Strategia AI · 21 marzo 2026 · 14 min. di lettura · Mohsen Ghulami, GTM Engineer, Amplifa

AI Build vs Buy: perché le medie imprese investono male

AI Build vs Buy nelle medie imprese: la maggior parte spreca denaro con strategie errate. Scopra perché la via ibrida è l'unica soluzione.

La scorsa settimana ho incontrato l'amministratore delegato di un'azienda metalmeccanica del Teutoburger Wald. Un classico Hidden Champion, 250 dipendenti, leader mondiale in una nicchia di cui Lei non ha mai sentito parlare. Mi ha raccontato con un misto di orgoglio e disperazione del suo 'progetto faro': una AI sviluppata internamente per la manutenzione predittiva dei suoi impianti. Budget: 1,5 milioni di euro. Durata: due anni. Risultato: una soluzione mediocre che produce più falsi allarmi di un cane da guardia nervoso e che viene semplicemente ignorata dai manutentori in prima linea – chiamiamoli per esempio il caposquadra Kaczmarek. L'intero dibattito 'AI: Build vs. Buy' nel Mittelstand tedesco è una farsa. E Le spiego anche il perché: entrambe le strade, così come vengono percorse oggi, portano direttamente a un vicolo cieco.

Sinceramente: nei consigli di amministrazione dilaga un pericoloso mix di paura di restare esclusi e smania di protagonismo. Si vuole 'fare qualcosa con l'AI' perché il concorrente del paese vicino se ne vanta già. Così si mette il carro davanti ai buoi. Alcuni cadono nella mania del 'Build'. Spinti dall'idea romantica di sviluppare il sacro Graal – una AI proprietaria che polverizzi la concorrenza. È l'anima ingegneristica che emerge, lo capisco. Si vuole creare la cosa da soli. Il problema: Lei non è Google o OpenAI. Uno sviluppo completamente interno di una soluzione AI divora milioni (parliamo, secondo le analisi di W&P, di 5-10 milioni di euro in tre anni per un progetto di media impresa) e comporta un rischio gigantesco. Il tasso di successo? Un deludente 30-50 percento.

E l'altra parte? Cade nel canto delle sirene della fazione 'Buy'. Compriamo semplicemente un software standard da uno dei grandi fornitori, così siamo al sicuro. Sembra allettante, vero? Rapido, apparentemente economico, scalabile. Il problema: queste soluzioni 'preconfezionate' sono spesso flessibili quanto un binario ferroviario. Il Fraunhofer IPA lo ha dimostrato nero su bianco in uno studio del 2026 (sì, guardano già avanti): nel 70-80 percento dei casi, i modelli AI standard falliscono di fronte alla complessità dei processi produttivi reali, ad esempio nella previsione dei picchi di carico energetico. È come cercare di gestire un processo produttivo altamente complesso e personalizzato con un'app dell'App Store. Si può fare – ma poi è un lavoro fatto male.

AI Build vs Buy: la scomoda verità in numeri

Smettiamola di mentire a noi stessi. La decisione per una strategia AI non è una questione di fede, è pura economia aziendale. Ho esaminato le ultime analisi del Fraunhofer IPA e della società di consulenza strategica Wieselhuber & Partner (W&P). E i numeri – sono uno schiaffo per ogni sognatore.

Guardi questi dati. Uno sviluppo puramente interno è una missione suicida finanziaria con un tasso di fallimento ridicolmente alto. Il Pure Buy è una lotteria in cui la perdita (mancanza di adattamento) è più probabile del primo premio. Questa non è un'opinione, sono fatti tratti da progetti analizzati. E non sono ancora inclusi i costi successivi per la manutenzione e i dipendenti frustrati, tormentati con strumenti immaturi. Non stiamo parlando di noccioline, ma di investimenti che possono far vacillare una media impresa. Non ci sono scuse.

L'AI è motore e abilitatore; inizi con i Pain Points e dati puliti – allora i progetti vivranno un AI-Boost, invece di finire nella sabbia.

— Volker Riedel, Partner presso W&P Strategieberatung

Ho parlato al telefono la scorsa settimana con Volker Riedel di W&P, e ha centrato il punto. L'intera discussione è impostata male. Non si tratta della tecnologia. Si tratta del problema. E si tratta della materia prima – i dati.

Ma... che ne è dell'unico vantaggio competitivo?

Sento già l'obiezione dall'angolo tecnico: 'Ma signor Müller, se assembliamo solo componenti standard, dove rimane il nostro USP? Il nostro vantaggio unico sul mercato?' Questo è l'argomento più forte – e a prima vista più plausibile – per l'approccio 'Build'. Il sogno di creare una AI così perfettamente ritagliata sulla propria ricetta di produzione segreta che la concorrenza rimanga solo a guardare stupita.

