AI Build vs Buy: Perché le PMI investono male

KI-Strategie · 21. März 2026 · Mohsen Ghulami

AI Build vs Buy nelle PMI: La maggior parte brucia denaro con strategie sbagliate. Scopri perché l'approccio ibrido è l'unica soluzione.

La settimana scorsa ero seduto con l'amministratore delegato di un'azienda di ingegneria meccanica della Foresta di Teutoburgo. Un classico Hidden Champion, 250 dipendenti, leader mondiale in una nicchia di cui non avete mai sentito parlare. Mi ha raccontato, con un misto di orgoglio e disperazione, del suo 'progetto faro': un'IA sviluppata internamente per la manutenzione predittiva dei suoi impianti. Budget: 1,5 milioni di euro. Durata: due anni. Risultato: una soluzione a metà, che produce più falsi allarmi di un cane da guardia nervoso e viene semplicemente ignorata dai manutentori in prima linea – chiamiamolo Maestro Kaczmarek. L'intero dibattito 'AI: Build vs. Buy' nelle PMI tedesche è una farsa. E vi dirò anche perché: entrambi gli approcci, così come vengono solitamente percorsi oggi, portano direttamente a un vicolo cieco.

Siamo onesti: nei consigli di amministrazione dilaga una pericolosa miscela di panico da scadenza e desiderio di affermazione. Si vuole 'fare qualcosa con l'IA' perché il concorrente del paese vicino se ne vanta già. Quindi si prende il toro per le corna. Alcuni cadono nella mania del 'Build'. Spinti dall'idea romantica di sviluppare il Santo Graal – un'IA proprietaria che polverizza la concorrenza. È l'anima dell'ingegnere che emerge, lo so. Si vuole creare la cosa da soli. Il problema: non siete Google o OpenAI. Uno sviluppo completo di una soluzione AI interna costa milioni (secondo le analisi di W&P, parliamo di 5-10 milioni di euro in tre anni per un progetto di medie dimensioni) 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? Veloce, apparentemente economico, scalabile. Il problema: queste soluzioni 'off-the-shelf' sono spesso flessibili come un binario ferroviario. Il Fraunhofer IPA lo ha dimostrato in uno studio del 2026 (sì, guardano già più avanti) nero su bianco: nel 70-80 percento dei casi, i modelli AI standard falliscono a causa della complessità dei processi di produzione reali, ad esempio nella previsione dei picchi di carico energetico. È come cercare di controllare un processo di produzione altamente complesso e personalizzato con un'app dall'App Store. Si può fare – ma poi è un pasticcio.

AI Build vs Buy: La scomoda verità in numeri

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

Guardate questo. Uno sviluppo interno puro è una missione suicida finanziaria con un tasso di errore ridicolmente alto. Il Pure Buy è una lotteria in cui la perdita (scarsa adeguatezza) è più probabile del primo premio. Questa non è un'opinione, sono fatti da progetti che sono stati analizzati. E non sono ancora inclusi i costi successivi per la manutenzione e i dipendenti frustrati che vengono tormentati con strumenti immaturi. Non stiamo parlando di noccioline, ma di investimenti che possono mettere in ginocchio una PMI. Non c'è scampo.

L'IA è un motore e un abilitatore; inizia con i punti dolenti e i dati puliti – allora i progetti sperimentano un boost di IA, invece di arenarsi.

— Volker Riedel, Partner di W&P Strategieberatung

Ho parlato al telefono con Volker Riedel di W&P la settimana scorsa, e lui ha colto nel segno. 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 dire del vantaggio competitivo unico?

Ora sento già l'obiezione dal settore tecnico: 'Ma signor Müller, se assembliamo solo componenti standard, dove finisce 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 un'IA così perfettamente adattata alla propria ricetta di produzione segreta che la concorrenza rimane a bocca aperta.

