a posto». Non è così. Usare strumenti Microsoft (o Google, o OpenAI) aiuta sul piano degli strumenti, ma non garantisce di per sé la sovranità dei tuoi dati.
Per essere davvero compliant conta sapere dove ha sede l'azienda che fornisce il servizio, dove sono i data center e dove — e sotto quale giurisdizione — vengono effettivamente trattati i dati. Un fornitore di proprietà statunitense, per via del CLOUD Act, può essere obbligato a consegnare dati anche se sono fisicamente in Europa.
È un tema importante e a volte decisivo proprio nella scelta tra comprare e costruire: in alcuni casi la soluzione su misura, ospitata dove decidi tu, è l'unica strada per restare pienamente in regola.
Quanto costa, in pratica
I numeri variano molto, ma qualche ordine di grandezza aiuta a sgombrare il campo dal mito del «costruire costa una fortuna». Una soluzione basata su RAG può partire da poche migliaia di euro di setup più un'infrastruttura di qualche centinaio di euro al mese; il fine-tuning di un modello aperto di taglia media si colloca, a seconda dei casi, tra qualche migliaio e qualche decina di migliaia di euro. Cifre lontane dai milioni che molti immaginano, e spesso recuperabili rapidamente se si sostituiscono decine di abbonamenti o si automatizzano attività ripetitive.
La regola pratica: il buy ha costi bassi all'inizio che crescono linearmente con gli utenti; il make ha un costo iniziale più alto ma un costo per operazione che scende con il volume. Più l'uso è intenso e ripetitivo, più il make diventa conveniente.
Come decidere: una bussola
Per orientarti, confronta le due strade sui criteri che contano davvero:
| Criterio | Meglio BUY (SaaS pronto) | Meglio MAKE (su misura) |
|---|---|---|
| Velocità | Serve partire in giorni | Si può investire qualche settimana/mese |
| Dati sensibili | Pochi o non critici | Riservati / regolamentati, da non far uscire |
| Volumi d'uso | Uso saltuario o trasversale | Compiti ad alto volume e ripetitivi |
| Specificità | Esigenze generiche | Linguaggio e processi tipici del tuo settore |
| Competenze interne | Limitate | Presenti o con partner affidabile |
| Costo dell'errore | Basso | Alto: serve controllo e affidabilità |
In sintesi
ChatGPT e i suoi simili sono un ottimo punto di partenza, non il punto di arrivo. La vera domanda non è «quale chatbot scelgo», ma «dove l'AI può creare valore nei miei processi, e qual è il modo più efficiente per realizzarla». Per molti compiti basta comprare; per quelli che toccano i tuoi dati e il cuore del tuo business, costruire su misura — oggi più accessibile che mai — è spesso la scelta che ripaga.
Vuoi capire dove conviene comprare e dove costruire nella tua azienda?
Il servizio Progetti AI Avanzati nasce proprio per questo: mappiamo i casi d'uso automatizzabili, scriviamo il brief tecnico, raccogliamo i preventivi e li mettiamo a confronto con le soluzioni già pronte. Arrivi a una decisione make-or-buy informata, non un salto nel buio.