Questo è un pericoloso errore di valutazione. Nella mia esperienza, 9 aziende su 10 sovrastimano drammaticamente l'unicità dei loro processi. Il vero, incolmabile vantaggio competitivo oggi risiede raramente nell'algoritmo stesso (molti dei quali sono Open Source o facilmente replicabili), ma in due cose: i dati unici – e puliti! – che Lei ha raccolto per decenni, e la profonda integrazione della logica AI nei Suoi processi core. Ed è proprio qui che entra in gioco l'approccio ibrido. Compri i componenti standard – la connessione dati, la visualizzazione, gli algoritmi di base. Ma ci costruisca sopra una logica propria, altamente specifica, alimentata dalla Sua conoscenza esperta e dai Suoi dati unici. Questa non è una capitolazione. È semplicemente intelligenza.

Cosa vedo là fuori: una strategia AI da torre d'avorio

Quando giro per i capannoni industriali del Paese, vedo un modello ricorrente. In alto, ai piani dirigenziali, si combatte una battaglia di Powerpoint sulla 'Trasformazione Digitale' e sulla 'AI-First-Strategy'. Vengono sbloccati budget, ingaggiati consulenti e proclamati progetti faro. In basso, sul pavimento dell'officina, dove si crea il valore, il caposquadra Kaczmarek scuote la testa. Perché? Perché l'AI acquistata a caro prezzo o sviluppata faticosamente internamente viene alimentata con dati che dormono in tabelle Excel vecchie di vent'anni, nel controllo PLC proprietario degli anni Novanta o – non è uno scherzo, vissuto personalmente – sul laptop personale di un caposquadra che andrà in pensione tra sei mesi.

Il punto è: senza una base dati centrale, pulita e accessibile, ogni strategia AI è come cercare di rifornire una Porsche con gasolio misto a fango. Non solo non andrà veloce, ma si romperà. Il successo di aziende come REWE, che attraverso l'integrazione di soluzioni AI standard hanno potuto ridurre i costi dei materiali del 10-20%, non si basa su un algoritmo magico. Si basa sul duro lavoro preliminare di mettere sotto controllo i propri dati. I dati puliti sono la vera materia prima della digitalizzazione. Tutto il resto è costosa divinazione dei fondi di caffè.

Conosce davvero il Suo cliente?

E questo mi porta a un problema ancora più fondamentale. Molte aziende investono milioni nell'ottimizzazione dei processi interni con l'AI, ma non sanno nemmeno esattamente chi sia il loro cliente ideale. Prima di investire anche solo un euro in un progetto AI, deve definire con estrema chiarezza per chi sta facendo tutto questo e quale problema sta risolvendo per quel cliente. Altrimenti, sta ottimizzando nel vuoto.

Amplifa ICP Playbook: trovare il Suo cliente ideale — Definisca il Suo profilo del cliente ideale (ICP) in modo affilato. La base per ogni strategia di vendita e di prodotto di successo – e il presupposto per un investimento AI sensato.

Una volta stabilito l'ICP, si tratta di capire il mercato. Quanto è grande davvero il potenziale? Per quali segmenti vale la pena lo sforzo di una personalizzazione supportata dall'AI?

Analisi TAM Amplifa: valutare realisticamente il potenziale di mercato — Smetta di tirare a indovinare. Con la nostra analisi del Total Addressable Market (TAM) quantifichi il Suo potenziale di mercato e identifichi i segmenti target più redditizi per la Sua espansione supportata dall'AI.

Basta con le simulazioni: cosa deve succedere ora

Basta analisi. Cosa significa questo concretamente per Lei come amministratore delegato, CTO o responsabile digitale in una media impresa? Significa che deve smettere di inseguire le parole d'ordine del momento e deve invece rimboccarsi le maniche. Ecco il Suo piano in cinque punti – lo chiami il 'Manifesto Müller per l'AI pratica':