Questo è un pericoloso errore. Secondo la mia esperienza, 9 aziende su 10 sopravvalutano drasticamente l'unicità dei loro processi. Il vero, ineguagliabile vantaggio competitivo oggi raramente risiede nell'algoritmo stesso (molti di essi sono open source o facilmente replicabili), ma in due cose: i dati unici – e puliti! – che avete raccolto per decenni, e la profonda integrazione della logica AI nei vostri processi chiave. Ed è qui che entra in gioco l'approccio ibrido. Acquistate i blocchi standard – la connessione dati, la visualizzazione, gli algoritmi di base. Ma costruite su di essi una logica propria, altamente specifica, alimentata dalla vostra conoscenza esperta e dai vostri dati unici. Questa non è una capitolazione. È semplicemente intelligente.

Quello che vedo là fuori: una strategia AI dalla torre d'avorio

Quando cammino per le fabbriche del paese, vedo un modello ricorrente. In alto, ai piani alti, si combatte una battaglia di PowerPoint sulla 'Trasformazione Digitale' e la 'Strategia AI-First'. Vengono approvati budget, ingaggiati consulenti e annunciati progetti faro. In basso, sul pavimento della fabbrica, dove avviene la creazione di valore, il Maestro Kaczmarek scuote la testa. Perché? Perché l'IA, costosa o faticosamente sviluppata internamente, viene alimentata con dati che giacciono in tabelle Excel di vent'anni fa, nel controllo PLC proprietario degli anni Novanta o – non è uno scherzo, l'ho visto di persona – sul laptop personale di un caposquadra che andrà in pensione tra sei mesi.

Il fatto è: senza una base dati centrale, pulita e accessibile, ogni strategia AI è come cercare di alimentare una Porsche con gasolio sporco di fango. Non solo non andrà veloce, ma si romperà. Il successo di aziende come REWE, che sono riuscite a ridurre i costi dei materiali del 10-20% grazie all'integrazione di soluzioni AI standard, non si basa su un algoritmo magico. Si basa sul duro lavoro preliminare di mettere in ordine i loro dati. I dati puliti sono la vera materia prima della digitalizzazione. Tutto il resto è costosa lettura dei fondi di caffè.

Conoscete davvero il vostro cliente?

E questo mi porta a un problema ancora più fondamentale. Molte aziende investono milioni nell'ottimizzazione dei processi interni con l'IA, ma non sanno nemmeno esattamente chi sia il loro cliente ideale. Prima di investire anche un solo euro in un progetto di IA, dovete definire in modo cristallino per chi state facendo tutto questo e quale problema state risolvendo per questo cliente. Altrimenti, vi ottimizzerete nel vuoto.

Amplifa ICP Playbook: Trova il tuo cliente ideale Definisci il tuo profilo di cliente ideale (ICP) in modo nitido. La base per ogni strategia di vendita e di prodotto di successo – e il prerequisito per un investimento AI significativo.

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

Amplifa TAM-Analyse: Valutare realisticamente il potenziale di mercato Smetti di indovinare. Con la nostra analisi del Total Addressable Market (TAM) quantifichi il tuo potenziale di mercato e identifichi i segmenti target più redditizi per la tua espansione basata sull'IA.

Basta con i giochi di ruolo: cosa deve succedere ora

Basta con l'analisi. Cosa significa questo concretamente per voi come amministratori delegati, CTO o responsabili digitali nelle PMI? Significa che dovete smettere di inseguire le parole d'ordine e invece rimboccarvi le maniche. Ecco il vostro piano in cinque punti – chiamatelo il 'Manifesto di Müller per un'IA pratica':

1. Passo 1: Analisi radicale dei punti dolenti invece dell'infatuazione per la tecnologia. Chiudete a chiave i vostri tecnici IT e gli evangelisti dell'IA per un giorno. Invece, mettete intorno a un tavolo il responsabile di produzione, il direttore vendite e il Maestro Kaczmarek. Chiedete: 'Dove stiamo perdendo soldi? Dove stiamo perdendo tempo? Quale problema ci toglie il sonno notte dopo notte?' Identificate i tre maggiori punti dolenti. Solo per questi si prenderà in considerazione l'IA.
2. Passo 2: Inventario brutale dei dati. Immediatamente. Stabilite una moratoria di tre mesi per tutti i nuovi progetti di IA. Usate questo tempo per completare un unico, irremovibile compito: mettere in ordine i vostri dati. Dove si trovano? Quanto sono aggiornati? Chi ha accesso? Create una 'Single Source of Truth'. Questo è il compito meno attraente, ma più importante di tutta la digitalizzazione.
3. Passo 3: Definire il modello ibrido come standard aureo. Basandosi sui vostri punti dolenti, valutate secondo il framework W&P: qual è la nostra 'ricetta segreta' (dati di processo unici, conoscenza esperta) e cosa è standard (connessione dati, visualizzazione)? Acquistate i componenti standard da fornitori affermati. Ma insistete su interfacce aperte (API). Su questa base, costruite con un piccolo team specializzato o un partner esterno il 10% cruciale di logica personalizzata che fa la differenza.
4. Passo 4: Progetto pilota con strategia di uscita incorporata. Scegliete il più piccolo dei tre punti dolenti e avviate un progetto pilota chiaramente delimitato. Budget: massimo 100.000 euro. Tempistica: massimo sei mesi. Definite in anticipo KPI rigorosi (ad esempio, 'riduzione dei falsi allarmi del 50%'). Se gli obiettivi non vengono raggiunti dopo sei mesi, il progetto viene abbandonato. Senza discussioni. Il pericolo maggiore è la Sunk-Cost-Fallacy – l'attaccamento a un progetto fallimentare perché si è già investito così tanto.
5. Passo 5: Considerare la conformità fin dal primo giorno. L'EU AI Act non forse, ma sicuramente arriverà (dal 2027 diventerà serio per i costruttori di macchine). Ignorare le normative non è un reato minore, ma un potenziale blocco. Utilizzate i modelli e le esperienze di progetti come il Reallabor KIRR Real nel Baden-Württemberg. Hanno già dimostrato come implementare soluzioni AI legalmente sicure combinando elementi Buy validati con un'integrazione personalizzata validata. Questo riduce i rischi, secondo i ricercatori, fino al 50%.

E non dimenticate l'essere umano

L'IA più intelligente non vi serve a nulla se il vostro team di vendita non capisce come trasformare il valore aggiunto creato in euro e centesimi per il cliente. Un'IA che prevede con precisione i tempi di consegna è un vantaggio solo se il vostro venditore può venderla come una promessa di garanzia. La tecnologia è solo un abilitatore. A vendere deve essere sempre l'essere umano.

Amplifa Sales Coaching: Trasforma il tuo team in una macchina da ricavi La tecnologia non vende, le persone vendono. Il nostro coaching trasforma il tuo team di vendita, in modo che posizioni con sicurezza il valore delle tue innovazioni – anche le tue soluzioni AI – presso il cliente.

Domande frequenti sulla strategia AI nelle PMI – Chiarezza invece di gergo da consulente

Quali sono i veri costi di un progetto AI?

Dimenticate i depliant patinati. Per uno sviluppo interno (Build), calcolate almeno 5 milioni di euro nei primi tre anni, inclusi i costi di manutenzione esorbitanti. Un acquisto puro (Buy) può partire da 500.000 euro, ma il rischio che non si adatti e che dobbiate ammortizzare il denaro è enorme. La via realistica e di maggior successo – l'approccio ibrido – si aggira 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'IA?

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

Il 'Pure Build' è quindi mai una buona strategia AI per le PMI?

In casi molto, molto rari. Se il vostro core business si basa su un set di dati assolutamente unico che nessun altro al mondo possiede – ad esempio l'analisi di proprietà specifiche dei materiali in un processo chimico segreto – allora uno sviluppo interno completo può avere senso. Per il 99% dei casi d'uso delle PMI (pianificazione della produzione, controllo qualità, manutenzione predittiva) è però un eccesso finanziario e tecnologico. Concentrate la vostra potenza di sviluppo piuttosto sull'adattamento perfetto di una soluzione standard al vostro 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'IA non è un prodotto che si compra, ma una capacità che si deve acquisire – basandosi su solide fondamenta di dati puliti e tecnologia standard.

La domanda quindi non è 'Build o Buy?'. La vera domanda che dovete porvi oggi è: avete il coraggio di fare prima i vostri compiti, prima di gettare i vostri soldi duramente guadagnati al prossimo ciarlatano dell'IA? Discutete con me su LinkedIn o scrivetemi un'e-mail. Sono curioso di leggere le vostre lettere di fuoco e le vostre storie di successo.