1. Passaggio 1: Analisi radicale dei punti critici invece dell'innamoramento tecnologico. Chiuda i Suoi tecnici IT e gli evangelisti dell'AI in una stanza per un giorno. Porti invece al tavolo il responsabile della produzione, il capo delle vendite e il caposquadra Kaczmarek. Chieda: 'Dove stiamo perdendo soldi? Dove perdiamo tempo? Quale problema ci toglie il sonno notte dopo notte?' Identifichi i tre maggiori Pain Points. Solo per questi si prenderà in considerazione l'AI.
2. Passaggio 2: Inventario brutale dei dati. Immediatamente. Imponga una moratoria di tre mesi su tutti i nuovi progetti AI. Utilizzi questo tempo per completare un unico, inderogabile compito: mettere in ordine i Suoi dati. Dove si trovano? Quanto sono aggiornati? Chi ha l'accesso? Crei una 'Single Source of Truth'. È il compito meno attraente, ma il più importante di tutta la digitalizzazione.
3. Passaggio 3: Definire il modello ibrido come standard di riferimento. Basandosi sui Suoi Pain Points, valuti secondo il framework W&P: cos'è la nostra 'ricetta segreta' (dati di processo unici, conoscenza esperta) e cos'è standard (connessione dati, visualizzazione)? Compri i componenti standard da fornitori affermati. Ma insista su interfacce aperte (API). Su queste fondamenta costruisca poi, con un piccolo team specializzato o un partner esterno, quel decisivo 10% di logica custom che fa la differenza.
4. Passaggio 4: Progetto pilota con strategia di uscita integrata. Scelga il più piccolo dei tre Pain Points e avvii un progetto pilota chiaramente delimitato. Budget: massimo 100.000 euro. Tempistica: massimo sei mesi. Definisca prima KPI rigorosi (es. 'riduzione dei falsi allarmi del 50%'). Se gli obiettivi non vengono raggiunti dopo sei mesi, il progetto viene chiuso. Senza discussioni. Il pericolo maggiore è la Sunk-Cost-Fallacy – il rimanere aggrappati a un progetto fallimentare perché si è già investito tanto.
5. Passaggio 5: Pensare alla compliance fin dal primo giorno. L'EU AI Act non arriverà forse, arriverà sicuramente (dal 2027 la cosa si farà seria per i costruttori di macchine). Ignorare le normative non è una mancanza veniale, ma un potenziale showstopper. Utilizzi i modelli e le esperienze di progetti come il laboratorio reale KIRR Real nel Baden-Württemberg. Hanno già mostrato come implementare soluzioni AI legalmente sicure combinando elementi Buy validati con un'integrazione validata custom. Questo riduce i rischi fino al 50% secondo i ricercatori locali.

E non dimentichi l'essere umano

L'AI più intelligente non Le serve a nulla se il Suo team di vendita non capisce come trasformare il valore aggiunto così creato in euro e centesimi presso il cliente. Una AI che prevede con precisione i tempi di consegna è un vantaggio solo se il Suo venditore può venderlo come una promessa di garanzia. La tecnologia è solo l'abilitatore. A vendere deve essere ancora l'essere umano.

Amplifa Sales Coaching: renda il Suo team una macchina da fatturato — La tecnologia non vende, le persone vendono. Il nostro coaching trasforma il Suo team di vendita affinché posizioni con sicurezza il valore delle Sue innovazioni – comprese le Sue soluzioni AI – presso il cliente.

Domande frequenti sulla strategia AI nelle medie imprese – parlar chiaro invece di gergo da consulenti

A quanto ammontano davvero i costi reali di un progetto AI?

Dimentichi i prospetti patinati. Per uno sviluppo proprio (Build), consideri almeno 5 milioni di euro nei primi tre anni, inclusi gli enormi costi di manutenzione. Un acquisto puro (Buy) parte forse da 500.000 euro, ma il rischio che non sia adatto e che debba svalutare il denaro è enorme. La via realistica e di maggior successo – l'approccio ibrido – si attesta solitamente tra 1 e 3 milioni di euro, ma ha il vantaggio decisivo di un ROI positivo spesso già dopo 12-18 mesi.

Ho un parco macchine vecchio. Posso comunque aggiornarlo con l'AI?

Sì, assolutamente. E spesso è persino la strada più intelligente. La parola chiave è 'Retrofit'. Aziende come IBHsoftec hanno sviluppato framework per collegare a livello di dati anche macchine più vecchie senza interfacce moderne tramite standard come OPC-UA. Questo è spesso il 50% più economico rispetto a un acquisto completamente nuovo e può portare, come mostrano gli esempi di Siemens ad Amberg, a risparmi energetici fino al 70%. Le Sue vecchie macchine non sono un peso – sono una miniera d'oro piena di dati storici, se sa come attingervi.

Il 'Pure Build' è mai una buona strategia AI per le medie imprese?

In casi eccezionali molto, molto rari. Se il Suo core business si basa su un set di dati assolutamente unico che nessun altro al mondo possiede – ad esempio l'analisi di specifiche proprietà dei materiali in un processo chimico segreto – allora uno sviluppo completamente interno può avere senso. Per il 99% dei casi d'uso delle medie imprese (pianificazione della produzione, controllo qualità, manutenzione predittiva) è invece un overkill finanziario e tecnologico. Concentri la potenza dei Suoi sviluppatori piuttosto nell'adattare perfettamente una soluzione standard al Suo processo.

Scommetto che tra tre anni non parleremo più di 'Build vs. Buy'. Parleremo di 'Smart Adapt vs. Dumb Install'. I vincitori saranno coloro che avranno capito che l'AI non è un prodotto che si compra, ma una competenza che si deve acquisire – costruendo su solide fondamenta di dati puliti e tecnologia standard.

La domanda non è quindi 'Build o Buy?'. La vera domanda che deve porsi oggi è: ha il coraggio di fare prima i compiti a casa, prima di gettare i Suoi soldi guadagnati duramente nelle fauci del prossimo ciarlatano dell'AI? Ne discuta con me su LinkedIn o mi scriva un'e-mail. Sono curioso di leggere le Sue lettere aperte e le Sue storie di successo.